盤古大模型已落地30多個行業、500多個場景。

文｜趙艷秋

編｜牛慧

你很難想象，這是一家水泥廠。蕪湖海螺水泥2號產線現場，一條長達數十米的鋼鐵巨筒緩緩旋轉，這就是水泥廠的“心臟”——回轉窯。石粉和熱浪在其中翻滾，煉成城市的“骨骼”——水泥熟料。

而這片看似傳統的工業場景中，人工智能正悄然滲透。生活垃圾、市政污泥、工業固廢如今被轉化為替代燃料和原料，不僅顯著降低碳排放和成本，減少了環境污染，也讓水泥廠變成了綠色轉型樣本。

這場變革背后的力量，來自AI。過去，為保障產品質量，生產只能靠優選原料、保守操作。如今，依托盤古大模型對熟料強度的預測，企業可動態優化“窯爐工藝”，在提升“固廢摻比”的同時穩住產品品質，這家全球最大水泥企業之一，邁向了智能化與低碳化的新紀元。

支撐這一變革的，是國產AI的全棧創新。華為開發者大會2025上，基于CloudMatrix 384超節點的新一代昇騰AI云服務全面上線，并發布盤古大模型5.5，進一步打破AI與傳統產業間的屏障，為中國產業構建面向未來的智能底座。

這不只是水泥廠的故事。華為常務董事、華為云計算CEO張平安宣布，盤古大模型已落地30多個行業、500多個場景。中國AI正在深度融入實體經濟，激活前所未有的新動能。

01

AI大轉型，穿越十年的產業耐力賽

大模型火了兩年，但在真正的產業落地中，它并不是一項“立竿見影”的技術革新，而是一場深刻而漫長的組織重塑與產業革命。要真正釋放AI紅利，企業必須穿越一場至少十年的耐力賽。

從盤古大模型已落地的場景數據看，較去年增加了百余個。大模型正在逐步走入產業核心環節，成為產業“底層重構器”。華為云集中展示了具有突破性的一批高價值場景

沙利文《中國行業大模型市場報告2024》，華為云在政務、工業、金融市場份額第一

尤其在工業領域，落地深度和廣度顯著提升。去年，華為與寶武集團打造的“高爐大模型”，解決了“爐內溫度不可測”的難題。目前，單爐每天節省燃料達20噸

今年，盤古大模型繼續在深水區拓展：海螺水泥優化“窯爐工藝”，湘鋼利用大模型改進“精煉工藝”，提升鋼水合格率，降低合金消耗；中國鋁業基于盤古的“坤安大模型”，幫助云南鋁業電解鋁效率提升25%，每年節電2600萬度。

在AI for Science這一國家戰略領域，中國農業科學院聯合華為云打造農業科學發現大模型，海量專業文獻、跨物種多組學數據經過增訓后匯入模型，實現從基因解析到育種設計的全流程決策優化。在實驗室里，中國農科院谷曉峰副局長手中那株新培育的水稻材料，株高降低約25%、抗倒伏能力顯著提升，正是這套系統的成果之一。

汽車行業被認為是繼互聯網之后，被AI最深度重構的產業之一。廣汽集團L3級智能駕駛系統已完成數百萬公里的實地測試和10億公里的仿真測試。平臺技術研究院負責人梁偉強介紹，與華為云合作，依托盤古多模態大模型，實現了2D視頻與3D點云的像素級融合，僅需數分鐘便可復原corner case等復雜場景，為端到端模型“兩天一版本”提供支撐，成為業內首個實現量產輔助駕駛仿真的標桿項目。

但落地行業的這條路并不輕松。麥肯錫2025年調研顯示，雖然78%的公司已在至少一個職能應用AI，但僅有1%認為AI已深度嵌入核心流程并創造實質價值。大量企業遭遇“重投入、輕回報”的落差。

IDC中國區副總裁武連峰指出，要理解這個現象，不能只看技術，更要看到背后的組織、業務流程重構。當前大模型主要應用在文案、客服、營銷等效率提升場景，尚未真正改變流程與決策。下一階段，AI將進入體驗環節，重塑客戶、員工、供應鏈之間的互動邏輯；最終將重構產品、服務乃至商業模式。

因此，AI轉型如同數字化轉型，是一場十年級別的長周期變革。IDC預計，2025至2030年，AI將在全球創造22.3萬億美元的總價值，超過中國2024年GDP。但真正的價值釋放將是漸進的：到2035年，預計全球仍有一半系統由傳統方式運行。這是一場長坡厚雪式的產業演進。

在這一過程中，大模型從“試驗室”走向“生產線”，離不開堅實的AI基礎設施。開發者大會期間，華為云公布了圍繞算力、盤古大模型的全棧創新。

02

全國產16萬卡集群，意義何在？

隨著大模型逐步進入產業，AI應用從文本對話邁向多模態感知、Agent決策等復雜任務，對上下文長度、多模態模型、Agent工具調用的需求迅速增長，這些對AI基礎設施提出前所未有的挑戰，也倒逼AI軟硬件全棧從底層重構。

傳統以CPU為核心、按租戶“拼單”的云原生架構已難以適配AI時代的計算需求。大模型訓練通常需要成千上萬張AI卡、長時間獨占，而微調和推理則要求云端資源按需調度。AI基礎設施正從“以App為中心”的多租戶架構，轉向“以模型為核心”的混合部署，底層也在從CPU主導邁向CPU與NPU對等的革命性演進。

華為云的CloudMatrix384超節點新一代昇騰AI云服務，正是在此背景下的關鍵創新。在單芯片工藝受限情況下，通過集群架構、通信協議、散熱等系統級創新，CloudMatrix重構了AI基礎架構。張平安宣布，這一服務已在蕪湖、貴安、烏蘭察布以及林格爾全面上線。

CloudMatrix的核心創新在于“Scale-up”網絡，節點內外帶寬一致，每卡帶寬達2.8Tbps，延遲也基本相當。而傳統萬卡AI集群通常采用“Scale-out”（橫向擴展）網絡連接，節點內及節點間帶寬差異大，有通信瓶頸。Scale-up有效提升訓練效率，同時適配當前主流的MoE（專家混合）架構。一個超節點可支持384個專家并行推理，“一卡一專家”，實現更高的推理吞吐與效率。

CloudMatrix另一個關鍵架構創新是對等池化架構，不僅NPU連接Scale-up網絡，CPU等也能直連高速互聯。CloudMatrix超節點的CPU、NPU、內存、網絡等均可池化，而其他業界超節點，只有GPU實現了池化，有一定局限性。

CloudMatrix超節點支持資源按需調度、“一切可組合”。當下，幾乎每天都有新模型、新應用出現，很難通過單一系統滿足。CloudMatrix可以靈活配置資源，實現彈性伸縮。

此外，對于萬億、十萬億參數的大模型訓練任務，還可以通過Scale Out方式，將最多432個超節點連在一起，形成一個16萬卡的AI集群。如果這一集群用于訓練千億參數大模型，可以同時支持1300個。

總的來看，這一架構遵循“三個一切”理念：一切可池化、一切皆對等、一切可組合。它打破傳統“主從”結構，把CPU與NPU并列設計，從根本上緩解算力利用率低、通信延遲高等痛點。

據悉，基于CloudMatrix384超節點的新一代昇騰AI云服務已支撐互聯網、汽車、科研機構等多個高強度應用場景。例如新浪微博構建的“智慧小浪”推理平臺，在CloudMatrix支持下推理效率提升50%、模型上線速度成倍加快，算力利用率（MPU）提升超45%，實現高性能、高穩定性與成本可控的平衡。中科院基于CloudMatrix384超節點，構建了中科院AI for Science科研大模型，擺脫了對國外高性能AI算力平臺的依賴......

業界看到，今年國產算力崛起趨勢已十分明顯。有統計顯示，2025年一季度國產算力占比已超40%，年底有望突破50%。以華為為代表的本土廠商正成為新一代AI基礎設施的關鍵力量。張平安透露，昇騰AI云服務客戶數已從去年的321個躍升至1346個。

03

盤古大模型5.5升級，更實用更可控

除了算力架構的重構，大模型本身的進化也決定了其產業落地的深度與廣度。在華為開發者大會2025上，華為云正式發布盤古大模型5.5，這是一個模型家族，涵蓋NLP、多模態、預測、科學計算、CV五大基礎模型，全面升級。

業界注意到，盤古5.5首次在外部打榜，全部基于昇騰全棧軟硬件完成訓練，展示了國產算力打造世界級大模型的可行性。

諾亞方舟實驗室一直負責盤古基礎模型的訓練。該實驗室主任王云鶴介紹，盤古5.5在長序列處理、低幻覺生成、自適應快慢思考、Agent能力等方面進行創新，重點面向企業級實用性與可控性。

在自然語言處理領域，盤古發布了718B參數的超大MoE模型“Pangu Ultra”，由256個專家組成，激活參數量為39B。借助“通算掩蓋”、“MoGE專家路由”，以及親和的詞表、三明治架構等技術，實現訓練效率、推理吞吐和模型精度的大幅提升。

在今年較熱的“快慢思考”上，盤古5.5引入“自適應快慢合一”機制，簡單問題快速響應，復雜問題深度推理，實現8倍整體推理效率提升，兼顧速度與準確性。

在Agent方向，以火熱的DeepResearch為代表的Agent，已展現出綜合應用前景，但這些Agent在更廣泛應用時，面臨很多挑戰。華為發布了開放域信息獲取智能體“盤古DeepDiver”，提出“Search Intensity Scaling”（SIS）機制，讓大模型在真實互聯網環境中動態調整搜索深度與頻率。目前，該Agent可在5分鐘內完成10條以上的復雜問答、生成萬字級專業報告。這意味著大模型應用走向了“可調度、可控”的企業級Agent。

為助力企業定制化模型開發，華為云提供ModelArts工具鏈，通過“數據膠囊”機制，即在盤古在500多個行業場景中探索出的最佳數據配比、預訓練中采用的行業數據集，打包成數據膠囊與客戶自有數據融合增訓，形成客戶專屬大模型。

在醫療、金融等高度專業領域，通用模型尚無法勝任。潤達醫療通過增量訓練，打造“潤醫大模型”，在MedBench測試中排名第一，成為行業標桿。

大模型要進入行業，光有自然語言還遠遠不夠，盤古5.5也在構建多模型協同生態。

在預測大模型方面，盤古5.5首創Triplet Transformer統一預訓練架構，將工藝參數表格、設備運行日志的時間序列、產品檢測圖片進行統一的三元組編碼，在同一框架內處理和預訓練，提升模型精度和泛化能力。在海螺水泥，利用上述技術，對130多條產線數據進行預訓練，僅一周時間將水泥熟料強度預測準確率從60%提升到89%以上。

視覺模型方面，發布業內最大規模的300億參數視覺MoE模型，支持圖像、紅外、雷達、光譜等多維識別能力，并通過行業故障樣本生成算法構建稀缺樣本庫，廣泛應用于能源制造等高難場景。在中石油“昆侖大模型”案例中，盤古識別石油輸送管中亞毫米級裂紋效率提升40%，人工強度降低25%。

盤古還發布了業內首個支持點云生成的世界模型，可同時處理點云與視頻數據，用于構建數字物理空間，支撐自動駕駛與具身智能訓練。工程師甚至用其生成火星地貌訓練環境，供火星車避障訓練。

業界認為，盤古走入產業有自身優勢。得益于華為在制造、半導體、智能汽車、材料、科研等領域的業務積累，它對產業理解深入，與行業可以深入對話，也更容易獲得認可，易于形成落地共識。

在中國這樣一個擁有全球最完備工業體系的國家，大模型走進產業不僅需要強模型，還需要“AI基礎設施+模型體系+工程能力+行業know-how”的全棧協同。華為云正圍繞這幾個維度持續投入。

值得注意的是，華為云也更新了品牌圖標——由三片云構成的紅色“AI”，分別代表：基礎設施即服務、技術能力開發即服務和行業數字化經驗即服務，寓意以AI為核心打造全棧智能化云服務體系，解決產業與AI融合的壁壘，推動推動中國產業向智能化、綠色化、高質量方向加速邁進。