□本报记者 刘宋文

6月14日，“保险家系列考察活动之走进华为”现场，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”。这个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”项目入选了国家自然科学基金委员会在今年初发布的2023年度“中国科学十大进展”。

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。“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。

“在进一步推动金融机构应用大模型技术的过程中，要把提高业务处理能力作为主要方面。”第十三届全国政协委员、原中国保监会副主席周延礼表示。

华为公司副总裁吴辉介绍，“盘古气象大模型”这个项目对保险业尤其财险业极其重要。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。

周延礼表示，当前以大模型为代表的新一代人工智能技术正在加速进入金融数字化和智能化的发展，特别是生成式模型，凭借强大的语义理解、语言生成以及知识整合的能力，在保险行业风险管理、市场营销、运营服务、投资研究和企业的经营治理等场景中大有可为。

为行业找技术

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。

“我们一直在践行两句话：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，真正有价值的是在“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家伙伴进驻，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。党的二十大报告指出，加快发展数字经济，促进数字经济和实体经济深度融合。2024年政府工作报告提出，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。

拥抱转型

2023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。

“整个新质生产力的核心就是通过AI、大模型来加速整个产业智能化发展。”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，也就是我们的数据平台、AI平台；中间是我们大模型的势能层，即模型+工具链；上面是我们的水平解决方案；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”。

在现场交流环节，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。