人工智能框架作為軟件根技術，已成為加速人工智能大模型開發、推動產業智能化發展的核心力量。3月22日， 以“為智而昇，思創之源”為主題的昇思人工智能框架峰會2024在北京國家會議中心舉辦，旨在匯聚AI產業界創新力量，推動根技術持續創新，共建人工智能開源新生態。

格靈深瞳作為昇思開源理事會成員受邀參加本次活動，格靈深瞳研發總監潘玉峰在「昇思MindSpore產學研融合創新與應用論壇2024」上發表了題為《視覺大模型在各行業的創新與應用》的主題演講。

潘玉峰表示，預訓練大模型雖然帶來了算法層面的新變革，但同時也引入了一系列的工程化問題。一方面預訓練大模型對算力提出了更高的要求，并且要求基礎設施的迭代能隨時應對業務的需求，另一方面算力的堆疊不等同于性能的提升，而且因為AI算力成本較高，需要盡可能地榨干性能，以期得到充分的利用。因此，我們需要思考如何更高效地進行敏捷開發，同時減弱與業務強耦合的工具開發。

而昇思MindSpore作為國內主流開源框架，可以讓開發者更靈活地實現大模型創新，幫助我們加速大模型應用規模落地。潘玉峰提到，昇思MindSpore 加速了大規模預訓練模型的訓練過程，提供了更穩定的算力基礎設施、更高的訓練性能以及更高的開發效率。

格靈深瞳使用 MindSpore 框架高效完成了預訓練大模型的開發和調試，并在華為的訓練卡上完成了訓練；此外，我們基于 MindSpore 框架針對業務需求對預訓練模型進行了微調后，可以為客戶提供適配到目標業務場景的模型；與此同時，MindSpore Lite極大簡化了推理工程化，借助 MindSpore Lite優化過的 kernel 算子，在各算力平臺上實現了高吞吐、低時延的功耗推理，幫助我們提高了交付效率，加速了業務落地。

目前，格靈深瞳自研的大模型方案已經在智慧金融等領域落地實踐，可為客戶提供高效的模型生產、高精度的算法能力和安全可靠的國產化解決方案。模型應用了先進的多模態弱監督學習技術，可大大降低數據標注的成本，在少量樣本學習場景中，能顯著提升模型精確度，并擁有出色的零樣本泛化能力，輕松實現模型的冷啟動。同時，借助自主學習方案，用戶可迅速用行業數據進行模型微調，打造滿足特定行業需求的垂直行業大模型。

審核編輯：劉清