第1444章 盘古大模型（第2页）

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、陕西、内蒙古的十二个大型煤矿部署。”辛玉良说：

“通过视频分析，系统能实时识别未戴安全帽、违规吸烟、设备异常等二十多种风险行为，预警准确率97。3%。

通过ai调度，采煤机自动割煤，效率提升18%，人工干预减少70%。

有个矿长跟我说：‘以前下井是拿命换煤，现在是穿着西装在指挥中心看屏幕。’”

会议室里响起一阵轻微的议论声。

几位董事点头表示认可。

第二张图：气象云图。

动态画面显示台风“圆规”的路径预测，盘古的预测轨迹与实际轨迹几乎重合，而传统模型的预测偏差明显更大。

“盘古气象大模型，与国家气象局合作研发。”辛玉良继续说道：

“在今年汛期，我们提前72小时准确预测了七次强降雨过程，平均误差比传统模型降低35%。

在台风预测上，路径误差减少28%，强度误差减少41%。

这个模型已经接入应急管理部系统，为防汛救灾提供决策支持。”

第三张图：制药实验室。

科研人员正在操作仪器，屏幕上显示分子结构图和ai生成的新化合物建议。

“盘古医药大模型，与魔都药物所合作。”辛玉良说：

“在抗肿瘤药物研发中，ai筛选出的三个新分子结构，经过体外实验验证，活性比现有药物高2-3个数量级。

传统筛选需要几个月的工作，ai只用了一周。

目前我们正在申请专利。”

三个例子讲完，会议室里的气氛明显活跃起来。

“玉良，”徐平开口问道，“盘古现在的主要瓶颈是什么？”

“两个。”辛玉良回答得很干脆：

“第一，算力。大模型训练需要海量算力，我们现在主要依赖昇腾集群，但规模还不够。

第二，数据。行业数据往往分散、封闭、质量参差不齐，获取和清洗成本高。”

“算力问题，冯总待会儿会说。”左梦安接话，“数据问题呢？有什么解决方案？”