文 | 罗晓兰

编辑 | 毛翊君

矿工进入“罐笼”，一路下降，将白天甩在身后，随之进入黑压压的矿井，很快到了地下数百米。机器轰鸣，说话时需要大声喊。巷道里湿漉漉的，白炽灯下粉尘飞扬，有些呛人。空气湿度大，有时会呼吸困难、气喘咳嗽。

在山东一些国有中大型煤矿，井下机械化、智能化程度较高，但巡检员的工作仍然复杂，并伴有一定风险。机器是否发生故障，人员操作是否规范，运输煤炭的皮带上是否有异物……众多业务流程，每一项都需要他们8小时不停查看。如果是巡检主运系统上的皮带，巡检员每天要走将近10公里。

相较之下，巡检采煤和掘进的路程稍短，但更危险——比如用于运输的转载机，在非封闭的区域容易造成矿工意外坠落，或被飞溅物击伤。更别说地下还可能有瓦斯、水灾等事故。一个区队里，两个生产班配一个检修班，巡检员甚至占总人数的一半。如果发现故障，他们要用有线电话通知地面上的值班人员，再进行处理，不能及时发现的话，会导致事故扩大。

劳动强度大，环境恶劣，长年累月地工作，不少矿工都患上了风湿、耳鸣等职业病。最好的解决办法是实现智能化，这几年，国家多次下发文件，督促加快煤矿智能化建设，打造绿色智慧矿山。

实现起来并不容易。除了专业技术问题，人才不足也是个挑战。华为云的一位盘古矿山大模型专家介绍，煤矿行业从业人员平均年龄45岁左右，基本没有懂AI的技术人员。他在各个矿区调研，发现多数煤矿地理位置偏远，工作环境差，很多年轻人不愿来。有的刚招来10个大学生，第二年就走了一半。

●矿井下的巡检员。讲述者供图

一个授人以渔的故事

现在，车辆段的检测车间轻松了下来，每隔一小时，员工们可以休息十几分钟。原来满满当当的屋子，有1/4的工位空了出来。

人员减少，效率反倒变高——这是去年引入华为云的盘古大模型后，最明显的变化。以一列50辆车厢的货车为例，TFDS会拍摄4000张照片，以往全都需要人工一一识别，现在仅需要复检170多张。

●列车经过探测站时，TFDS系统的抓拍。讲述者供图

作为中国首个全栈自主的AI大模型，盘古在工业领域多行业成功落地。它找到了逆向的方式，让AI学习大量的正常样本特征，来自动识别异常，且有效保护企业的数据安全，除了解决煤矿、铁路行业的症结外，也出现在更多领域的场景中。

在货运铁路上，AI能精准识别430多种各类故障。对于这一结果，投入运用的几个铁路局都表示超过预期。有专家记得，现场模型识别到了折角塞门故障，而如果漏报，列车遇到长坡下行的路段，无法有效制动，可能会造成列车脱轨、翻车等严重事故。

起初，盘古铁路模型的专家担心，这会夺了质检员的饭碗。后来，车辆段领导告诉他们，因为工作量变少，有人到了年龄可以退休，有人分流到了其他人力缺口大的岗位，可以为铁路运输人力优化配置提供更灵活手段。

另一方面，盘古也降低了人才门槛。盘古矿山大模型专家介绍，煤矿工人不需要懂AI，只需要在使用的过程中，如果发现了故障或误报，点一下鼠标，把问题讲清楚，回传到盘古上，伙伴便会重新训练，再部署下去，如此“边用边学，越用越聪明”。而比起在实验室里面训练出来的模型，它拥有了行业数据，能达到更高的精度。

华为云从2019年开始布局盘古，据大模型高级研究员说，是看到了各行业由来已久的通过AI解决现实问题的需求。在大模型之前，企业有些零散的开发模式，但除了精度达不到，开发代价也太大——这不仅要相应的专业人员，开发后还要适配、维护，如果大规模地应用，成本更是昂贵。

2021年，华为云正式发布了盘古基础大模型，项目获得当年度“深圳人工智能科技进步奖”。评委会认为，它实现了一个AI大模型在众多场景通用、泛化和规模化复制，减少对数据标注的依赖。一位盘古大模型高级研究员介绍，盘古的优势在于，是国内较早提出，在工业上进行实际落地的大模型解决方案，并且具有泛化能力。

要实现泛化并不简单，这对硬件、模型的算法以及数据都有较高的要求。单单是煤矿行业，每个矿山情况不同，针对一个矿山开发的模型无法直接复用到其它矿山。以山东和山西的煤矿为例，山东的冲击地压比较严重，但是没有瓦斯，山西的情况则相反。即使是相同场景，由于现场条件、工况、采光等多重差异，模型很难简单地复用推广。而煤矿场景需求多，采、掘、机、运、通等主业务下有1000多个细分作业场景。

为了满足各企业的需求，盘古矿山大模型与轨道大模型相比，更像是一个平台——它引入了专业伙伴，为其赋能，做运营支撑。伙伴是同行业的信息化公司，在平台上开发小模型，来解决特定场景的问题。

去年初，山东能源与华为开始一同探索煤炭这一传统行业的数字化转型。盘古矿山大模型落地后，山东能源旗下的云鼎科技（有限公司）依据深耕人工智能的经验，发挥工业智能化应用的优势，开发了覆盖9个专业的21个场景应用。“这是个授人以渔的故事。”一个盘古矿山大模型专家干脆把自己当作项目经理，为云鼎科技进行专业培训，一起穿着胶靴下井调研。

张浩是云鼎科技工业互联网事业部解决方案中心AI组经理，他介绍，盘古的专家团队在模型开发上给他们提供了很多思路，还提升了效率——针对一般场景的AI模型，原来他们需要开发一两个月，现在一周内就搞定了。

现在，山东能源的4家盘古试点煤矿都提升了生产效率，降低了劳动强度。工作面装了摄像头，为了防止水和粉尘模糊镜头，贴了三防膜，甚至装上自动雨刮。巡检员不用一股脑儿地闷在地下，镜头里一旦出现异常，模型自动识别，给出结论，并报警。

在主运系统，以往矿工需每天行走近10公里巡检，现在它在远程就精准识别出大块煤、锚杆等异常情况，异物识别准确率达98%。矿工的压力减轻了。

盘古在去年进入煤矿行业，目前已经在全国8个矿井规模使用。山东能源的煤炭产业国内外产能3.4亿吨/年，产量位居全国煤炭行业第三位，集团下有近百家煤矿，未来，盘古将在全集团全面推广。

漫长的道路

走向智能化的道路是漫长的。云鼎科技的张浩此前在煤矿的信息中心工作了十多年，熟悉行业的智能化过程。此前，煤矿曾采用过小模型，但准确率不高，只有70-80%。误报经常出现，每次警报声一响，矿工慌张地跑过去看，结果发现是虚惊一场。久而久之，大家不愿再用，甚至不信任人工智能了。

摄像头也安装上了，但仅仅起到监控的作用。画面传到地上的集控中心电视墙，没法逐一检查，还有一定滞后性，依然解决不了需要现场巡检的痛点问题。

2022年上半年，张浩一开始接触盘古矿山大模型时，也持怀疑态度。他们做了两手准备，顺利的话遍地开花，否则就此打住。

出乎预料，一期验证效果很理想，此后的两三个月内，他们和盘古矿山团队没日没夜地交流、碰撞，业务与技术不停地融合，他们提出的很多问题也得到了回答和解释。接触半年后，团队很确定，盘古大模型是合适的。 

盘古的精度超过90%。比如在矿山打磨线上的皮带运输异常检测，它的平均识别精度明显优于小模型模式，性能提升达20%以上，并且仅需少量样本快速训练，就能做到对异常样本准确识别。

此外，作为核心资产，企业数据的安全也得到了保障。张浩记得，以前布置上小模型后，有厂家曾调取煤矿的数据，甚至拷走。而使用盘古时，他们在山东能源集团内建了一个私有云，数据在集团内流转，即使是盘古的专家也无法获取。

在铁路货运方面，前文所述的北方某车辆段也历经10年，才使得铁路人了却心愿。一位在此工作了30年的副班长向盘古专家回忆，多年前，他就焦虑于轨道智能化的问题，请了众多科研院校的专家来探讨。没想到，效果不行，成本也高——摆了满满一屋子的服务器，算了很久，就识别出一两个故障。他只能放弃。

如今，他临近退休，没有遗憾了。车辆段在误报率方面，对盘古提出的要求是一列车大约4000张图片，误报控制在200以内。现在，盘古报出的故障平均大约在177个，且未来有望压缩到100个，甚至50-80个。

人工智能触发的产业变革正在改变每一个行业，人工智能也在越来越多的行业场景发挥重要价值。大模型是新一轮AI发展的核心，已在推进产业智能化升级中表现出巨大潜力，并将在未来形成风起云涌之势。

作为中国首个全栈自主的AI大模型，盘古大模型从AI算力、芯片使能、AI框架到AI平台全栈技术创新，极致算力加速大模型开发，打造世界AI另一极。

这几年，华为云在基础大模型之上，践行AI for industries，陆续推出了矿山、药物分子、电力、气象、海浪等盘古行业大模型，加速各行各业数字化的进程。比如在医药界，它助力发现世界40年来首个抗生素，价值1亿美元。如今华为云盘古大模型已经在超过100个实际场景中取得应用，加速了行业的数字化转型和智能升级。

版权声明：本文所有内容著作权归属极昼工作室，未经书面许可，不得转载、摘编或以其他形式使用，另有声明除外。