落地30+行业，华为云全栈AI找到哪些高价值场景？

盘古大模型已落地30多个行业、500多个场景。

文｜赵艳秋
‍‍‍‍‍‍

编｜牛慧

你很难想象，这是一家水泥厂。芜湖海螺水泥2号产线现场，一条长达数十米的钢铁巨筒缓缓旋转，这就是水泥厂的“心脏”——回转窑。石粉和热浪在其中翻滚，炼成城市的“骨骼”——水泥熟料。

而这片看似传统的工业场景中，人工智能正悄然渗透。生活垃圾、市政污泥、工业固废如今被转化为替代燃料和原料，不仅显著降低碳排放和成本，减少了环境污染，也让水泥厂变成了绿色转型样本。

这场变革背后的力量，来自AI。过去，为保障产品质量，生产只能靠优选原料、保守操作。如今，依托盘古大模型对熟料强度的预测，企业可动态优化“窑炉工艺”，在提升“固废掺比”的同时稳住产品品质，这家全球最大水泥企业之一，迈向了智能化与低碳化的新纪元。

支撑这一变革的，是国产AI的全栈创新。华为开发者大会2025上，基于CloudMatrix 384超节点的新一代昇腾AI云服务全面上线，并发布盘古大模型5.5，进一步打破AI与传统产业间的屏障，为中国产业构建面向未来的智能底座。

这不只是水泥厂的故事。华为常务董事、华为云计算CEO张平安宣布，盘古大模型已落地30多个行业、500多个场景。中国AI正在深度融入实体经济，激活前所未有的新动能。

01

AI大转型，穿越十年的产业耐力赛

大模型火了两年，但在真正的产业落地中，它并不是一项“立竿见影”的技术革新，而是一场深刻而漫长的组织重塑与产业革命。要真正释放AI红利，企业必须穿越一场至少十年的耐力赛。

从盘古大模型已落地的场景数据看，较去年增加了百余个。大模型正在逐步走入产业核心环节，成为产业“底层重构器”。华为云集中展示了具有突破性的一批高价值场景。

沙利文《中国行业大模型市场报告2024》，华为云在政务、工业、金融市场份额第一

尤其在工业领域，落地深度和广度显著提升。去年，华为与宝武集团打造的“高炉大模型”，解决了“炉内温度不可测”的难题。目前，单炉每天节省燃料达20吨。

今年，盘古大模型继续在深水区拓展：海螺水泥优化“窑炉工艺”，湘钢利用大模型改进“精炼工艺”，提升钢水合格率，降低合金消耗；中国铝业基于盘古的“坤安大模型”，帮助云南铝业电解铝效率提升25%，每年节电2600万度。

在AI for Science这一国家战略领域，中国农业科学院联合华为云打造农业科学发现大模型，海量专业文献、跨物种多组学数据经过增训后汇入模型，实现从基因解析到育种设计的全流程决策优化。在实验室里，中国农科院谷晓峰副局长手中那株新培育的水稻材料，株高降低约25%、抗倒伏能力显著提升，正是这套系统的成果之一。

汽车行业被认为是继互联网之后，被AI最深度重构的产业之一。广汽集团L3级智能驾驶系统已完成数百万公里的实地测试和10亿公里的仿真测试。平台技术研究院负责人梁伟强介绍，与华为云合作，依托盘古多模态大模型，实现了2D视频与3D点云的像素级融合，仅需数分钟便可复原corner case等复杂场景，为端到端模型“两天一版本”提供支撑，成为业内首个实现量产辅助驾驶仿真的标杆项目。

但落地行业的这条路并不轻松。麦肯锡2025年调研显示，虽然78%的公司已在至少一个职能应用AI，但仅有1%认为AI已深度嵌入核心流程并创造实质价值。大量企业遭遇“重投入、轻回报”的落差。

IDC中国区副总裁武连峰指出，要理解这个现象，不能只看技术，更要看到背后的组织、业务流程重构。当前大模型主要应用在文案、客服、营销等效率提升场景，尚未真正改变流程与决策。下一阶段，AI将进入体验环节，重塑客户、员工、供应链之间的互动逻辑；最终将重构产品、服务乃至商业模式。

因此，AI转型如同数字化转型，是一场十年级别的长周期变革。IDC预计，2025至2030年，AI将在全球创造22.3万亿美元的总价值，超过中国2024年GDP。但真正的价值释放将是渐进的：到2035年，预计全球仍有一半系统由传统方式运行。这是一场长坡厚雪式的产业演进。

在这一过程中，大模型从“试验室”走向“生产线”，离不开坚实的AI基础设施。开发者大会期间，华为云公布了围绕算力、盘古大模型的全栈创新。

02

全国产16万卡集群，意义何在？

随着大模型逐步进入产业，AI应用从文本对话迈向多模态感知、Agent决策等复杂任务，对上下文长度、多模态模型、Agent工具调用的需求迅速增长，这些对AI基础设施提出前所未有的挑战，也倒逼AI软硬件全栈从底层重构。

传统以CPU为核心、按租户“拼单”的云原生架构已难以适配AI时代的计算需求。大模型训练通常需要成千上万张AI卡、长时间独占，而微调和推理则要求云端资源按需调度。AI基础设施正从“以App为中心”的多租户架构，转向“以模型为核心”的混合部署，底层也在从CPU主导迈向CPU与NPU对等的革命性演进。

华为云的CloudMatrix384超节点新一代昇腾AI云服务，正是在此背景下的关键创新。在单芯片工艺受限情况下，通过集群架构、通信协议、散热等系统级创新，CloudMatrix重构了AI基础架构。张平安宣布，这一服务已在芜湖、贵安、乌兰察布以及林格尔全面上线。

CloudMatrix的核心创新在于“Scale-up”网络，节点内外带宽一致，每卡带宽达2.8Tbps，延迟也基本相当。而传统万卡AI集群通常采用“Scale-out”（横向扩展）网络连接，节点内及节点间带宽差异大，有通信瓶颈。Scale-up有效提升训练效率，同时适配当前主流的MoE（专家混合）架构。一个超节点可支持384个专家并行推理，“一卡一专家”，实现更高的推理吞吐与效率。

CloudMatrix另一个关键架构创新是对等池化架构，不仅NPU连接Scale-up网络，CPU等也能直连高速互联。CloudMatrix超节点的CPU、NPU、内存、网络等均可池化，而其他业界超节点，只有GPU实现了池化，有一定局限性。

CloudMatrix超节点支持资源按需调度、“一切可组合”。当下，几乎每天都有新模型、新应用出现，很难通过单一系统满足。CloudMatrix可以灵活配置资源，实现弹性伸缩。

此外，对于万亿、十万亿参数的大模型训练任务，还可以通过Scale Out方式，将最多432个超节点连在一起，形成一个16万卡的AI集群。如果这一集群用于训练千亿参数大模型，可以同时支持1300个。

总的来看，这一架构遵循“三个一切”理念：一切可池化、一切皆对等、一切可组合。它打破传统“主从”结构，把CPU与NPU并列设计，从根本上缓解算力利用率低、通信延迟高等痛点。

据悉，基于CloudMatrix384超节点的新一代昇腾AI云服务已支撑互联网、汽车、科研机构等多个高强度应用场景。例如新浪微博构建的“智慧小浪”推理平台，在CloudMatrix支持下推理效率提升50%、模型上线速度成倍加快，算力利用率（MPU）提升超45%，实现高性能、高稳定性与成本可控的平衡。中科院基于CloudMatrix384超节点，构建了中科院AI for Science科研大模型，摆脱了对国外高性能AI算力平台的依赖......

业界看到，今年国产算力崛起趋势已十分明显。有统计显示，2025年一季度国产算力占比已超40%，年底有望突破50%。以华为为代表的本土厂商正成为新一代AI基础设施的关键力量。张平安透露，昇腾AI云服务客户数已从去年的321个跃升至1346个。

03

盘古大模型5.5升级，更实用更可控

除了算力架构的重构，大模型本身的进化也决定了其产业落地的深度与广度。在华为开发者大会2025上，华为云正式发布盘古大模型5.5，这是一个模型家族，涵盖NLP、多模态、预测、科学计算、CV五大基础模型，全面升级。

业界注意到，盘古5.5首次在外部打榜，全部基于昇腾全栈软硬件完成训练，展示了国产算力打造世界级大模型的可行性。

诺亚方舟实验室一直负责盘古基础模型的训练。该实验室主任王云鹤介绍，盘古5.5在长序列处理、低幻觉生成、自适应快慢思考、Agent能力等方面进行创新，重点面向企业级实用性与可控性。

在自然语言处理领域，盘古发布了718B参数的超大MoE模型“Pangu Ultra”，由256个专家组成，激活参数量为39B。借助“通算掩盖”、“MoGE专家路由”，以及亲和的词表、三明治架构等技术，实现训练效率、推理吞吐和模型精度的大幅提升。

在今年较热的“快慢思考”上，盘古5.5引入“自适应快慢合一”机制，简单问题快速响应，复杂问题深度推理，实现8倍整体推理效率提升，兼顾速度与准确性。

在Agent方向，以火热的DeepResearch为代表的Agent，已展现出综合应用前景，但这些Agent在更广泛应用时，面临很多挑战。华为发布了开放域信息获取智能体“盘古DeepDiver”，提出“Search Intensity Scaling”（SIS）机制，让大模型在真实互联网环境中动态调整搜索深度与频率。目前，该Agent可在5分钟内完成10条以上的复杂问答、生成万字级专业报告。这意味着大模型应用走向了“可调度、可控”的企业级Agent。

为助力企业定制化模型开发，华为云提供ModelArts工具链，通过“数据胶囊”机制，即在盘古在500多个行业场景中探索出的最佳数据配比、预训练中采用的行业数据集，打包成数据胶囊与客户自有数据融合增训，形成客户专属大模型。

在医疗、金融等高度专业领域，通用模型尚无法胜任。润达医疗通过增量训练，打造“润医大模型”，在MedBench测试中排名第一，成为行业标杆。

大模型要进入行业，光有自然语言还远远不够，盘古5.5也在构建多模型协同生态。

在预测大模型方面，盘古5.5首创Triplet Transformer统一预训练架构，将工艺参数表格、设备运行日志的时间序列、产品检测图片进行统一的三元组编码，在同一框架内处理和预训练，提升模型精度和泛化能力。在海螺水泥，利用上述技术，对130多条产线数据进行预训练，仅一周时间将水泥熟料强度预测准确率从60%提升到89%以上。

视觉模型方面，发布业内最大规模的300亿参数视觉MoE模型，支持图像、红外、雷达、光谱等多维识别能力，并通过行业故障样本生成算法构建稀缺样本库，广泛应用于能源制造等高难场景。在中石油“昆仑大模型”案例中，盘古识别石油输送管中亚毫米级裂纹效率提升40%，人工强度降低25%。

盘古还发布了业内首个支持点云生成的世界模型，可同时处理点云与视频数据，用于构建数字物理空间，支撑自动驾驶与具身智能训练。工程师甚至用其生成火星地貌训练环境，供火星车避障训练。

业界认为，盘古走入产业有自身优势。得益于华为在制造、半导体、智能汽车、材料、科研等领域的业务积累，它对产业理解深入，与行业可以深入对话，也更容易获得认可，易于形成落地共识。

在中国这样一个拥有全球最完备工业体系的国家，大模型走进产业不仅需要强模型，还需要“AI基础设施+模型体系+工程能力+行业know-how”的全栈协同。华为云正围绕这几个维度持续投入。

值得注意的是，华为云也更新了品牌图标——由三片云构成的红色“AI”，分别代表：基础设施即服务、技术能力开发即服务和行业数字化经验即服务，寓意以AI为核心打造全栈智能化云服务体系，解决产业与AI融合的壁垒，推动推动中国产业向智能化、绿色化、高质量方向加速迈进。

©本文为数智前线（szqx1991）原创内容

未经授权，禁止转载

进群、转载或商务合作联系后台