科技云报道:算网筑基AI注智,中国联通如何讲出AI时代的“新故事”?

科技云报道原创。

AI从未停止进化,也从未停止给人类带来惊喜。

从ChatGPT代表的文生文、Dall-E代表的文生图,到Sora代表的文生视频,Suno为代表的文生音乐,生成式AI的“暴力美学”持续突破内容生产的天花板,大模型技术不仅颠覆了我们的认知,也展示着人工智能时代超越边界的想象力和爆发力。

在大洋彼岸另一端,以中国联通为代表的中国数字化科技企业正在将数据要素、人工智能领域前沿技术和应用融于千行百业,走出了一条“以网强算、用智赋能”的AI发展新路径。

近日,以“向新同行,共创智能新时代”为主题的中国联通合作伙伴大会在上海召开,这是中国联通在成立三十周年之际的一次重大科技创新成果检阅。随着人工智能已成为培育和发展新质生产力的重要引擎,中国联通将在网、算、云、数、智、端的技术优势,与政务、制造、生物医药、交通等实体产业深度融合,以广泛的行业实践作为基础,不仅为人工智能的行业应用和规模化发展提供了肥厚的产业土壤,更为中国联通迈向智能时代打开了一扇机遇之门。
在这里插入图片描述

向新向实AINet×元景2.0合力铺路筑基

如果说2023年是大模型技术元年,那么2024年则被业内视为大模型应用爆发元年。大模型加速智力劳动的细化分解,促进以人机分工为代表的第四次社会大分工形成,推动从“手工作坊式”走向“工业规模化”批量供给的AIGS(AI生成服务)新时代。

高通量、高性能、高智能的网络是AI存在和发展的基础,是连接智能算力的“大动脉”,而其中的各类应用实践则是实现AI技术普惠的“神经元”。会上,中国联通总经理简勤发布了中国联通在人工智能领域的两项重磅创新成果:算力智联网(AINet)和元景2.0。

这两项技术成果分别从横向上建设了一张先进的算力智联网,以网强算,打通东西部数据“大动脉”;另一方面以网赋智,实现泛在连接,构建中,到边缘的数据通道,布局近500个边缘节点,让AI触达更多场景,服务更多行业客户。今年5月,中国联通完成业内首个面向智算的3000公里高通量无损传输,效率提高一倍。纵向上中国联通依托自研的元景“1+1+M”大模型体系,即“1套基础大模型+1个大模型平台+M种行业大模型”,以及各类行业大模型应用产品,形成对实体产业的全方位数智赋能。

在这里插入图片描述

AI的行业能力,如同人的职业技能,针对各个行业场景快速定制,并不断迭代提升。在今年巴塞罗那举办的世界移动通信大会上,中国联通推出元景“1+1+M”大模型体系,实现了通用能力与行业场景模块快速定制结合的体系化赋能。

当前,企业在应用大模型时无外乎两种选择,一个是适用于全场景的基础模型,另一个是针对行业的垂直模型。从行业客户的角度,基础模型的能力如果不能结合企业训练数据和行业知识库,形成行业客户所需要的专有模型和能力,就依旧没有将大模型的能力从象牙塔里释放出来。而大模型与行业相结合,既要求基础模型的性能,也要考虑降低开发门槛,如果能够兼顾到具体行业应用,并提供最佳实践的参考,就能大大缩短大模型落地行业的周期。

中国联通元景“1+1+M”大模型体系的提出,正是其在深刻理解千行百业对于大模型的实际需求之后,给出的最佳答案。此次发布的元景2.0在1.0基础上进行了四大能力升级:基座能力升级、MaaS平台升级、安全能力升级和应用升级,从而更好支撑千行百业的数智化升级。

联通数科总裁、中国联通人工智能创新中心主任朱常波表示,基础大模型决定了行业大模型和应用能够走多远、能够飞多高。在基础大模型能力升级方面,中国联通在参数规模上实现了从十亿、百亿参数到千亿级、万亿级的跨越,并且推动从松耦合多模态到原生多模态的跨越,使得元景2.0的交互能够像GPT-4一样丝滑。在此基础上演进出三个基础大模型:2040亿多模态的大模型、文生图大模型、语音大数据,具备面向多种行业场景的快速定制能力。

多模态大模型方面,元景创新地设计使用复合视觉编码模块,提升了感知精细度及认知逻辑能力。在MME、MMBench、MMMU、MathVista榜单进入前5,性能达业界先进水平。

元景文生图大模型基于20亿高质量中文长文本图文数据训练,通过使用创新的长语句编码模块和级联扩散架构,实现对中文长语句的精确实体提取和意图理解,提升对图像中的文字等高频特征的编码能力,不仅能够对超过200字中文长语句内容进行精确理解并生成相符图像,还能对图像任意局部区域进行强可控性修改与生成,同时突破了中文文字生成的壁垒,实现画面场景与文字的完美融合

元景语音大模型则基于超过10万小时的高质量语音数据训练,具备一句话能够克隆人声、类人高自然度及副语言表达、多语种多方言混合生成能力。

除了对模型能力全面升级,MaaS平台升级也是元景2.0的一大亮点。今年5月,中国联通首次发布元景MaaS大模型平台1.0,升级后的2.0重点对核心组件和通用组件进行了创新,特别是RAG和智能体两个核心组件,更是获得了中国信通院评定的最高等级认证。

RAG针对在初次使用搜索引擎工具时遭遇的不会查、查不全、找不到的痛点进行了功能升级。通过采用级联切分方式,元景可以将长文本逐级切分至与用户问题长度相当、语义相似的短文本,从而提高匹配效果,解决不会查的问题。其次,利用自适应语料拆分与整合模式,补齐表格中被切开的表头、标题等信息,进一步增强知识理解的完整性。第三,使用多路检索融合方式,扩展稀疏向量、关键词等多维检索方式、融合各路召回综合排序,提升了查询的准确率。

元景智能体不仅具备卓越的分析与决策能力,更懂得如何像人类一样,灵活运用各种资源与工具,让智慧触手可及。基于元景大模型的智能体实现了多工具自主调用、多任务自主规划、意图判断、自定义工具扩展等多项功能,同时进一步明确了大模型的能力边界,使大模型知道何时自己回答问题,何时使用工具,还增强大模型的精准意图识别能力,让大模型调用合适的工具来回答问题,从而为企业的生产力提升提供有力的数字化工具。

通过元景MaaS平台,中国联通打造了一条从选模型、改模型到用模型的完整工具链,实现了从通用能力到专业能力和“职业技能”的塑造。同时,MaaS平台提供的基于智能体的原生应用开发工具,进一步降低了应用开发的门槛,对于大模型开发者群体是十分友好的,这也是元景的重要逻辑之一。

基于元景大模型和MaaS平台能力,中国联通还根据不同行业特性提炼出共性需求,开发出文案创作、视频智学、数据智策、语音纪要、专业咨询、个性配音、长文智读、编程助手八个可复用的标准功能组件,并推出元景热线、元景编程、元景运维、元景办公四大通用产品,融合智能填单、智能派单、代码生成、代码解释、IT运维、创意写作、音频转写等多种功能,提升一线工作效率和管理效能。

此外,中国联通还发布了元景大模型训练和推理一体机,最大算力可以达到560TFlops,预置元景MaaS平台的训练版、推理版或应用版软件,实现高性价比、低延时的大模型训练和推理。

由此可见,中国联通本次发布的创新产品和解决方案,将为各行业的数字化转型及智能化发展提供强有力的支持。

安全能力升级方面,中国联通不仅在业界率先发布了首个AI内生安全白皮书,还对技术进行了开源,覆盖风险种类最多的开源测试数据集。同时构建起从预训练、微调训练、模型评测到模型输出的端到端模型服务安全工具链。基于这些工作,中国联通获得中央网信办的双备案,在中国软件评测中心的大模型安全评测当中也取得最高级认证。此外,中国联通还积极推动与国产芯片、算力的适配互认,从而元景2.0的安全能力得到全面提升。

在这里插入图片描述

深耕产业场景从实践中来到实践中去

根据麦肯锡报告预测,到2040年,生成式AI每年可为全球经济带来2.6万亿至4.4万亿美元的增长,如此巨大的市场潜力,不仅来自于大模型技术的提供者,也会来自于千行百业的大模型技术应用者。

大模型的关键在于应用,只有真正深入到行业和场景,才能真正体现出大模型的作用和价值,也才能真正地形成商业闭环。一直以来,中国联通都在积极推动元景和各行各业的深度融合,目前已经形成了超过35个行业大模型和超过100个的标杆应用案例。

针对大模型应用的典型行业场景,元景MaaS平台已打造了35+具备“职业技能”的行业大模型,在政务、服装设计、港口、家电制造、装备制造等众多领域的企业中获得落地应用,模型库中内置了超过200个模型,工具箱中内置了超过100个开箱即用的工具,应用商店提供了办公助手、企业知识库、编程助手、质量分析、智能客服等原生应用,在赋能实体经济中产生了显著成效。

以政务领域为例,联通元景正在帮助政府提升基层治理水平。据辽宁省数据局副局长杨松涛介绍,从2018年开始,辽宁省就与中国联通开展深度技术合作,近期已将元景政务热线大模型全面接入辽宁的12345省级平台,充分运用大模型的语义理解、语音识别等能力,实现了各类热线号码合并、业务系统合并、知识库数据合并,只要群众拨打一次电话就可以解决各种需求。

同时,联通元景大模型还利用语言理解和文本的生成能力,助力辽宁省12345实现了诉求受理的全面智能化,将原来由话务人员手动填写工单升级为大模型智能填单,使话务人员工单处理效率和准确率大为提升,工单填单时间缩短80%,工单记录完整度提升30%,知识辅助的内容推荐准确率提升35%。
在这里插入图片描述

在处理潜在舆情方面,联通元景大模型通过文本抽取和数据的分析能力,帮助12345总结近一段时间群众关心的热点话题,每周形成热点话题的问答,并通过公众号向群众发布,通过主动服务和提前预判,将可能引发群众不满或投诉的问题解决在萌芽状态。

通过联通元景大模型,辽宁12345更是实现了从“接诉即办”向“未诉先办”转变,使社会治理水平不断提高。在接入大模型之后,政府部门能够围绕社情民意的数据,开展苗头事件、告警事件、风险事件和趋势分析,并形成了供水、供电、供气等6个群众最关心、需求最迫切的业务画像,为探索社会治理现代化方式上迈出了坚实的一步。

除了政务领域,新型工业化也是联通元景大模型重点深耕的方向,其与服装、港口等工业场景紧密结合,已经为近百家合作伙伴的数智化转型提供了帮助,助力优化生产流程、提升生产效率、实现降本增效。

在服装领域,联通元景大模型落地杭州某制衣企业,提供款式生成、款式创新、虚拟试衣、效果图生成4大服务,从过去一个业务熟练设计师做多一天设计2-3个款式,到如今大模型3秒生成图样,并且可以看到上身效果,大幅节省设计师重复设计和修改款式时间。

在港口场景,联通元景大模型深度嵌入港口安全作业管理五大环节,提供叉车作业行人预警、司机疲劳驾驶监测、工装穿戴识别等特色功能,促进港口作业的安全性/合规性、港区监管的规范化/智能化,助力海港、内河港等客户大幅降低运营监管和安全事故风险。

另外,元景大模型还被应用在网络、客服等企业场景之中,进一步验证了其在多元行业场景下的适用性。

在网络应用中,联通元景大模型实现了自然语言驱动的自动路测作业与质差分析,联通网优助手已全面推广31省,实现了分析处理效率提升80%;应用于智家工程师培训及一线运维人员故障原因查询,实现智家工程师培训效率提升33%,修障工单处理效率提升20%。

围绕智能化客服,联通元景大模型聚焦于自主服务、人工服务、热线运营场景,实现智能化服务占比85.2%,服务成本下降16.5%,问题响应率达到95.9%,平均通话时长压降26.4s,问题解决满意率整体达到92.23%,首次问题解决率提升4.5%。

经过长期的技术发展与案例实践,联通元景已获得行业的普遍认可。上述35个行业大模型和100个优秀案例中,有许多也入选了国际国内重要奖项。比如中国联通元景医疗大模型入选在国际电信联盟ITU AI4G优秀案例、客服大模型获得吴文俊人工智能科技进步奖、城市治理大模型和港口大模型入选2024世界人工智能大会创新应用典型案例、文创大模型入选2024年全球数字经济大会优秀案例等等。丰富的落地应用实践让元景大模型赢得了“更懂行业的大模型,产业升级智能引擎”的口碑和鲜明特色。

任何技术本身都是不具备行业属性的,再好的技术如果脱离了应用场景,就好像无源之水、无本之木,也无法称之为有用的技术,AI大模型概莫能外。正如中国联通董事长陈忠岳所言,模型是智能新时代的核心能力。中国联通打造百家合作伙伴创新联合体、开放千个AI应用场景、提供万卡智算集群算力支持等,以提供更懂行业、更易定制、更加可信的AI工具。

今年是中国全功能接入互联网30周年,也是中国联通三十向新的重要时点。作为数字信息运营服务国家队、数字技术融合创新排头兵,中国联通注定要走出一条独属于自己,且与国内市场需求相契合的AI发展之路。而这条路上不仅有中国联通,更有千行百业的万千用户,走通这条融合之路的中国联通也将与产业和用户一道,共同迎来AI新一轮的发展与繁荣。

【关于科技云报道】

专注于原创的企业级内容行家——科技云报道。成立于2015年,是前沿企业级IT领域Top10媒体。获工信部权威认可,可信云、数博会、国家网安周与全球云计算等大型活动的官方指定传播媒体之一。深入原创报道云计算、人工智能、大模型、网络安全、大数据、区块链等企业级科技领域。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/383384.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【LLM】-07-提示工程-聊天机器人

目录 1、给定身份 1.1、基础代码 1.2、聊天机器人 2、构建上下文 3、订餐机器人 3.1、窗口可视化 3.2、构建机器人 3.3、创建JSON摘要 利用会话形式,与具有个性化特性(或专门为特定任务或行为设计)的聊天机器人进行深度对话。 在 Ch…

vue import from

vue import from 导入文件,从XXXX路径;引入文件 import xxxx from “./minins/resize” import xxxx from “./minins/resize.js” vue.config.js 定义 : resolve(src);就是指src 目录 import xxxx from “/utils/auth” im…

新版GPT-4omini上线!快!真TM快!

大半夜,OpenAI突然推出了GPT-4o mini版本。 当我看到这条消息时,正准备去睡觉。mini版本质上是GPT-4o模型的精简版本,没有什么革命性的创新,因此我并没有太在意。 结果今天早上一觉醒来发现伴随GPT-4o mini上线,官网和…

RAS--APEI 报错解析流程(2)

RAS--APEI 报错解析流程(1) 除了APEI 中除了GHES会记录错误,在Post过程中的错误通常是通过BERT Table汇报 1.BERT Boot Error Record Table is used to report unhandled errors that occurred in a previous boot,it is reported as a ‘one-time polle…

stats 监控 macOS 系统

Stats 监控 macOS 系统 CPU 利用率GPU 利用率内存使用情况磁盘利用率网络使用情况电池电量 brew install stats参考 stats github

Ansible的脚本-----playbook剧本【上】

目录 1.playbook剧本组成 2.playbook剧本实战演练 2.1 实战演练一:给被管理主机安装httpd服务 2.2 实战演练二:定义、引用变量 2.3 实战演练三:指定远程主机sudo切换用户 2.4 实战演练四:when条件判断 2.5 实战演练五&…

ElasticSearch(六)— 全文检索

一、match系列查询 前面讲到的query中的查询,都是精准查询。可以理解成跟在关系型数据库中的查询类似。match系列的查询,是全文检索的查询。会通过分词进行评分,匹配,再返回搜索结果。 1.1 match 查询 "query": {&qu…

.Net Core 微服务之Consul(三)-KV存储分布式锁

引言: 集合上两期.Net Core 微服务之Consul(一)(.Net Core 微服务之Consul(一)-CSDN博客) 。.Net Core 微服务之Consul(二)-集群搭建)(.Net Core 微服务之Consul(二)-集群搭建-CSDN博客) 目录 一. Consul KV 存储 1. KV 存储介绍 1.1 数据模型 1.2 一致性和…

Centos安装、迁移gitlab

Centos安装迁移gitlab 一、下载安装二、配置rb修改,起服务。三、访问web,个人偏好设置。四、数据迁移1、查看当前GitLab版本2、备份旧服务器的文件3、将上述备份文件拷贝到新服务器同一目录下,恢复GitLab4、停止新gitlab数据连接服务5、恢复备…

Docker、containerd、CRI-O 和 runc 之间的区别

容器与 Docker 这个名称并不紧密相关。你可以使用其他工具来运行容器 您可以使用 Docker 或一堆非Docker 的其他工具来运行容器。docker只是众多选项之一,Docker(公司)在生态系统中创建了一些很棒的工具,但不是全部。 容器方面有…

47.简易电压表的设计与验证(2)

(1)Verilog 代码: module adc_collect(input clk ,input reset_n ,input [7:0] adc_data ,output clk_adc );wire clk_adc_a ;…

大文件分片上传(前端TS实现)

大文件分片上传 内容 一般情况下,前端上传文件就是new FormData,然后把文件 append 进去,然后post发送给后端就完事了,但是文件越大,上传的文件也就越长,如果在上传过程中,突然网络故障,又或者…

【Linux操作系统】:进程间通信

目录 进程间通信介绍 1、进程间通信的概念 2、进程间通信的目的 3、进程间通信的本质 4、进程间通信的分类 管道 匿名管道 匿名管道的原理 pipe函数 创建匿名管道 管道的四种情况和五种特性 命名管道 使用命令创建命名管道 创建一个命名管道 命名管道的打开规则 …

【ROS2】高级:安全-理解安全密钥库

目标:探索位于 ROS 2 安全密钥库中的文件。 教程级别:高级 时间:15 分钟 内容 背景安全工件位置 公钥材料 私钥材料域治理政策 安全飞地 参加测验! 背景 在继续之前,请确保您已完成设置安全教程。 sros2 包可以用来创…

Qt自定义下拉列表-可为选项设置标题、可禁用选项

在Qt中,ComboBox(组合框)是一种常用的用户界面控件,它提供了一个下拉列表,允许用户从预定义的选项中选择一个。在项目开发中,如果简单的QComboBox无法满足需求,可以通过自定义QComboBox来实现更复杂的功能。本文介绍一个自定义的下…

Python研究生毕业设计,数据挖掘、情感分析、机器学习

最近在学校毕业了,其中有很多毕业论文使用到的代码,如数据挖掘、情感分析、机器学习、数据预测处理、划分数据集和测试集,绘制分类任务,词汇表示:使用TF-IDF向量化器,线性回归、多元线性回归、SVR回归模型&…

一文入门SpringSecurity 5

目录 提示 Apache Shiro和Spring Security 认证和授权 RBAC Demo 环境 Controller 引入Spring Security 初探Security原理 认证授权图示​编辑 图中涉及的类和接口 流程总结 提示 Spring Security源码的接口名和方法名都很长,看源码的时候要见名知意&am…

grafana对接zabbix数据展示

目录 1、初始化、安装grafana 2、浏览器访问 3、安装zabbix 4、zabbix数据对接grafana 5、如何导入模板? ① 设置键值 ② 在zabbix web端完成自定义监控项 ③ garafana里添加nginx上面的的三个监控项 6、如何自定义监控项? 以下实验沿用上一篇z…

二、原型模式

文章目录 1 基本介绍2 实现方式深浅拷贝目标2.1 使用 Object 的 clone() 方法2.1.1 代码2.1.2 特性2.1.3 实现深拷贝 2.2 在 clone() 方法中使用序列化2.2.1 代码 2.2.2 特性 3 实现的要点4 Spring 中的原型模式5 原型模式的类图及角色5.1 类图5.1.1 不限制语言5.1.2 在 Java 中…

免费【2024】springboot 趵突泉景区的智慧导游小程序

博主介绍:✌CSDN新星计划导师、Java领域优质创作者、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和学生毕业项目实战,高校老师/讲师/同行前辈交流✌ 技术范围:SpringBoot、Vue、SSM、HTML、Jsp、PHP、Nodejs、Python、爬虫、数据可视化…