 250余年来，推动经济增长的根本动力是技术创新，其中最重要的创新是以蒸汽机、电力和内燃机等为代表的通用技术，这些技术出现后，补充性创新和机会大量涌现，许多公司利用这些技术创建出新的商业盈利模式。 人工智能技术也将会如此。但前提是——它必须飞跃从研究到商业化开发之间的“死亡之谷（Valley of death）”。近年来，AR/VR、元宇宙、区块链等一度相当火爆的技术创新都曾折戟于此。比如Facebook，高调改名Meta大举进军元宇宙，3年巨亏300亿美金，裁撤超10000名员工，虚拟世界愿景轰然倒塌。 在中国，人们似乎对跨越人工智能的“死亡之谷”颇有信心。ChatGPT后，已有30余家企业及机构推出其大模型产品，剑指商业化。他们的路径可以简单分为两类。一部分企业把路径的重点放在起点，基于公司的初始条件分析来制定大模型产品的方向，比如搜索、对话、问答等；另一部分企业将战略分析的重点放在终点，基于产业终局来制定战略，比如大模型在垂直行业的应用。 两者相比，我们认为后者会是AI技术落地更有效的路径。原因有二：一方面，用户买单的商业化才是真正有价值的商业化。通过识别和挖掘客户需求而形成的人工智能大模型，能够解决客户的实际问题，具备商业价值。另一方面，以企业初始条件为出发点的产品，往往对重大游戏规则变化、重大商业模式创新视而不见，闭门造车，极有可能遭遇克里斯坦森所说的“创新者的窘境”。 我们观察到，在这一波“百模大战”之中，华为云盘古大模型的诞生，是从产业终局洞察的创新，正因为它是华为云内部为跨越AI开发天堑而启动的项目，盘古大模型从Day1开始便带有“以终为始”的DNA。立项之初，盘古大模型同步开展了一系列的产业合作，至今已在各行业累计超过千余个实操项目。 在本文中，我们将以华为云盘古大模型从0到1的实践为例，回答创新如何能跨越“死亡之谷”这一管理学的重要问题。这是一套经过验证的有效方法，任何组织都可以借鉴。 一、打破“小作坊式”的AI开发困境 在《麻省理工学院斯隆管理评论》(MIT Sloan Management Review)和波士顿咨询2019年进行的一项调查中，七成企业表示，他们的AI努力影响极小或者没有产生影响。同一项调查显示，在那90%对AI进行了一些投资的企业中，不到40%在过去三年中实现了业务收益。这一点不令人意外：因为在许多企业里，AI项目力度太小，太过犹犹豫豫。 究其原因，企业将AI置于其业务中心，说起来容易，做起来难。安排团队负责创建AI、聚合所有数据、人才及金融投资，并在每个关键职能和操作中系统地部署AI……试想一下，如果每家企业在进行研发时，都需要像原始的手工作坊一般，自己做螺丝、轴承、齿轮这些基础部件，那整个社会的工业化从何说起？ 2018年来到华为云的田奇（现任华为云人工智能领域首席科学家），就和同事们共同发现了这样的问题。加入华为之前，田奇已经是业界知名的AI领域学者。他是美国伊利诺伊大学香槟分校博士、IEEE Fellow，也是原德州大学圣安东尼奥分校计算机系正教授。在高校任教17年之后，带着学术界的前沿思考和科研成果，田奇与团队来到了产业一线。而他们首先关注到的，就是广泛存于各个角落的AI开发困境。 比如说，一家企业的一个项目，往往都需要开发一系列定制化的小模型。但每个模型的开发周期都相对较长，并且需要不断完成各种数据清洗、数据增强、模型适配等等琐碎繁杂的工作。这个过程中，开发人员会选择自己熟悉、擅长的模型与开发方式，又导致每个模型之间差异化很大。一旦出现问题就可能推倒重来，而人员变动更可能让所有努力付之东流。这种开发模式，存在着“三高”的问题：开发人员专业性要求高、综合成本高、不可控程度高。 如何突破这道产业天堑？从工业体系的逻辑上看，核心方案就是提升AI开发前置工作的标准化程度，把不同开发者所需模型的公用部分提前训练好。就是工业化中所谓的零件化、标准化和流程化。 2020年9月，朝着构建AI产业基座的目标，华为云盘古大模型的故事，就此开启。 二、不做诗，只做事 2021年4月，华为云正式发布盘古大模型，包括NPL大模型（自然语言大模型）和CV大模型（计算机视觉）。2023年7月7日，华为云发布盘古大模型3.0，在前两者的基础上补充多模态大模型、预测大模型，以及科学计算大模型，并将这5类模型统称为L0基础大模型。 建立了一系列基础能力之后，华为云有了走向终点的工具，但就像那句话“条条大路通罗马”一样，从技术跨向商业化，华为云要选择哪一条路？华为常务董事、华为云CEO张平安在近期接受媒体采访时表示：“ChatGPT的出现确实惊艳全场，但无论参数有多少，如果不能解决实际问题，也没有太多用处。文案生成、作诗作画这些人类专有的东西，没有理由交给机器，华为云注重的是为行业做贡献。” 因此，在“不做诗，只做事”的原则之下，华为云定位于“AI for Industries”，强调深入行业、赋能行业，成为每个企业的专家与助手。这一路径背后，暗含着华为云战略选择的三个出发点： 出发点一：衡量创新最终产品对社会的可能影响，而非当下的财务回报。华为云相信，如果大模型创造的服务或产品影响足够大，客户和收入自然会涌入。正如张平安在回应大模型投入过大时的说法，“我们着眼于更长远的未来，现在谈成本和收益还为时过早。” 反观许多其他玩家，它们采取了截然不同的做法：避免开发理念过于新颖，乐于蹭热点，或者为避免遇到困难，一开始就放弃更深入的探索研究。 出发点二：在洞察终局的基础上，审视自我，评估技术落地与公司核心业务之间的关系。华为云意识到，公司长期以来的政企业务与大模型的应用直接相关，深耕行业累积的行业知识know-how可以对大模型起到赋能作用。 在解释盘古大模型的核心竞争力时，张平安提到“各行业有很多需要解决的问题，华为能把数学家、科学家、工程师们送到煤矿井里，送进车间，去别人不愿意或去不了的地方，我们愿意沉到千行百业里。所以盘古大模型能够与千行百业的难点、堵点结合，这是盘古大模型最重要的竞争优势。” 出发点三：思考通过应用或拓展现有科学，创新产品是否有可能解决科学难题。华为云这一做法挑战了长期以来人们对研究到产品流程的普遍看法——流程是线性的，基础研究，到应用型研究或转化型研究，之后再到商业化开发，最后发展到大规模生产。但这种线性范式肯定不适用于所有情况，目标也不够宏大。 在华为云，虽然研究人员将大量精力都投入到了应用科学与工程学，努力解决至关重要的问题，但同时他们也在拓展基础科学领域。举例来说，华为云提出AI for Science，依托华为云AI辅助药物设计服务研发的超级抗菌药Drug X，有望成为全球近40年来首个新类别的抗生素。在气象领域，华为云盘古气象大模型突破了 AI 预报天气精度不及传统数值预报的世界性难题，对比传统方法预测速度提升 10000 倍，其核心的高分辨率全球 AI 气象预报系统研究已获得国际科学期刊《Nature》收录，研究的可靠性及重要性获得业界认可。 三、AI应用，不再是轻轻点水 为了更好地推进AI for Industry战略，华为云提出了三层大模型架构，在不同层面，构建不同的能力。 上文提到的L0层，也就是最底层的基础大模型，重点在于对海量基础知识进行学习，相当于“读万卷书”，打好基础；在此之上，针对不同的行业，不同的场景，进行专项知识和经验的训练，是盘古大模型的L1层——行业大模型，强调打造好用、易用的行业模型和场景模型，相当于“行万里路”，目前已经深入到金融、制造、政务、电力、煤矿、医疗、铁路等10多个行业。而最高层L2层是场景模型，更加关注某个细分领域，是开箱即用的模型服务，关键在于客户及行业伙伴的行业知识与大模型的匹配，解决场景、技术、算法和数据的融合问题，比如电力巡检模型、金融违规识风险识别等等。 举例来说，在煤矿行业，我国约拥有煤矿4400处。年产能约有45.6亿吨。由于中国煤矿的数字化、智能化程度比较低，我国需要近300万的煤矿工人下井作业，盘古大模型希望通过“煤矿智能化”，将这些煤矿工人从最艰苦的工作环境中解放出来，让更多的煤矿工人能够在地面、办公室进行采煤作业。 在过去，煤矿综采链的巡检工作需要人工完成，由于采煤作业面中大量的水、粉尘，使得简单的视频监控起不了作用。现在，盘古大模型可以将100多路视频集中在一起，因为采用了透沉的大模型算法、急救式摄像头，即便在尘土遮挡之下画面也非常清晰。另外，盘古的视觉大模型可以识别出采掘过程中大块的岩石、煤仓卡堵等问题，不用工人下井，就能看得清、看得准，工人可以在地面上进行煤机的操控作业。 目前，基于盘古矿山大模型，山东能源集团及其技术公司云鼎科技已与华为达成了深度合作，已经开发了21个场景化的应用，覆盖了七大业务系统。盘古矿山已经在全国的8个矿井里规模使用，覆盖了煤矿的“采、掘、机、运、通、洗”等流程下的1000多个细分场景。不仅能让煤矿工人的工作环境更加舒适，而且可以极大地减少了安全事故。 这个案例，只是盘古大模型在十余个行业千余个项目中进行具体实践的一个缩影。如今，盘古大模型正深刻地改变着各行各业的生产作业方式，提升着工作效率，优化着人们的工作流程。 在如今这个时代，AI几乎对于每一家企业的成功都至关重要。在华为云盘古大模型的帮助下，企业对于AI应用不再是轻轻点水，它们能全力投入AI应用，将其与战略和运营进行最佳整合，实施得当的企业也会实现最大的商业价值。在这一过程中，华为云也成功地跨越了人工智能的“死亡之谷”，可以站在终局，慢慢回味这段探险旅程中的景色与美好。 “ 廖琦菁｜文 廖琦菁是《哈佛商业评论》中文版高级撰稿 王一冰｜公众号文章编辑 |
|
|
