前不久的7月8日和7月9日参加了华为云2023 HDC.Cloud 大会，聊以此篇来浅抒一下个人感受~
先引用官方的话来给不太了解的友友们介绍一下HDC.Cloud大会，HDC.Cloud大会是华为全球开发者大会，届时将面向全球开发者发布创新云服务、黑科技，以及易用好用的开发工具和平台，携手客户、合作伙伴，呈现华为云系列产品服务与丰富的创新实践，共同探讨AI、大数据、数据库、PaaS、aPaaS、媒体服务、云原生、安全、物联网、区块链、开源等技术话题，打造一个思想碰撞、技术交流、实操竞技的技术殿堂，持续践行“一切皆服务” ，让每个开发者都了不起！（本段文字摘录自HDC.Cloud大会官网的详细介绍）
从邮箱里收到HDC大会官方发的邀请函那一刻起，我的内心就再也没有平静过，日夜盼望着能够和其他的小伙伴、哥哥姐姐们早点见面。
双日票的电子卡证准备好啦，大会地点也非常明确了，于是我7.7就去往东莞找酒店住下了。
这就是进入安检口后的两块展示牌，上面印有整个溪村园区地图和本次大会合作伙伴，看得出来，华为官方还是对本次大会非常用心滴~
8号上午我们这一行人共有十多位校园大使，大家在9:30前便陆陆续续来到了F区6号门口集合，大家在同学们到齐的过程中互相交流、互相熟悉，对彼此都有了一个简单的认识，等人到齐后，华为官方的HCSD负责人便带领我们往f区大楼进发。
首先看到的便是F区的各大展台了，现场人山人海、人声鼎沸，场面非常壮观而且热闹。
在这里，AI方面的ModelArts、软开方面的CodeArts、数据方面的DataArts Studio、数字内容方面的MetaStudio、低代码方面的Astro以及SaaS、aPaaS等等应用都在F区的展厅内应有尽有设置了展台。
大家在上午11点15左右与三位华为云的老师一起进行了合影留念，每一位同学都露出了灿烂的笑容。正因如此，这张照片也成了这次旅途中最美好、最深刻的记忆。
8号下午我们参加了两场H区2C09的专题论坛，第一场——“华为云携手多元生态开发者，驱动产业数字智能化升级”，这场论坛给我留下了深刻的印象。在这个论坛中，我了解到了开发者生态底座与多元生态协同的定位、优势和应用场景，还了解了如何参与华为云开发者生态底座实现技术生态转型。华为云的代表与开发者们分享了华为云生态系统的发展战略和合作机会，通过本次论坛，我能够深切感受到华为云对于开发者的重视和支持，华为云提供了丰富的资源和服务，帮助我们更好地学习与成长。
第二场论坛也是一个极其引人注目的专题论坛——“一站式开发者中心，开发、增长、变现全旅程服务好开发者”。在这个论坛中，我了解到了应用构建激励计划，知道了开发应用如何做到现代化，也懂得了一些如何通过实操快速熟悉云技术及云服务使用的相关方法。华为云向所有的参会者介绍了全方位的开发者服务，包括开发工具、技术支持、市场推广等。讲述了目标是帮助开发者从开发到增长再到变现的全过程中提供有力的支持和服务，作为一名普普通通的学生开发者，我觉得这个论坛给了我很多灵感和启发，让我对自己的开发之路有了更清晰的规划与更加深刻的认识。
8号下午两点多，在大会AI开发者交流群内收到了前辈姐姐的邀请，于是便和小伙伴立刻赶往F区训练营处和各位大佬网友面基~
这便是在F区的CodeLabs训练营场地内进行的一场简单的AI网友见面交流会，有多名华为云EI部门内部的技术大佬、运营大牛、高校前辈、其他企业技术工程师等等与我深入交谈，通过和同行前辈们的提点，让我明白了然后AI技术领域的发展瓶颈和未来趋势，为以后的职业道路有了更加清晰的规划。
8号晚上就是万众瞩目的开发者嘉年华了，大家都去往G区参加这次热闹非凡的盛会，现场气氛很活跃，大家都非常开心，但是我身为一个干饭人，没有过多观看舞台表演，所以就暂时不做重点介绍了~
9号上午，按照原定计划安排，在F区参加了CodeLabs训练营，体验了关于“GaussDB(DWS)新一代Serverless云原生数仓”的沙箱实验。做完了整个实验后，我了解到了华为云GaussDB(DWS)新一代Serverless云数仓创建和使用方法、
存算分离表用法以及逻辑集群的创建和跨逻辑查询数据的方法，对自身的能力有了很大的提升和进步。
以上便是参加训练营时的几张抓拍照，跟同年龄的开发者一起参与到沙箱实验当中，有谁遇到问题了就会向华为云的姐姐们提问，她们总能非常耐心的帮助我们解决一个又一个问题，整个训练营的氛围十分温暖和亲切~
9号下午，大会还举办了专题论坛“赋能人才、运营人才、服务人才，助力数字化人才培养把握时代机遇”。华为云认识到数字化时代对于人才的需求，他们致力于培养和发展更多的数字化人才。在这个论坛中，华为云与院校代表们分享了他们在人才培养方面的经验和做法，多名高校教师做了关于“数字化人才培养赋能人才、服务人才、运营人才的价值及经验分享”的相关报告，让大会听众充分了解到数字化平台的价值和具体应用。作为一名学生，我深感华为云对于人才培养的重视，他们为我们提供了很多实践机会和学习资源，帮助我们更好地把握时代的机遇。
写到这里，为了防止同行大佬看到本篇小记后说我水文章，光讲自己参会经历而不讲一丁点专业性内容（别问我为啥这么敏感，问就是之前参加某活动写心路历程不聊技术结果被前辈点名“批评”），还是稍微讲一讲华为刚刚发布的盘古大模型3.0吧。<https://www.huaweicloud.com/product/pangu.html>
（一）分层解耦：盘古大模型 3.0 是一个面向行业的大模型系列，包括“5+N+X”三层架构。盘古大模型采用完全的分层解耦设计，可以快速适配、快速满足行业的多变需求。
（二）全栈自主：盘古大模型实现了以鲲鹏和昇腾为基础的AI算力云平台，以及异构计算架构CANN、全场景AI 框架昇思MindSpore、AI 开发生产线ModelArts 的全栈自主创新，盘古大模型训练效率达到业界主流GPU的1.1 倍。
（三）国际领先：根据华为云官网，国际顶级学术期刊《自然》(Nature)杂志正刊发表了华为云盘古大模型研发团队研究成果——《三维神经网络用于精准中期全球天气预报》。
（一）分层解耦
未来盘古大模型能成为每个行业、企业和个人都有自己的专家助手，让工作更轻松。盘古大模型 3.0 是一个面向行业的大模型系列，包括“5+N+X”三层架构：
- L0 层包括自然语言、视觉、多模态、预测、科学计算五个基础大模型，提供满足行业场景中的多种技能需求。盘古3.0 为客户提供100 亿参数、380 亿参数、710 参数和1000 亿参数的系列化基础大模型，匹配客户不同场景、不同时延、不同响应速度的行业多样化需求。同时提供全新能力集，包括NLP 大模型的知识问答、文案生成、代码生成，以及多模态大模型的图像生成、图像理解等能力，这些技能都可以供客户和伙伴企业直接调用。无论多大参数规模的大模型，盘古提供一致的能力集。
- L1 层是 N 个行业大模型，华为云既可以提供使用行业公开数据训练的行业通用大模型，包括政务、金融、制造、矿山、气象等大模型；也可以基于行业客户的自有数据，在盘古大模型的L0 和L1 层上，为客户训练自己的专有大模型。
- L2 层为客户提供了更多细化场景的模型，更加专注于政务热线、网点助手、先导药物筛选、传送带异物检测、台风路径预测等具体行业应用或特定业务场景，为客户提供“开箱即用”的模型服务。
- 盘古大模型采用完全的分层解耦设计，可以快速适配、快速满足行业的多变需求。客户既可以为自己的大模型加载独立的数据集，也可以单独升级基础模型，也可以单独升级能力集。在L0 和L1 大模型的基础上，华为云还为客户提供了大模型行业开发套件，通过对客户自有数据的二次训练，客户就可以拥有自己的专属行业大模型。
（二）全栈自主
大模型的创新不仅仅是模型自身的创新，而是需要全栈的创新，对算力，算子，计算框架及平台进行全面优化。根据中国经济网报道，通过持续研发，目前盘古大模型在性能、深度、架构及数据增强方面均进行了升级。盘古大模型实现了以鲲鹏和昇腾为基础的 AI 算力云平台，以及异构计算架构 CANN、全场景 AI 框架昇思MindSpore、AI 开发生产线 ModelArts 的全栈自主创新，实现极致效能，打造世界 AI另一极。
此外，端到端的技术优化为大模型开发和运行提供分布式并行加速，算子和编译优化、集群级通信优化等关键能力，使盘古大模型训练效率达到业界主流GPU的1.1倍。
同时，昇腾AI云服务除了支持华为全场景AI框架昇思 MindSpore外，还支持Pytorch、Tensorflow等主流AI框架。这些框架中90%的算子，都可以通过华为端到端的迁移工具平滑迁移到昇腾平台。
盘古大模型要帮助每个企业、每个人都拥有自己的专家助手。华为云提供易用可靠的大模型工具套件、汇聚海量多行业场景API的开天aPaaS，以及包含丰富优质课程和技术认证的大模型专属社区，将与开发者及伙伴一起，共同探索盘古大模型与行业结合的创新路径。
（三）国际领先
根据华为云官网，近日国际顶级学术期刊《自然》(Nature)杂志正刊发表了华为云盘古大模型研发团队研究成果——《三维神经网络用于精准中期全球天气预报》。根据华为云官网，这是近年来中国科技公司首篇作为唯一署名单位发表的《自然》正刊论文。《自然》审稿人对该成果给予高度评价：“华为云盘古气象大模型让人们重新审视气象预报模型的未来，模型的开放将推动该领域的发展。”
华为云盘古气象大模型是首个精度超过传统数值预报方法的 AI 模型，速度相比传统数值预报提速 10000 倍以上。目前，盘古气象大模型能够提供全球气象秒级预报，其气象预测结果包括位势、湿度、风速、温度、海平面气压等，可以直接应用于多个气象研究细分场景，欧洲中期预报中心和中央气象台等都在实测中发现盘古预测的优越性。
以上内容来自“智能计算芯世界”公众号发布的《华为盘古大模型3.0，重塑千行百业》一文。
实话实说，这篇对大模型的解析文写的相当深入，我有很多地方也不太懂，但是嘛，emmmm刚刚说过了，为了为了防止同行大佬说我水文，还是要聊一点点技术性的东西。（以下这些观点仅仅代表我个人，不一定完全正确，还希望相关方面大佬看到后及时指正）
我虽然不懂大模型，但是对大模型的研发也听相关的专业大咖介绍过：众所周知，大模型之所以大，根源在于“数据多、模型大”，这就带来模型的训练成本高。以GPT-3为例，训练一次成本是1200万美金。大模型调参本身就非常困难，每一次模型训练之前，都需要事先在很多小的场景中做验证工作。每一次模型的训练都需要确保万无一失，不能出现已经开始训练，却有一个Bug存在的现象。
据我所知，不仅如此，大模型的困难也难在工程上，华为CANN、
MindSpore框架、ModelArts平台协同优化，充分释放算力，为盘古大模型提供了强大的背后支撑：
首先，针对底层算子性能，基于华为CANN采用了算子量化、算子融合优化等技术，将单算子性能提升30%以上。
其次，华为MindSpore创新性地采用了“流水线并行、模型并行和数据并行”的多维自动混合并行技术，大幅降低了手动编码的工作量，并提升集群线性度20%。
第三，ModelArts平台提供E级算力调度，同时结合物理网络拓扑，提供动态路由规划能力，为大模型训练提供了最优的网络通信能力。
再讲一讲我对未来盘古大模型研发和应用趋势的四个观点：
1.领域适配和定制化：盘古大模型将根据不同行业的需求进行领域适配和定制化。例如，在金融领域，可以针对风险评估、交易预测等具体任务进行模型的优化和调整，以提供更准确和可靠的解决方案。
2.多模态融合和跨领域应用：未来盘古大模型可能会更多地关注多模态数据（如图像、视频、语音等）的融合和跨领域的应用。这将进一步扩展模型的应用范围，满足不同领域、不同场景下的需求，如智能交通、智慧医疗等。
3.模型效率和可解释性的提升：随着模型规模的增大，模型效率和可解释性将成为重要的研究方向。未来盘古大模型可能会探索更高效的模型结构和算法，以及提供更好的可解释性，使得模型的应用更加高效和可信。
4.异构计算和边缘部署：随着边缘计算的普及和异构计算技术的发展，盘古大模型可能会进一步探索在边缘设备上的部署和推理能力的提升。这将有助于实现更低延迟、更高效的AI应用，满足对实时性和隐私保护的需求。
好了，回归正题，对本次HDC大会做一个总结。本次大会毫无疑问是一次在疫情结束后盛况空前的行业大会，会上群英荟萃、卧虎藏龙，各路大拿齐聚在此交流分享，我也认识了很多的新朋友，见到了不少老朋友，希望在不久的将来能够和大家再次见面。最后，放几张风景照给友友们舒缓一下心情~
