中国银行保险报网讯【记者 刘宋文】

今年2月，国家自然科学基金委员会发布了2023年度“中国科学十大进展”，内容包括人工智能、生命科学和医学、量子、天文、化学能源等科学领域。其中，由华为云计算技术有限公司完成的“人工智能大模型为精准天气预报带来新突破”入选。

6月14日，在“保险家系列考察活动之走进华为”参访项目现场，20余位与会嘉宾实地参观了华为深圳总部冯·诺依曼展厅，见到了名列2023年度“中国科学十大进展”第一项的“盘古气象大模型”。

在2023年汛期，盘古气象大模型成功预测了玛娃、泰利、杜苏芮、苏拉等影响我国的强台风路径。据悉，基于人工智能方法，盘古气象大模型在某些气象要素的预报精度上超越了传统数值方法，且推理效率提高了上万倍。在全球高分辨率再分析数据上，盘古气象大模型在温度、气压、湿度、风速等重要天气要素上，都取得了更准确的预测结果，将全球最先进的欧洲气象中心集成预报系统的预报时效提高了0.6天左右。

华为公司副总裁 吴辉

“这个项目对保险业尤其财险业极其重要。”华为公司副总裁吴辉介绍，基于对自然灾害的预测，保险业可以把风险管控前移，主动做好防灾减损工作。这样不仅可以降低社会财富的损失，从企业自身来说，还节约了险企的赔付成本。

为行业找技术，为技术找场景

金融领域是华为的业务发力重点。目前华为服务了1800多家金融机构，成为金融行业数字化转型的战略伙伴。

华为数字金融军团COO 来利顺

“我们军团成立之后一直在践行两句话：一句是为行业找技术，另一句是为技术找场景。”华为数字金融军团COO来利顺表示，现在越来越多企业的真正价值已经不在厂房这类不动产了，真正有价值是在“动产”，也就是所谓的数据资产。如果能够及时有效地掌握这些“动产”的状态，那么对于金融机构来说，不管是开拓银行信贷业务还是保险服务业务，潜在的空间都是巨大的。

据公开资料，2022年初起，华为与山东能源集团共同成立联合创新中心，成功搭建了煤炭行业全球首个矿山大模型“盘古矿山大模型”，目前已在煤矿领域9个专业40多个场景开展应用实践，推进了人工智能大规模“下井”。

2024年1月，华为与鄂尔多斯市创新投资集团共同打造的基于工业AI大模型的工业互联网平台正式发布。该平台集AI算力、矿山行业AI大模型、AI算法模型开发平台、应用开发平台、大数据、物联网等创新技术于一体，真正实现了综合性行业“产学研用”一体化平台，能较好地解决当前AI“作坊式”开发门槛高、周期长等制约行业AI推广应用的难题。按照规划，3年内平台将实现超过100家伙伴入驻，服务企业超过260家，创新应用突破300个。

“你可以理解为，华为实际上是在把过去几十年的技术在不同的场景上垂直整合。虽然看上去华为在各个产业好像参与很多，但实际上都是围绕数字技术展开，没有迈出数字经济这个领域。”吴辉说。

“数实”深度融合

数字经济发展速度之快、辐射范围之广、影响程度之深前所未有。党的二十大报告提出，加快发展数字经济，促进数字经济和实体经济深度融合。今年的《政府工作报告》强调，深入推进数字经济创新发展。

《数字中国发展报告（2023年）》显示，2023年我国数字经济核心产业增加值占国内生产总值比重达10%。据工业和信息化部数据，2023年我国软件业收入12.33万亿元，同比增长13.4%。其中，工业软件收入同比增长12.3%，云服务、大数据服务收入同比增长15.4%，电子商务平台技术服务收入同比增长9.6%。数字技术和实体经济融合不断推进，数字经济成为稳增长促转型的重要引擎。

“数字社会的发展，一定是要把数字技术要融到各个行业里才能产生价值。数字社会的底座是来自各个行业的实体企业发展，只有企业的生产效率大幅度提升，才能够让社会经济增长的基础更加扎实。”吴辉介绍，2019年以来，华为组建了十几个军团，有行业军团也有水平方案军团。除了金融军团，还有数字政府、石油、电力、制造等不同军团。

拥抱转型，防范风险

去年开始，新质生产力成为一个高频词汇。发展新质生产力成为推动经济高质量发展的内在要求和重要着力点。

华为金融AI首席架构师 崔可

“整个新质生产力的核心就是通过AI、通过大模型来加速整个产业智能化的发展。”华为金融AI首席架构师崔可表示，不管是AI+客户运营，AI+营销，AI+软件工程和研发，基本上是通过大模型来赋能业务线，带来整个生产效率的提高，最终提升经济效益。“我们盘古大模型也是按照这样的架构：底下是我们的数字平台层，也就是我们数据平台、AI平台；中间是我们大模型的势能层，即模型+工具链；上面是我们水平解决方案；最后再赋能行业客户，不同的客户可以选择我们不同层级的方案。”

在考察活动的现场交流环节，第十三届全国政协委员、原中国保监会副主席周延礼提出，大模型想要在行业实现深度应用，首先要保证安全可控，其中存在一些风险和挑战。“第一，存在数据和隐私风险，在运算的过程中，尤其是对大模型进行训练的过程中，收集到的数据可能存在一些质量问题以及隐私保护的问题；第二，存在技术风险问题，比如算法准确性和确定性、网络安全和数据安全等，尤其是生成性AI技术的应用，产生的内容可能会出现一些编造；第三，存在一些法律风险，比如说人工智能技术产生的错误决策和引发的市场风险问题，包括保险法律下一步修改的问题，都要和科技创新结合起来；第四，金融科技的监管方面，在面对人工智能技术，尤其是大模型技术，可能存在透明性不足的问题，这些都需要进行深入研究。”

周延礼表示，在风险可控的前提下，允许试错，进一步激发大模型企业创新的能力，建立大模型伦理治理的公共平台，在开展大模型伦理审查包括相关业务自律自查过程中，构建一个完全合规健康的、可持续的、高质量发展的大模型产业生态。