向下扎根，向上生长，探寻华为云AI的“根”力量(2)

其中，NLP（中文语言）大模型是NLP领域首个千亿参数的中文大模型，它具备强大的文本理解和生成能力，可以理解文字背后的含义，从文本中抽取关键信息。

CV（视觉）大模型首次兼顾了图像判别与生成能力，在ImageNet 1%、10%数据集上的小样本分类精度上，达到了业界最高水平，能够对各行业的图像进行识别和检测，可广泛应用在工业质检、物流管理等领域。

科学计算大模型主要解决各种科学问题，如气象预报、海浪预测、分子动力学预测、微分方程求解等，旨在用AI促进基础科学的发展。

多模态大模型具备图像和文本的跨模态理解、检索与生成能力，通过跨模态语义关联实现视觉-文本-语音多模态统一表示，采用一个大模型即可灵活支撑图-文-音全场景AI应用，可用于产品设计、艺术创作、语音播报、海报创作等领域。

Graph（图网络）大模型首创图网络融合技术，在工艺优化、时序预测、智能分析等场景有广泛应用，比如预测企业财务风险、制造企业优化工艺等等。

L1是指行业大模型。 若想发挥盘古大模型的能力和优势，还需要让盘古大模型与行业相结合，华为云推出了如 盘古金融大模型、盘古矿山大模型、盘古电力大模型、盘古制造质检大模型、盘古药物分子大模型 等行业大模型。

比如，药物分子大模型可以辅助科研人员加速药物研发过程，将严谨复杂的分子化合物生成过程可视化以及智能化，高效的进行筛查“老药”加以新用以及“新药”研发。通过预先训练学习17亿个小分子的化学结构，药物分子大模型实现了一个大模型赋能药物发现全链条任务。

L2是指面向更加细分场景的推理模型。 以在电力行业为例，华为云基于盘古电力大模型，针对无人机电力巡检细分场景，通过一次预训练+下游任务的微调，推出盘古电力巡检大模型，解决了无人机智能巡检系统（缺陷检测）中的小样本学习、主动学习、增量学习等问题，解决了海量数据标注工作量大和缺陷种类繁多的问题。