第1444章 盘古大模型

    第1444章 盘古大模型 (第1/3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‘AI fOr IndUStrieS’，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，是能发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：

    L0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，研发效率高；

    第二，行业模型可定制，贴合业务深；

    第三，场景应用可快速生成，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、

    （本章未完，请点击下一页继续阅读）