2022 2023 2024 2025 2026 训练的算力需求将持续增长，算力结构从“预训练为主” 走向 “预训练 + 后训练 / 二次训练” 关注高效、稳定、开放的底座 • 极致性能、稳定可靠的 AI 集群 • 深度开放的平台和生态 • 极致的端到端性能效率优化 关注便捷、易用、性价比的平台 • 开箱即用的强化学习套件 • 场景 Huawei Proprietary - Restricted Distribution MindFormers MindSpeed 系列赋能 CANN 28 硅基流动基于昇腾底座， 一周实现用户增长 8 倍、突破 150 万 + 24 年 12 月 26 日 25 年 1 月 27 日

的落地还是有差距；而大模型凭借强大的自学习能力和泛化能力，以及与具体行 业数据的结合调优，优势明显。 大模型的出现，将 AI 技术在工业领域的应用推向了新的发展阶段。其具体落地将会以基础大模型为技术底座，融合工业细 分行业的数据和专家经验，形成垂直化、场景化、专业化的工业大模型。工业大模型相对基础大模型具有参数量少、专业度 高、落地性强等优势，可以为工业垂直领域的技术突破、产品创新、生产变革等提供低成本解决方案。 步骤的优势 2. 视觉模型均为 Zero Shot，不需要巨大的 ground truth 数据集支持，模型的泛化能力更强 Intel 工业边缘软件平台 (ECI) 毫无疑问充当了整个系 统的底座，实时运动控制部分运行在 PreeemptRT/X e nomai 环境下，而非实时部分通过叠加 OpenVINO™ 对大语言模型的推理提供了加速，其中 FastSAM 起到 分割图像作用，而