AI在线 AI在线

盘古大模型

不用英伟达GPU！华为盘古Ultra来了：昇腾原生、135B稠密通用大模型

不用英伟达GPU！华为盘古Ultra来了：昇腾原生、135B稠密通用大模型
终于，华为盘古大模型系列上新了，而且是昇腾原生的通用千亿级语言大模型。 我们知道，如今各大科技公司纷纷发布百亿、千亿级模型。 但这些大部分模型训练主要依赖英伟达的 GPU。
4/13/2025 3:16:00 PM
机器之心
华为云发布医疗健康解决方案，盘古大模型赋能五大医药健康场景

华为云发布医疗健康解决方案，盘古大模型赋能五大医药健康场景
8 月 10 日，华为云医药健康 AI 高峰论坛在海南博鳌拉开帷幕。华为云副总裁（战略与产业发展部 总裁）黄瑾在会上表示，国家政策对生物医药持续加码，医药健康企业也纷纷增加科研创新投入，但与国际先进水平相比仍有差距，尤其是在创新药研发上。然而，国内人工智能的快速发展为医药健康提供了可以赶超的新契机。华为云副总裁（战略与产业发展部 总裁）黄瑾“华为云拥有全栈自主的 AI 创新能力，我们希望和医药健康行业的客户一起努力，打造出中国自己的享誉国际的医药品牌，一起为人类健康谋福祉，推动中国医药健康产业发展。” 黄瑾表示。A
8/12/2024 3:37:00 PM
新闻助手
华为云董理斌：做难事解难题，盘古大模型以“智”重塑千行万业

华为云董理斌：做难事解难题，盘古大模型以“智”重塑千行万业
7 月 5 日，2024 世界人工智能大会暨人工智能全球治理高级别会议 —“盘古大模型重塑千行万业” 分论坛于上海世博中心举办。在 “盘古大模型做难事解难题，以‘智’重塑千行万业” 主题演讲中，华为云 Marketing 部部长董理斌向出席会议的百余名人工智能领域顶尖专家、业界领军人物分享了盘古大模型 5.0 的全新能力，以及盘古大模型深入高铁、钢铁、工业设计、建筑设计、气象等领域，重塑千行万业的应用进展。他表示，盘古大模型 5.0 通过更多的模态和更强的思维能力，重塑云服务，为开发者、客户和伙伴提供更强大、更丰富
7/5/2024 3:08:00 PM
新闻助手
华为盘古大模型5.0技术解密：更多模态，复杂推理

华为盘古大模型5.0技术解密：更多模态，复杂推理
现在，AI 大模型可以真正与物理世界结合了。该大模型体系分为 10 亿级参数的 Pangu E 端侧模型，百亿级参数的 Pangu P，千亿级的 Pangu U，以及万亿级的 Pangu S 版本，在全系列、多模态、强思维三个方面实现了升级。盘古 5.0 可以与物理世界结合，理解包括文本、图片、视频、雷达、红外、遥感等多种模态的信息。它已在高铁故障检测等工业领域、具身智能等技术探索领域落地，因而受到了人们的关注。随着鸿蒙 HarmonyOS NEXT Beta 版本的发布，小艺也升级成为智能体，面向全场景设备提供语
6/24/2024 11:11:00 AM
机器之心
华为云用盘古大模型重塑服务，ModelArts Studio全面升级

华为云用盘古大模型重塑服务，ModelArts Studio全面升级
6 月 21 日，华为开发者大会 2024 在东莞召开。在大会现场，华为发布了 HarmonyOS Next、盘古大模型 5.0 等方面的最新进展，也介绍了一系列 AI 先进技术的应用案例。在活动中，华为云 CTO 张宇昕表示：“华为云基于盘古大模型的能力，重塑一系列的云服务，打造 AI Native 的云，助力千行万业智能化。” 据介绍，华为云将盘古大模型和华为在产品研发、数据治理、安全防护、业务运维等各个领域积累的数据和经验相结合，“跳了自己的降落伞”，应用在了华为云 CodeArts、DataArts、Met
6/21/2024 7:57:00 PM
新闻助手
全球科技巨头集体「卷」AI，华为又在憋什么大招？

全球科技巨头集体「卷」AI，华为又在憋什么大招？
生成式 AI 的竞争，今年更加激烈了。今年 5 月以来，全球科技巨头们不约而同地开始展示在 AI 领域的最新成果和战略部署，一系列引人瞩目的发布和合作活动相继展开，预示着 AI 技术的快速发展和广泛应用。5 月 15 日，谷歌推出了 Gemini 1.5 Pro 和 Gemini 1.5 Flash 两款新的大型语言模型，并发布了声称效果超过 GPT-3 的生成视频模型 Veo。微软在 Build 2024 开发者大会上发布了 50 多项与 AI 相关的更新，包括 Team Copilot、Microsoft Fa
6/17/2024 10:04:00 AM
新闻助手
华为盘古大模型变「小」，1.5B也很能打

华为盘古大模型变「小」，1.5B也很能打
ChatGPT 等系列模型横空出世，以其强大的性能引起了全球的关注，有望改变人与计算机之间的交互方式，应用到千行百业。然而这些大型模型的实际需要极高的内存和计算资源，限制了它们在各种场景中的应用。例如，具有 175B 参数的 GPT-3 在使用 FP32 数据类型存储时需要大约 700GB 内存。尽管 7B 参数模型相对更高效，但其资源需求仍然难以直接部署在手机等边缘设备上。此外，尽管许多研究已经成功地打造出多个效果很好的大语言模型，但他们往往采用相似的训练策略。一方面，大量工作集中在收集和清理数据上，较少强调研究
2/15/2024 5:18:00 PM
机器之心
  • 1