打造坚实的算力底座，还只是万里长征第一步。要想推动人工智能“走深向实”，还要加速人工智能走向千行百业，以创造更大价值。

今年4月，华为云人工智能首席科学家田奇在博鳌亚洲论坛上提到，人工智能下一个发展机会点是AI for Industry，也就是将人工智能和各行各业深度结合，包括但不限于航天、医药、农业、工业等领域，希望能为行业创新带来新思路、新方法及新工具。

为了更好地推进AI for Industry，华为在行业内首次提出了三层大模型架构，目的是在不同层面，构建不同的能力。

在华为盘古大模型体系中，L0是基础大模型，包括NLP（中文语言）大模型、CV（视觉）大模型、科学计算大模型；L1是基础模型与行业数据结合，进行混合训练后的行业大模型，包括矿山、电力、气象、海浪等模型；L2是面向行业细分场景的模型，如金融OCR模型、电力巡检模型等。

胡厚崑演讲时指出，最底层的基础模型，做好海量基础知识的学习，相当于“读万卷书”，打好基础；在此之上，针对不同的行业，不同的场景，进行专项知识和经验的训练，打造好用、易用的行业模型和场景模型，相当于行“万里路”。

随着盘古大模型的普及，各行各业的开发者不必从零开始，只需在云上找到自己所需模型，然后针对行业场景，结合行业小数据微调即可获得满足需要的高性能高精度的AI模型。这种开发方式，将促进AI在千行百业的批量化落地应用。

但知易行难，从“读万卷书到行万里路”，还有诸多挑战需要克服。

胡厚崑认为，关键是要做好客户及行业伙伴的行业知识与大模型的匹配，解决好场景、技术、算法和数据的融合，让大模型在行业的价值创造中发挥重要作用。

截至目前，华为云盘古大模型已经深入金融、制造、政务、电力、煤矿、医疗、铁路等10多个行业，支撑400多个业务场景的AI应用落地。

“我们希望大模型不仅能用在工厂、港口、银行等行业场景，也能走进实验室和研究所，助力基础科学研究。在这个领域，大模型大有用武之地。”胡厚崑接着说道。

与AI for Industry一样，AI for Science（AI4S）同样是AI“走深向实”的关键路径。

借助人工智能的巨大技术优势，“AI for Science”可将数学计算和科学模型的方法结合，高效处理海量数据，使传统的科研过程变得自动化、规模化、并行化和平台化，从而解决原来传统科学研究范式无法解决的问题，帮助科学家突破科研瓶颈。

举例来说，流体力学计算中会消耗大量的算力，这个过程其实数学原理很简单，就是一个纳维-斯托克斯方程的求解。在传统过程中，如果用CPU单卡进行计算，可能需要几十年、上百年都算不完，而用AI的方式就有可能10倍或者100倍地加速纳维-斯托克斯的求解。

再比如，在气象预报领域，华为盘古气象大模型的预测可以在秒级时间内，完成未来全球一个小时到7天的天气预报。这其中有几个关键点，一是大模型要充分学习全球40年的气象数据，即“读万卷书”；二是在此基础上，再到行业中去训练，即“行万里路”。

就在日前，国际顶级学术期刊《自然》(Nature)杂志正刊发表了华为云盘古大模型研发团队研究成果——《三维神经网络用于精准中期全球天气预报》。

数据显示，这是近年来中国科技公司首篇作为唯一署名单位发表的《自然》正刊论文。《自然》审稿人对该成果给予高度评价：“华为云盘古气象大模型让人们重新审视气象预报模型的未来，模型的开放将推动该领域的发展。”

华为云盘古气象大模型也是首个精度超过传统数值预报方法的AI模型，速度相比传统数值预报提速10000倍以上。与盘古气象大模型类似的科学计算模型，还有盘古药物分子大模型和盘古海浪大模型等等。

研究机构Omdia分析师认为，“AI for Science”在气候和环境科学（天气预测等），生物制药和生命科学（新药研发、蛋白质结构预测等），流体力学（汽车或飞机的气动设计等），电磁学（电磁仿真等）等应用领域会率先取得突破。

坚持开放协作，共建产业生态

一花独放不是春，百花齐放春满园。