4月19日，在华为2023年全球分析师大会上，本届大会以“跃升数字生产力，加速迈向智能世界”为主题，阐述了华为对未来的战略思考。
在此次分析师大会上，孟晚舟发表公开演讲。这是她当值华为轮值董事长以来的首次公开亮相。她直言，数字经济将成为全球关键驱动力，华为将在联接、计算、存储、云等方面保持投入，助力行业实现数字化转型。
(资料图片)
值得注意的是，在当前AI热潮下，华为也分享了其对这一热门赛道的观点。华为战略研究院院长周红认为AI如何实现与人类目标一致，尚存挑战。不过，华为的盘古大模型已经在包括工业、气象预测以及分子制药领域深度学习及应用。
数字经济成为驱动力
华为年度分析师大会一般在年报之后举办，主要面向全球行业分析师和媒体，阐述华为的战略思考，并由在这期间当值的轮值董事长发表主题演讲。在今年的分析师大会中，孟晚舟作为轮值董事长也首次在大会上作出演讲。
轮值董事长在当值期间是华为最高领袖，领导公司董事会和常务董事会。从今年4月1日开始，孟晚舟开启了六个月的轮值期。
孟晚舟在会上给出自己的判断：数字经济将成为全球关键驱动力。她认为，数字化是全行业的共同机遇，2026年全球数字化转型支出将达到3.41万亿美元（约23.46万亿元人民币）。
她在演讲中提到，目前有170 多个国家发布了数字化发展报告，预计2025年55%经济增长来自于数字驱动，这是整个产业链的新蓝海。“无论是正在进行数字化转型的企业，还是那些支撑数字化转型的企业，都会面临巨大的市场空间。”
中国信息通信研究院(CAICT)此前发布的白皮书显示，2021年全球47个主要国家数字经济增加值便已经达到38.1万亿美元，较上年同期增长15.6%，占GDP总和的45%。根据中国发展研究院数据，到2025年，中国约55%的增长将由数字经济推动。
据孟晚舟透露，华为目前企业业务合作伙伴已超过3.5万家，华为云合作伙伴超过4.1万家，华为将持续培养数字化人才，目前全球ICT学院达到2200多个。她也提到，华为首先将深化与产业组织的合作，通过硬件开放、软件开源，来发展产业生态。
孟晚舟表示，华为将在联接、计算、存储、云等方面保持投入，助力行业实现数字化转型的“四化”，即作业数字化，数字平台化，平台智能化，智能实战化。
在业内看来，数字化帮助行业重新配置流程和自动化运营，以变得更加敏捷和高效。目前，数字化正在从消费服务等信息密集型行业转向包括能源、制造业、石油和天然气等在内的传统和支柱产业。
AI如何与人类目标一致？
在分析师大会上，华为也分享了对AI产业的观点。孟晚舟预计，到2030年，通用算力将增长10倍，人工智能算力则会增长500倍。在她看来，数据将会成为生产力。
在这种情况下，数据更有了“AI发展的胜负手”之称——算法、算力和数据是AI发展的三大重要基础。在AI热潮下，数据重要性愈发凸显，以ChatGPT为首的人工智能，由庞大数据集训练而成。
“过去10年，AI算法的算力需求提升了40万倍。当前 AI在语言文字的学习理解和生成上所表现出来的能力超出了很多人的想象，” 华为战略研究院院长周红表示。他表示，在走向智能社会的过程中，可能有超过百倍、甚至千倍的信息需求增长，现有的很多理论和技术已经遇到瓶颈。
在他看来，在AI能力快速提升的情况下，需要考虑AI的目标如何与人类目标一致、并且正确和高效地执行。
他认为，要达到上述要求，目前还面临三个重要的挑战：首先是AI的目标定义问题，目前对智能目标的理解千差万别，缺乏共识的目标定义；其次是正确性与适应性，AI对图像组合和噪声敏感，这一现象目前难以解释、难以调试；第三则是能源效率和数据效率问题。
同时，他表示，华为将从三大方面开展实践：其一是AI for Industry，让行业大模型来降低开发门槛，涵盖电力、煤矿、交通、制造等领域。
其二是AI for Science，助力科学发现与科学计算，例如气象预测，用AI推理替代传统偏微分方程；在制药靶点计算方面，分子动力学模拟加速新药研发，可以令新药研发时间周期从数年到1个月，研发成本降低70%。
其三则是软件自动生成，定理自动证明、重构基础计算部件，软件自动生成与自动优化，提升软件研发的效率与可靠性。
盘古大模型已适用多个场景
实际上，华为的盘古AI大模型实际上已经在多个场景投入应用。
在传统的AI开发模式下，一个场景对应一个模型，数据质量差、样本少，模型精度差，并且应用场景相对单一。不同行业、不同场景对 AI 的需求既复杂且碎片化，每个痛点都需要进行定制化地开发和改造，不同的应用场景往往需要独立的架构设计与调参，效率相对较低。因此，“小作坊式”的AI开发模式在一定程度上限制了生产力。
华为盘古AI大模型是一种工业化AI开发的新模式，可以解决小模型的定制化难题，使一个模型应用到多个场景中。
据了解，盘古大模型从2020 年启动研发，2021年4月正式发布，到2022年聚焦行业应用落地，其进化路径可分为 L0-L1-L2 三个阶段，上层是在下层的基础上演化而来。L0 是指基础大模型，包括 NLP（中文语言）大模型、CV（视觉）大模型、多模态大模型、科学计算大模型以及Graph（图网络）大模型。
国金证券在一份研报中也分析，盘古大模型分为三个训练阶段：一是预训练，利用海量数据进行预训练得到通用基础模型，二是微调，针对下游行业具体任务，结合行业数据进行微调；三是大模型迭代，结合不断产生的新数据和之前训练使用的数据，实现大模型的终身学习。
（文章来源：中国基金报）
关键词：
