第1444章 盘古大模型(2 / 3)

投票推荐 加入书签 留言反馈

  “盘古矿山大模型,已经在山西、陕西、內蒙古的十二个大型煤矿部署。”辛玉良说:
  “通过视频分析,系统能实时识別未戴安全帽、违规吸菸、设备异常等二十多种风险行为,预警准確率97.3%。
  通过ai调度,採煤机自动割煤,效率提升18%,人工干预减少70%。
  有个矿长跟我说:『以前下井是拿命换煤,现在是穿著西装在指挥中心看屏幕。』”
  会议室里响起一阵轻微的议论声。
  几位董事点头表示认可。
  第二张图:气象云图。
  动態画面显示颱风“圆规”的路径预测,盘古的预测轨跡与实际轨跡几乎重合,而传统模型的预测偏差明显更大。
  “盘古气象大模型,与国家气象局合作研发。”辛玉良继续说道:
  “在今年汛期,我们提前72小时准確预测了七次强降雨过程,平均误差比传统模型降低35%。
  在颱风预测上,路径误差减少28%,强度误差减少41%。
  这个模型已经接入应急管理部系统,为防汛救灾提供决策支持。”
  第三张图:製药实验室。
  科研人员正在操作仪器,屏幕上显示分子结构图和ai生成的新化合物建议。
  “盘古医药大模型,与魔都药物所合作。”辛玉良说:
  “在抗肿瘤药物研发中,ai筛选出的三个新分子结构,经过体外实验验证,活性比现有药物高2-3个数量级。
  传统筛选需要几个月的工作,ai只用了一周。
  目前我们正在申请专利。”
  三个例子讲完,会议室里的气氛明显活跃起来。
  “玉良,”徐平开口问道,“盘古现在的主要瓶颈是什么?”
  “两个。”辛玉良回答得很乾脆:
  “第一,算力。大模型训练需要海量算力,我们现在主要依赖昇腾集群,但规模还不够。
  第二,数据。行业数据往往分散、封闭、质量参差不齐,获取和清洗成本高。”
  “算力问题,冯总待会儿会说。”左梦安接话,“数据问题呢?有什么解决方案?”
  “我们在推『数据不出域』的学习方案。”辛玉良说:
  “客户的数据可以留在本地,我们只传输模型参数。
  这样既保护隱私,又能利用分散数据训练模型。
  另外,我们也和政府、行业协会合作,建设行业数据开放平台。”
  “商业化进展如何?”郑青山问。
  作为cfo,他最关心的是投入產出。 ↑返回顶部↑

章节目录