一朵华为云，如何做好百模千态？

点击关注

文丨刘雨琦、郝鑫

2005年华为提出网络时代的“All IP”，2011年提出数字化时代的“All Cloud”，2023年提出智能时代的“All Intelligence”。

截至目前，华为的战略升级经历了三个阶段。

步入智能化，需要迎接的困难依然不少。在大模型能力涌现、多模态融合、MOE等趋势下，模型参数很快将从现在的5400亿超过数万亿，对海量的稳定算力、大规模并行训练、以及整体的架构设计都提出了更高要求。同时，数据集规模的快速增长，数据高效存储、清洗和标注的难度，以及海量Token的训练等充满挑战。

“可以说，大模型及相关应用是迄今为止最复杂的软硬件系统工程”， 华为云CTO张宇昕判断道。

在上篇《全面智能化，华为的“硬功夫”》中，我们总结在硬件层面，华为的策略是从底层建基开始做起， 以硬件为切入，打通感知层和连接层，凭借特色化行业军团打入各行各业，出具智能化解决方案。 也正是因为华为本身软硬一体化的特殊性，催生了其既要做好“硬件层”与“软件层”的连接，也要做好软件层与千行百业连接的需求。

近期的华为全联接大会2023，华为云公布了一系列实践，进一步印证了软硬结合的深层次逻辑：

面向底层算力，宣布华为云昇腾AI云服务正式上线，提供算力集群、计算引擎CANN、AI开发框架MindSpore和AI开发平台ModelArts，构建AI云底座；

面向客户、开发者开发训练，上线“昇腾AI云服务百模千态专区”，同时整合了应用开发需要的开发生产线、低码/无码平台、AI应用框架及全新的AI应用工程套件，降低开发门槛；

面向大模型落地，发布华为云Stack 8.3，提供13类100+云服务，重点增强盘古大模型、工业互联网、数据要素流通、软件开发生产线四大核心能力。

通过梳理本次大会内容，光锥智能发现，华为云服务总体分为两个大板块： 一是面向计算，以硬件交付为主、提供算力的业务；二是直接面向客户，以软件交付为主、提供服务的业务。

如果将华为提出的全面智能化战略形象化，算力就好比是引擎，计算就是发动机。华为云平台在其中承担连接器的角色，向下调用算力平台，向上兼容千行百业。对外，也给千行百业的智能化描绘工程图纸和提供工具。

01 昇腾AI云服务：算力的“输血泵”

随着大模型厂商的不断推进，让“大模型落地各行各业”正在一步步变成现实，这同时也激发了大规模底层算力调用的需求。

作为底层的算力，以前大多数情况下通过本地部署方式完成，而现在明显的变化是， 大模型开始推动算力基础设施不断“向上”，服务于千行百业的客户。

但要把算力直接部署在企业端，本身是件门槛极其高的事情，正如华为云代理厂商告诉光锥智能， “预算要千万级起步，其次还要配备技术研发团队”。这就导致，从计算平台到客户之间便产生了一道鸿沟。

谁来填补这道裂缝？华为给出的答案是“昇腾AI云服务”。据华为云透露，截至目前，其在贵安、乌兰察布、芜湖建设了3大AI算力中心。算力中心没办法直接提供服务，但通过云计算就可以把像水电一般的算力转化为“即开即用”的服务一起出售给用户。

就像一块块搭积木，昇腾AI云服务将算力平台和云计算平台的能力组合在了一起，硬件发挥传输信号、计算等能力，软件发挥数据传输、存储、加密等能力，软硬件一体化来实现效率的最大化。据了解， 目前基于华为昇腾AI云服务，同时通过软硬协同实现算子融合与混合精度的优化，让训练效率提升45%。

具体来看， 华为昇腾AI产业生态由云边端的硬件、异构计算架构、AI框架、应用使能和行业应用层构成，这几部分揭示了华为AI能力如何落地行业场景的全过程。

我们可以把上面这张图理解为一间正在投入生产的工厂。异构计算架构层好比一台万能的生产机器，它具有极强的兼容性，既支持CPU的引擎，也支持GPU、TPU的引擎，有了算力整个工厂才得以运作起来。

AI框架就好比是工人手中的图纸，只有对照着图纸，才能知道每一步的生产步骤。有了机器、图纸还不够，工厂还给每位工人配备了一些封装好的扳手、锤子等工具，这也就是“应用使能层”的作用。待工人将图纸的样式组装为现实的产品，会立即被分类投入到不同的产业线进行打包处理，这也等同于AI进入到了各个行业当中。

华为从最底层打造了一个最全的生产工厂，也提供了各类服务。如在异构计算架构层不仅支持不同类型的处理器，还提供了四种算力供给模式，一种是直接卖服务器的裸算力模式；第二种是租服务器的租算力模式；第三种是通过服务器打造一个云服务空间，提供算力支持；最后一种是以MaaS服务的方式提供算力。

纵观全世界，谷歌、亚马逊等云厂商多以云算力模式、MaaS模式的方式提供算力，英伟达等硬件芯片厂商多以裸算力、多租户模式提供算力，很长一段时间内两者之间泾渭分明。

不过，多算力供给模式正在逐渐成为趋势。据外媒报道，英伟达已经开始通过与一些云厂商签订GPU合同，“逼迫”他们租用英伟达的服务器，以此来打通云算力和MaaS模式。

02 华为云：AI云基座和生产线

算力层的优势是一个新引擎，华为云才是带领华为智能化走向千行百业的那辆马车。

全联接大会中，除了发布昇腾AI云服务，华为云还升级了Stack 8.3版本，为企业提供一站式建设专属大模型的工具和服务。据了解，全新的Stack8.3版本，提供了完整的AI生产链，包括AI算力、计算结构、框架、开发平台、开发套件、基础大模型以及专业服务，降低大模型的建设门槛。

“大模型不是少数企业的专利”，华为云Stack总裁尚海峰说道：“华为希望让每个企业都拥有自己的大模型。”

但从企业内部来看，数据的实时采集受制于非数字化终端，数据的实时上传受制于低速网络，数据的实时分析受制于数据孤岛，行业数据难采、难传、难用，诸多因素都阻碍了智能化的进程。

带着这个思路再看Stack 8.3目前的产品布局，颇有种针对企业痛点逐个狙击的感觉。

比如在8.3版本中，重点对数据要素流通能力进行了增强，而这正是企业面临智能化的第一道难关。在数据实时采集方面，华为打造了感知层硬件进行支撑；为了解决上传速度的问题，华为QingTian架构基于高速新型网络协议，打破了算力、存储和网络的边界，完成对多算力的对等互联，以解决此前低速网络带来的数据传输时间过长、数据丢失等问题。

另一方面，数据需要在流通中才能充分体现价值，但当前业界仍然缺乏可信的数据流通机制，这样的挑战在大模型时代尤为突出。

数据是行业用户的核心资产和竞争优势的源泉，行业用户部分关键敏感数据难以实现共享或者“出厂”，例如政务行业中涉及到城市发展、公共安全和个人隐私等方面的数据；金融行业中责权、债务关系相关的数据；制造业的资产明细、生产数据以及明确要求不可以出园区的数据等等，此时基础大模型难以适应行业智能化需求。

为此，每个云厂商都在着重建立保障数据要素流通过程中的安全可信机制。区块链和隐私计算成为其中最核心的能力，这原本是金融交易中的核心技术，如今也逐渐成为了基础能力。

在数据流通环节，区块链技术可以进行数据确权、防篡改，隐私计算技术确保数据在应用中“可用不可见、可算不可识”。华为Stack 8.3将上述多种技术进行数智融合，让企业可以实现算法、模型和数据集等高质量数据产品的开发，满足数据的使用标准；并通过EDS交换数据空间让数据可信流通与授权运营，确保数据不出域。

其他厂商也在数据层积极布局，蚂蚁专门推出了针对数据流通安全的平台“摩斯”，独立对外提供服务，产品化页面操作包含分布式和集中式计算模式提供安全匹配、匿名查询、安全模型、安全统计等各类产品。

保障数据安全和流通之后，面对智能化的应用开发，很多企业都是“丈二的和尚，摸不着头脑”。Stack 8.3版本是一站式开发平台，提供从编码规范、分布式构建、漏洞检查到协同开发等30多种核心能力，建立了流程、工具到经验一体的软件开发生产线CodeArts。

对比上文所提到的ModleArts的逻辑是一样的，几乎开发者在软件开发中的所有流程和工具、服务，都能够在CodeArts中找到答案。中国船舶集团旗下的海舟技术公司，专门负责船舶系统的软件业务和开发，基于CodeArts的结构化流程和契约化研发确保交付零偏差，实现千人高效协作，打造大型工业领域原创技术“策源地”。

无论是被动的一体化，还是主动的一站式，可以看出目前华为云的整体思路不仅要做深更要做广，为智能化时代，打造一个AI云基座。

03 5+N+X，解耦大模型解决方案

毫无疑问，大模型虽然不是智能化的全部，但却已经成为了企业智能化的灵魂。

在技术发展的早期，有时候建立标准比发展技术本身更加重要。 这也是华为云的思路。比如自动驾驶技术在发展的早期也曾经历混乱和迷茫，直到业内将自动驾驶技术分为L0-L5，框架清晰之后，才迎来了具体的技术突破和落地。

华为云认为对于大模型的思考也应该如此。基于思考，华为云将大模型分为了L0、L1、L2三个层次，形成了5＋N＋X的三层解耦架构。

其中5指的是5种基础大模型，包括自然语言（LLM）、视觉（CV）、多模态、预测决策（推理）、科学计算5种不同方向的大模型；N是基于通用大模型打造的行业大模型，利用特定的行业数据，基于无监督自主学习行业知识，形成的行业的大模型，也是目前大模型在产业应用落地的主要形式；而X则是L1结合场景数据形成场景大模型，以适应行业的需要。

从 L0、L1 到 L2，遵从由“通”到“专”的分层级模式，通用大模型用来定性、行业大模型定量，而场景大模型则代表了无限可能。在这样层级分明的架构中，可以完成从 L0 通用模型到 L1 行业模型再到 L2 专用模型的快速开发流程。

据光锥智能了解到，首先，盘古大模型采用完全的分层解耦设计， 可以灵活适配、满足行业多变的需求，企业既可以为自己的大模型加载独立的数据集，也可以独立升级模型。

但同时，大模型的三级模型之间可以交互优化。 L0 模型可以为 L1 模型提供初始化加速收敛，L1 可以通过模型抽取蒸馏产生更强的 L2 模型，L2 也能够在实际问题中通过积累难例数据或者行业经验反哺 L1。

或许这也正是华为云能够快速同时推出9大行业大模型的原因。全联接大会中，华为云一口气“上新”了9大行业模型，矿山大模型、气象大模型、医药大模型等，针对具体行业具体业务，提供实际的解决方案。

与其他云厂商提供的行业大模型不同的是，华为的行业大模型已经在实际业务中“跑过一轮”，带着实战经验就能起到关键作用。

比如在近几年极端天气与日俱增之际，对气象预测的精准度有了进一步要求，盘古气象大模型与中国国家气象局合作，使得中长期气象预报精度首次超过传统数值方法，速度提升10000倍以上。具体而言，该模型使用全球39年的天气数据进行训练，仅用1.4秒就完成了全球24小时的天气预测，同时对台风路径预报等极端天梯，提高了精准度。

同样，煤炭行业面临着开采地质条件复杂、灾害多发（如煤尘、水、火、瓦斯和顶板等自然灾害）、生产效率较低、作业环境恶劣、人员短缺等挑战，为应对这些挑战，大模型在尽量增安、少人。仅以瓦斯隐患预测一个场景举例，借助大模型对井下采煤、设备、矿压、通风、安全监测、地质、瓦斯抽取等系统数据进行智能融合分析，对井下关键位置瓦斯浓度进行预测，实现瓦斯隐患的超前预警。