电子行业AI+系列专题报告（五）：华为盘古大模型，让AI重塑千行百业-20231030-国信证券-37页_2mb

华为盘古大模型：让AI重塑千行百业

核心内容

华为盘古大模型是面向行业应用的全栈自主AI大模型，旨在解决传统AI开发模式面临的“碎片化困境”，并推动AI在各行业的广泛应用。该模型通过预训练与微调相结合的方式，实现通用性与泛化能力的提升，同时降低开发成本，助力中小型企业实现智能化转型。

盘古大模型3.0采用“5+N+X”三层架构，包括L0层的基础大模型、L1层的行业大模型以及L2层的场景大模型，为不同行业提供定制化AI解决方案。该模型已与华为鸿蒙4操作系统深度集成，使智能助手小艺实现多模态交互与个性化创作能力的全面升级。

主要观点

• 传统AI开发模式：由于缺乏通用性，传统“小作坊式”AI开发模式在面对多样化的行业需求时，难以实现规模化和效率化，导致AI技术落地困难。
• 预训练大模型优势：通过大规模数据训练，预训练大模型具备更高的泛化能力与更广的应用范围，能有效解决行业知识与AI技术融合困难、数据不足等问题。
• 全栈自主能力：盘古大模型基于华为的昇腾芯片、MindSpore框架与ModelArts平台构建，实现全栈自主可控，支持快速开发与部署。
• 行业与场景大模型：盘古大模型3.0提供行业通用模型与场景细化模型，满足不同行业与场景的定制化需求，如政务、金融、制造、药物分子、矿山、铁路、气象等。

关键信息

L0基础大模型

• 包括盘古NLP、CV、多模态、预测和科学计算大模型。
• 提供100亿、380亿、710亿、1000亿参数的系列化基础模型，满足不同场景的响应速度和时延需求。
• 盘古NLP大模型：业界首个超千亿参数的中文预训练模型，具备自然语言理解、生成、代码处理、多任务学习、多插件调用等能力，在多个应用场景中实现领先性能。
• 盘古CV大模型：支持图像分类、物体检测、语义分割等任务，具备“小样本、高精度、高效率”特点，推理效率较传统方法提升4-5个数量级。
• 盘古多模态大模型：支持跨模态图文理解与生成，实现以文生图、以图生图、视频生成等功能。
• 盘古预测大模型：适用于回归预测、分类预测、时序预测、异常检测等场景，提供智能化决策支持。
• 盘古科学计算大模型：嵌入科学方程，用于气象、药物分子等领域的复杂计算任务，实现高精度预测与高效处理。

L1行业大模型与L2场景大模型

• L1行业大模型：涵盖政务、金融、制造、药物分子、矿山、铁路、气象等行业，基于公开数据训练，提升行业通用AI能力。
• L2场景大模型：提供更细化场景模型，如政务热线、网点助手、供应链物流、先导药物筛选、台风路径预测等，实现“开箱即用”。
• 行业应用案例：
  • 盘古气象大模型：首次在《自然》正刊发表成果，实现全球天气预报的高精度与高效率。
  • 盘古药物分子大模型：通过“图-序列不对称条件变分自编码器”架构，实现药物分子生成、优化与预测。
  • 盘古政务大模型：助力政务数字化转型，提供智能助手、智能督办等服务。
  • 盘古矿山大模型：提升煤矿生产效率，降低人工审核工作量，实现高精度检测。
  • 盘古铁路大模型：实现货车故障检测准确率提升至99.89%，大幅提高检测效率。
  • 盘古汽车大模型：加速自动驾驶与智能汽车研发，缩短训练周期，提升重卡智能化水平。

AI开发框架与平台

• MindSpore（昇思）：华为自研AI框架，支持大规模并行训练，实现AI与科学计算的融合，成为支持大模型训练的领先平台。
• ModelArts：一站式AI开发平台，支持数据预处理、模型训练、推理部署、全周期管理等功能，覆盖图像分类、物体检测、语音识别、产品推荐、异常检测等应用场景。

产业链相关公司

• 服务器：工业富联、闻泰科技、环旭电子
• PCB：沪电股份、东山精密、鹏鼎控股
• 算力：海光信息、寒武纪、全志科技
• 存储：北京君正、兆易创新、深科技、江波龙、国芯科技
• 先进封装：长电科技、通富微电、芯原股份
• AI终端：晶晨股份、瑞芯微

风险提示

1. 宏观AI推广不及预期
2. AI投资规模低于预期
3. AI服务器渗透率提升低于预期
4. AI监管政策收紧

投资评级

• 行业投资评级：超配（维持评级）
• 投资评级标准：
  • 股票投资评级：买入、增持、中性、卖出
  • 行业投资评级：超配、中性、低配

总结

华为盘古大模型3.0是当前中国首个全栈自主的AI大模型，其分层解耦设计可快速适配行业需求，提升AI技术在各领域的应用效率。通过与鸿蒙4系统集成，盘古大模型显著提升了智能助手小艺的交互与创作能力。此外，盘古大模型在多个行业和场景中取得显著成果，如气象预测、药物分子生成、政务数字化、矿山安全检测、铁路故障识别、汽车智能化等，为各行业提供智能化解决方案。在开发层面，MindSpore与ModelArts平台为AI模型的训练与部署提供了高效支持，推动AI技术的快速落地。然而，AI技术推广仍面临诸多挑战，包括数据质量、技术成熟度、监管政策等，投资者需谨慎评估相关风险。