- 人工智能基本知识：
- 定义：采用 1956 年约翰麦卡锡提出的定义，智能体在某些方面表现出类人行为，如图像识别、对话、完成特定任务，可称为人工智能，这是从应用层角度的定义。
- 涉及学科：涉及应用数学、统计学、计算机等大量学科，热潮是多学科发展厚积薄发的结果。
- 产业链结构：包括基础层、框架层、应用层，三要素算力、算法和数据构成基础层。
- AI 产业链各层介绍：
- 基础层：深度学习和机器学习为 AI 学习提供方法，高速增长的算力使大模型出现成为可能，数据是人工智能知识的来源。
- 框架层：面向 AI 开发者，类似库或函数接口，可帮助简化开发工作，专注于算法和业务。
- 应用层：需有较深业务理解，将 AI 应用到生活和工作实际问题中。
- AI 模型：
- 定义：是可接收输入并给出对应输出的程序，内核近似为数学公式，公式压缩了模型从数据中学到的知识。
- 小模型时代：解决业务问题遵循固定流程，如业务理解分析、采集数据标注处理、建模评估、部署上线等，不同问题复用工作少，呈烟囱式结构。
- 大模型时代：大型模型有一定行业理解能力，在此基础上微调适配任务可事半功倍。
- 数据与算力：
- 数据：是信息和知识的载体，AI 领域的数据包含知识和智慧，基础大模型的知识来自互联网数据，网络上有公开开源数据集。
- 算力：从通用算力 CPU 发展到智算力 GPU、NPU、TPU 等，算力是 AI 关键基础设施，人类算力进步显著，为模型变大变强提供基础。
- AI 框架：
- 常见框架：早期流行的谷歌 Tensorflow 使用灵活但学习门槛高，Pytorch 降低了门槛，国内华为 Mindspore 和百度 Paddlepaddle 也较流行。
- 框架作用：帮助开发者关注整体逻辑和业务结合，减少重复工作。
- 华为 AI 技术栈：
- 底层硬件：核心是 NPU 算力卡，集成在服务器中，不同场景使用不同规格硬件，多台服务器可组成集群。
- 硬件使能层：包含驱动程序，接收 Python 代码并调用硬件执行计算，也叫异构计算框架，涉及算子编排，算子效率影响硬件使用效率。
- AI 开发框架：如 Pytorch、华为 Mindspore，Mindspore 是华为开发的全场景深度学习框架，核心组件包括执行器、图编译器和调度器，常用 Pytorch 接口大多能在其中找到对应。
- 工具层：华为 AI 技术栈中有以 mind 开头的工具，如用相关工具可快速连接多台服务器部署模型，Mindstudio 可集成脚本和功能，便于开发和维护。
- 华为 AI 应用案例：
- 行业应用：AI 赋能千行万业，安平领域车辆识别、制造领域工业质检靠视觉，金融行业智能客服和征信评估靠大模型语言和数据分析能力，政务行业公文写作等用大模型语言能力，数据分析案例用大模型数据分析能力，大模型还可作人机交互接口提高效率。
- 华为内部应用：ask O3 是面向 ICT 服务领域的大模型助手，搭载工程案例和工单知识集，可帮助工程师获取知识，还提供智能底座能力。
- 科研领域应用：盘古气象模型与传统气象数学模型互补，药物分子大模型提高研发效率，基因测序等领域也广泛用 AI 辅助。
