大模型的技术突破大大加速了智能化的进程，一段时间以来，各行各业几乎言必称大模型，纷纷建设AI算力，纷纷训练大模型。这对于华为这样的算力提供商而言，无疑是重大利好。但从长远发展角度考虑，我们始终相信，只有客户的持续成功，才有华为的持续发展。今天就几个问题谈几点想法。
第一、不是每个企业都要建设大规模AI算力。我们都清楚，AI服务器，特别是AI算力集群不同于通用x86服务器，对供电、散热等数据中心机房环境要求极高，且随着大模型越来越大，AI算力也将走向更大规模，而且变化节奏快，AI服务器快速升级换代，数据中心机房面临要么浪费、要么满足不了需求的困境。
其次是，现在业界平均一到两年推出新的AI硬件产品，迭代速度快，相比公有云，企业受限于算力规模小，面对快速变化的大模型，比较难以让每个代际的算力硬件独立完成工作，而是希望多个代际产品混合使用来进行模型训练，由此导致资源调度复杂度高，而且因为历史代际产品的"木桶短板"效应，拖累新一代产品性能的充分发挥，影响大模型训练的能力。
最后是运营维护带来的挑战，AI技术还处于成长期，技术变化快，多代际产品共存，对技能要求高，导致运营维护困难，对很多只具备传统IT维护能力的企业而言是重大挑战。由于这些挑战在一段时间内将继续存在，因此，我认为，每个企业都要思考适合自己的获取AI算力的方式，而不仅仅是建设自己的AI算力。
第二、不是每个企业都要训练自己的基础大模型。训练出基础大模型，关键是数据，而准备足够多的高质量数据是很大挑战，基础大模型预训练数据量进入10万亿tokens量级，这对于企业来说，不仅意味着高成本，同时是否能获取到足够的数据量也是挑战。
其次，模型训练难，基础大模型参数量在持续增大，模型迭代和优化难度大，通常需要数月到数年时间完成模型迭代训练。每个企业都应聚焦自身核心业务，自行训练基础大模型会影响AI尽快赋能核心业务。
最后，人才获取难，基础大模型涉及的相关技术每天都在更新，具备实战经验的技术专家少，对于企业来说，建立足够的技术人才资源也是挑战。
第三、不是所有的应用都要追求"大"模型。从华为盘古在行业的实践看，十亿参数模型可以满足科学计算、预测决策等业务场景的需求，比如降雨预测、药物分子优化、工艺参数预测，在PC、手机等端侧设备上，十亿参数模型也有广泛应用。而百亿参数模型可以满足面向NLP、CV、多模态等大量特定领域场景的需求，比如知识问答、代码生成、坐席助手、安全检测。面向NLP、多模态的复杂任务，可以用千亿参数模型来完成。
所以我们认为，企业需要的是根据自身不同业务场景需求，选择最合适的模型，通过多模型组合，解决问题，创造价值。
二、华为云面向AI全栈升级，赋能千行百业智能化
基于我刚讲过的几点想法，我认为，对于很多不具备自建AI算力和自训基础大模型能力的企业来讲，选择云服务是更为合理的、可持续的选择。华为云也针对这些挑战，面向AI，对全栈进行了升级，致力于让每个企业都能按需、高效地训练模型和应用模型推理。
首先华为云通过持续打造昇腾云服务，让企业一键获取澎湃AI算力，无需改造或自建机房，无需运营维护AI算力基础设施；同时通过计算、存储、网络端到端协同，已经实现千亿参数模型云上训练40天无中断。
其次华为云升级了ModelArts服务，支持业界主流基础大模型开箱即用，包括盘古、开源、以及第三方大模型，让企业无需为基础大模型准备大量数据和迭代训练，并提供一站式模型调优、部署、测评等工具链支持，降低企业模型微调和增量训练的技术门槛。
同时华为云在全力打造盘古5.0，支持全系列模型，包括十亿级、百亿级、千亿级等，最佳适配企业不同场景需求，并通过百模千态社区提供100多个大模型，为企业提供更丰富的选择。概括讲，我认为云服务是很多企业推进智能化的最佳选择。通过华为云昇腾云服务和模型云服务，我们期望让每个企业都能实时按需获取AI算力，以及高效地训练模型和应用模型推理。
华为云提供体系化安全能力，保障大模型训练推理安全
在云上进行大模型的训练和推理，带来新的安全挑战，华为云为了应对这些新的安全挑战，大力提升了安全能力，保障大模型训练推理安全，主要包括：
在安全理念方面，华为云面向"防御极限攻击"的理念来进行安全设计，基于零信任构筑了物理、身份、网络、应用、主机、数据、运维七层防线和一个安全运营中心，每天成功抵御高达12亿次的攻击，确保业务"攻击不瘫，数据不丢，监管合规"。
