AI开发新模式

以大模型为核心的普适AI建模工作流

  • 【1】模型具备极佳泛化能力 ,1个模型覆盖多个场景,极大节省训练投入
  • 【2】获得更佳模型性能,效率提升10-100倍
  • 【3】流水线工具集成,训练更快

盘古NLP大模型

首次使用Encoder-Decoder架构


兼顾NLP大模型的理解能力和生成能力,保证了模型在不同系统中的嵌入灵活性。下游应用中,仅需少量样本和可学习参数即可完成千亿规模大模型的快速微调和下游适配。

2019年权威的中文语言理解评测基准CLUE榜单中,盘古NLP大模型在总排行榜及分类、阅读理解单项均排名第一,刷新三项榜单世界历史纪录;总排行榜得分83.046,多项子任务得分业界领先,是目前最接近人类理解水平(85.61)的预训练模型。

  • 小样本学习超越GPT系
  • 通用知识 x 行业经验
  • 生成与理解性能领先

增强人工智能模型沉淀行业Know-how的能力

需要用结构化知识方式沉淀的行业 know-how,都可以利用大模型学习

改变领域模型训练方式,实现AI服务低成本大规模复制

大幅度增强Model-as-a-service(模型即服务)商业价值

盘古CV大模型

首次实现模型按需抽取的业界最大CV大模型,首次实现兼顾判别与生成能力

基于模型大小和运行速度需求,自适应抽取不同规模模型,AI应用开发快速落地。使用层次化语义对齐和语义调整算法,在浅层特征上获得了更好的可分离性,使小样本学习的能力获得了显著提升,达到业界第一。

  • 业界最大CV模型
  • 判别与生成联合预训练
  • 100+ 场景验证
  • 小样本学习性能领先

扫描二维码填写相关信息,华为云专家将与您联系,并为您提供专业解决方案

客户案例

无人机电力巡检

基于盘古CV大模型的智能缺陷识别,视觉预训练大模型助力下游缺陷识别,进一步提升巡检效果,缺陷样本标注代价减少 85%;平均精度提升 18%




浦慧云仓

盘古CV大模型1个模型覆盖9种物流场景,监测收货、入库、在库和出库全流程

9种场景差异较大,大模型具备较强泛化能力(例如一个模型同时做行为异常,轨迹异常检测)。

异常样本种类多、数量少,大模型可利用小样本数据取得高精准度结果。(异常行为数据大多数呈中长尾分布)利用大模型的时空对齐能力,综合多摄像头数据,解决局部遮挡等问题,准确估计物体轨迹。


企业财务智能预警

2019年有496家企业被监管处罚、问询或被ST处理,利用盘古大模型预测出其中439家,覆盖率近90%,其中被监管处罚企业111家,盘古大模型全部命中,无一家遗漏。