魔爪文学

手机浏览器扫描二维码访问

第1444章 盘古大模型（第1页）

他顿了顿，看向在座的董事们

“我知道，在座有些同事最初对盘古的定位有疑虑。

为什么不做一个像gpT那样的通用对话大模型？

为什么不追求千亿参数？

今天，我想用事实回答这个问题。”

屏幕切换，是一张对比图。

盘古vs.通用大模型定位差异

目标用户行业专家vs.普通消费者

核心能力预测、分析、决策vs.生成、对话、创作

评估指标业务指标提升率vs.对话流畅度

商业化路径解决方案销售vs.会员订阅

“盘古从诞生第一天起，定位就是‘aIforIndustries’，为产业服务，解决实际问题。”

辛玉良的声音很坚定，“我们不做聊天机器人，我们做的是能让煤矿工人穿西装打领带上班的工具，是能提前三天预测台风路径的系统，是能现新药物分子的实验室助手。”

他切到下一张ppT，是盘古的“5+n+x”三层架构图。

“这是我们设计的架构

Lo是五大基础模型（nLp、cV、多模态、预测、科学计算）；

L1是n个行业大模型；

L2是x个场景化应用。”

辛玉良详细解释

“这个架构的优势在于

第一，基础能力可复用，研效率高；

第二，行业模型可定制，贴合业务深；

第三，场景应用可快生成，响应市场快。”

陈默坐在下面，认真听着。

这套架构，是他去年和辛玉良、汪剑锋反复讨论后确定的。

现在看来，方向走对了。

“我来举几个具体例子。”辛玉良切换画面。

第一张图煤矿井下场景。

帮忙的视频画面里，矿工戴着智能头盔，远处是自动运行的采煤机。

画面一角有aI识别的数据框人员定位、设备状态、瓦斯浓度、危险行为预警......

“盘古矿山大模型，已经在山西、陕西、内蒙古的十二个大型煤矿部署。”辛玉良说

“通过视频分析，系统能实时识别未戴安全帽、违规吸烟、设备异常等二十多种风险行为，预警准确率97.3%。

通过aI调度，采煤机自动割煤，效率提升18%，人工干预减少7o%。

有个矿长跟我说‘以前下井是拿命换煤，现在是穿着西装在指挥中心看屏幕。’”

会议室里响起一阵轻微的议论声。

几位董事点头表示认可。

第二张图气象云图。

动态画面显示台风“圆规”的路径预测，盘古的预测轨迹与实际轨迹几乎重合，而传统模型的预测偏差明显更大。

“盘古气象大模型，与国家气象局合作研。”辛玉良继续说道

“在今年汛期，我们提前72小时准确预测了七次强降雨过程，平均误差比传统模型降低35%。

在台风预测上，路径误差减少28%，强度误差减少41%。

请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。