向下扎根，向上生长，探寻华为云AI的“根”力量(4)

以新推出的图网络大模型为例，一个大模型可以适配工艺优化、时序预测、智能分析等多个场景，同时应用在金融、煤矿、制造等多个行业。

比如，在智能分析场景下，图网络大模型帮助广发证券将企业异常财务识别准确率提高到90%，相对于原来的小模型方法提升了20%，实现了行业领先。

在时序预测场景下，图网络大模型帮助中央空调系统进行可挥发气体浓度的预测，智能监测空气质量，同时也在帮助零售企业进行销量预测。

在工艺优化场景下，图网络大模型则可以帮助制造行业优化工艺、降本增效。

田奇介绍，经过两年的迭代，华为云盘古大模型已经形成了 五大优势，包括：AI开发门槛低、泛化性能高、样本标注快、模型精度高、场景通用性强。 在这些优势的加持下，越来越多企业、机构正在将盘古大模型应用到核心生产环境。

比如，CV（视觉）大模型此前已成功应用在铁路巡检、国家电力巡检等场景，目前正被更多制造企业应用在工业质检环节。华为南方工厂的PCB版质检就是借助了盘古CV（视觉）大模型展开。

NLP（中文语言）大模型方面，通过跨语言模型迁移，盘古研发团队还在尝试通过中文大模型、英文大模型加速对其他小语种大模型的训练，如阿拉伯语大模型、西班牙语大模型等。

3 根系互补：大模型+知识计算+AI求解器形成合力

在AI落地的道路上，大模型不是孤立的单打独斗，因为人工智能算法必须结合行业Know-How和企业专有数据，才能完成通用到专用的转变。

知识计算是指利用AI技术实现机器将人类知识转化为可计算的模型。过去，各个行业都有各种形态的知识，它们存在于不同的媒介，比如各种专业书籍的学科知识，百科网站的基本常识，专家头脑中的经验沉淀等。知识计算是实现行业知识与AI结合的全新路径。

在煤炭焦化行业，配煤优化是一项颇具技术含量的工艺，是工厂煤耗和焦炭质量的关键保证。过去，传统的配煤只能依靠配煤师的个人经验，存在主观性、不稳定性而且难以传承。基于盘古Graph大模型和知识计算，华为云为鞍钢集团打造了智慧配煤解决方案。如今，操作人员只需要在系统中输入配炼焦炭的四种原料成分相关比例，系统就能自动计算焦炭中的成焦质量，配煤仅耗费1~2分钟，质量预测准确率达到95%，在确保焦炭质量的前提下，平均配煤成本下降超过5元。以年产量200万吨焦炭为例，企业可节省成本上千万元。