本文來自全天候科技，閱讀更多請登陸www.awtmt.com或華爾街見聞APP。

(資料圖)

作者｜于惠如 編輯｜羅麗娟

科技巨頭們關于AI的投入和討論還在繼續。手握云、邊、端等不同場景，且具備不同場景技術能力的華為自然不會錯過。

4月19日，在2023華為全球分析師大會上，華為副董事長、輪值董事長CFO孟晚舟，華為戰略研究院院長周紅的主題演講均包含華為對AI領域的思考。

“到2030年，通用算力將增長10倍，人工智能算力則會增長500倍?！泵贤碇墼谘葜v中預計。在她看來，數據將成為新的生產力。

據周紅介紹，過去10年，AI算法的算力需求提升了40萬倍。當前 AI在語言文字的學習理解和生成上所表現出來的能力超出了想象。不過，在AI能力快速提升的情況下，需要考慮AI的目標如何與人類目標一致、并且正確和高效地執行。?

除了通過規則和法律來加強AI的倫理和治理外，從理論和技術的角度看，要達到上述要求，AI發展目前仍面臨三個重要挑戰：AI的目標定義，目前對智能目標的理解千差萬別，缺乏共識的目標定義；正確性與適應性，AI對圖像組合和噪聲敏感，這一現象目前難以解釋、難以調試；以及能源效率和數據效率問題。

面對這三個挑戰，如何進一步尋求突破呢？

周紅認為，可以從實用的角度，來發展知識和智能。具體來說，可以通過感知與交互、計算或者試錯，在復雜的環境和有限的資源下達成目標。

“近幾年，學術界有很多跳出Transformer之外的新型AI架構的思考。我建議在這些思考的基礎上，發展感知與建模、知識自動生成、求解與行動三個核心部分，通過從多模態感知融合與建模，到‘知識+數據’驅動的決策，實現更高正確性與適應性的自主智能系統。”周紅表示。

2021年4月，華為正式發布盤古大模型，目前已有多個實際應用場景。

據介紹，華為的實踐方向主要從三個方面展開：

AI for Industry：通過行業大模型促進價值創造。在視覺、語言文字、圖網絡、多模態等專用L0基礎大模型之上，形成L1行業專用大模型，降低開發門檻、提升泛化能力，解決應用碎片化的問題。應用場景涵蓋電力、煤礦、交通、制造等領域。

AI for Science：幫助提升科學研究的能力。比如，通過更精準、高效的學習與推理機制，從數據中提取出全球氣象先驗知識，代替傳統科學計算的超大規模偏微分方程的時序求解，快速完成全球未來1小時到7天的天氣預報。

軟件自動生成：定理自動證明、重構基礎計算部件，軟件自動生成與自動優化，提升軟件研發的效率與可靠性。

此次分析師大會是孟晚舟當值華為輪值董事長以來的首次公開亮相。她表示，數字經濟將成為全球關鍵驅動力，華為將在聯接、計算、存儲、云等方面保持投入，助力行業實現數字化轉型。? ? ? ? ?

風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。

關鍵詞：