以上长序列处理能力 多任务促进，多插件补齐，多安全防护 多任务促进，多插件补齐，多安全防护 盘古NLP大模型不同任务间具备强大的迁移能力，它所掌握的知识和技能可以轻松地转移到其他相关任务中，帮助模型更快地学习新任务，循环促进优化 盘古NLP大模型成为连接应用生态的中枢，支持对接知
盘古大模型：解决行业难题，释放AI生产力 盘古大模型：解决行业难题，释放AI生产力 5大基础大模型，夯实基础能力 5大基础大模型，夯实基础能力 盘古NLP大模型 业界首个超千亿参数的中文预训练大模型 盘古CV大模型 基于海量图像、视频数据和盘古独特技术构筑的视觉基础模型 盘古多模态大模型 融合语言和视觉跨模态信息，实现图像生成、理解、视频生成等
盘古大模型 概览 盘古NLP大模型 盘古CV大模型 盘古多模态大模型 盘古预测大模型 盘古科学计算大模型 概览 盘古NLP大模型 盘古CV大模型 盘古多模态大模型 盘古预测大模型 盘古科学计算大模型 盘古预测大模型 盘古预测大模型 AI for Industries 大模型赋能千行百业
盘古大模型 概览 盘古NLP大模型 盘古CV大模型 盘古多模态大模型 盘古预测大模型 盘古科学计算大模型 概览 盘古NLP大模型 盘古CV大模型 盘古多模态大模型 盘古预测大模型 盘古科学计算大模型 盘古CV大模型 盘古CV大模型 AI for Industries 大模型重塑千行百业
盘古科学计算大模型 盘古科学计算大模型 AI for Industries 大模型赋能千行百业 AI for Industries 大模型赋能千行百业 科学计算大模型是面向气象、医药、水务、机械、航天航空等领域，融合AI数据建模和AI方程求解的方法；从海量的数据中提取出数理规律，
KooSearch 盘古大模型驱动搜索，搜索增强盘古大模型 盘古大模型驱动搜索，搜索增强盘古大模型 申请体验 业界领先的RAG方案 通用RAG基础上增加查询改写/分解、复杂Query分类/判定以及生成结果后验等优化 LLM驱动的语义搜索 搜索embedding大模型效果领先 稀疏检索+向量检索的混合检索技术
引入动态难负例训练：采用动态难负样本优化召回模型，进一步推升模型效果。 应用场景 向量检索 向量检索的应用场景非常广泛，典型如：语义搜索、图像搜索、商品推荐、智能客服、企业知识库搜索等等。 优势 大模型的“黄金搭档” 为盘古大模型提供缓存能力，同时提供开箱即用的多模态Embedding能力。 高效可靠
弹性调度、训练&推理融合调度，资源发放<30分钟 多应用场景全覆盖，自动驾驶平台助力业务成功 多应用场景全覆盖，自动驾驶平台助力业务成功 主机厂 提供自动驾驶工具链和大模型能力，帮助客户快速实现端到端数据闭环，释放量产加速度 科技公司 提供汽车大模型能力，并依托昇腾AI云服务保障高性能算力持续供应，帮助客户降本增效
Studio大模型即服务平台 ModelArts Studio大模型即服务平台 聚焦优质大模型全场景性能精度提升，构建云上大模型一站式模型开发托管服务，践行大模型即服务MaaS（Model-as-a-Service）理念。 聚焦优质大模型全场景性能精度提升，构建云上大模型一站式模型
. 模型更新后，将新模型部署至相应环境。 十一、模型评测1. 设计模型评测方案，对大模型各类指标进行评测。2. 能够按评测标准对大模型各项能力进行打分，输出大模型评测报告。 十二、Agent开发1. 基于场景，设计并开发Agent工具。2. 基于langchain等大模型框架，完
手部多模态识别包括指纹识别、指静脉识别、手部多模态识别、手势识别等功能，可应用于身份认证、智能手势交互、互动娱乐等场景。一、功能说明：1.指纹1比1：传入两张含有指纹特征的图像数据，服务对两张指纹图像中的生物特征进行比对，返回比对分数，分数越高表示越相似。2.指静脉1比1：传入两
面部多模态识别即人脸、虹膜多模态识别，是融合人脸、虹膜及其他面部深度特征，对两份生物信息进行1:1比对，计算相似度，以分析判断是否来自同一个人。有效解决复杂场景中识别精准、体验友好、等核心问题，对支持强隐私、高安全性场景具有独特性能力。一、功能说明：1.虹膜识别1比1：传入两张含
人脸算法在LFW大赛中获得全球第二名的优异成绩，准确率高达99.71%。,基于眼神科技专业的深度学习算法和亿级优质场景下的标注数据训练，自动化训练，完成算法模型不断优化。
出门问问大模型“序列猴子”是一款具备多模态生成能力的大语言模型，模型以语言为核心的能力体系涵盖“知识、对话、数学、逻辑、推理、规划”六个维度，能够同时支持文字生成、图片生成、3D内容生成、语言生成和语音识别等不同任务。出门问问大模型“序列猴子”是一款具备多模态生成能力的大语言模型，模
《互联网信息服务算法推荐管理规定》明确，具有舆论属性或者社会动员能力的算法推荐服务提供者应当在提供服务之日起十个工作日内通过互联网信息服务算法备案系统填报服务提供者的名称、服务形式、应用领域、算法类型、算法自评估报告、拟公示内容等信息 方便
湘江鲲鹏目前在人工智能大模型领域拥有算力、数据、算法三大关键要素的经验积累，构建了大模型三个方面的差异化竞争力，盘古大模型AI专业服务覆盖从前期咨询、规划设计，到数据工程、模型训练，再到应用工程及模型运维的完整流程。基于华为盘古提供的AI专业服务包，致力于为企业提供一站式人工智能
人员进行科学化、精细化、智能化管理。通过虹膜人脸融合识别方式，对佩戴口罩、眼镜等防护措施人员进行精准识别。（1）系统组成高清面部人脸虹膜多模态识别系统由虹膜人脸采集设备、虹膜人脸识别一体机、微信小程序、智慧管理平台组成，通过简单的组网，实现精准快速的内部人员出入管理、区域分级管控
流行的大模型开发框架，构建企业级AI应用；团队拥有成熟的软件工程技术和管理能力。6. 大模型使用的技术支持，用户使用大模型平台，解答用户使用过程遇到的问题；大模型与应用对接集成，以及进行日常巡检、故障处理、模型升级等服务。4. 工业数据模型（CAD模型、CAE模型、仿真模型等）全域治理、筛选、提取和标记。
华为云盘古大模型 华为云盘古大模型 AI for Industries 大模型重塑千行百业 AI for Industries 大模型重塑千行百业 盘古大模型致力于深耕行业，打造金融、政务、制造、矿山、气象、铁路等领域行业大模型和能力集，将行业知识know-how与大模型能力相结
CodeLabs训练营(溪村) 参加CodeLabs训练营，学习盘古大模型、人工智能、数字人等20+华为云产品最佳应用实践，深入了解华为云产品能力，现场技术支持即时进行答疑解惑！ 即刻了解 扫地僧见面会 快来与技术大咖面对面交流大模型技术及行业应用、人工智能、鸿蒙、数字人、云端协同、低代码
elArts上进行模型训练与部署的全流程指导。 Standard专属资源池训练 不同AI模型训练所需要的数据量和算力不同，在训练时选择合适存储及训练方案可提升模型训练效率与资源性价比。ModelArts支持单机单卡、单机多卡和多机多卡的训练场景，满足不同AI模型训练的要求。针对第
I数字员工问答、服务、陪练等场景任务。 - 1.5秒超低时延交互 实时驱动极低延时，保障用户真实体验。 - 多模型数字人大脑 华为云智能问答机器人CBS 华为云盘古大模型 - 能力开放可集成 智能交互端侧Web SDK 形象驱动API 数字人大脑API 数字人能力开放，多种合作模式灵活选择
取得国际PCT专利、发明专利、实用新型专利及软件著作权专利共计75项。深拓信息化管理系统是公司的主要产品之一，围绕企业的“研产供销服管”六大方面进行分析与利用。该系统帮助企业梳理流程，快速收集各种数据，并智能提炼与分析数据。通过数据采集、清洗、整合、挖掘、分析、可视化和智能决策等
T或编程背景，通过拖拉拽的方式就可以轻松构建各类管软件，可搭建包括CRM 系统，ERP系统，HR管理软件，MES软件等，集成了BPM流程和大屏看板等功能满足企业全方位管理需求 访问店铺 BPM流程 九彩云BPM平台软件配套人工服务(HCS版)精选内容推荐 低代码开发平台_低代码平台Astro_低代码开发是什么
等保安全解决方案_等保整改_公有云等保 华为GaussDB自定义函数_GaussDB教程_华为高斯数据库自定义函数 GaussDB怎么样_华为云数据库_高斯数据库怎么样 云监控系统_监控云存储有免费的吗_云实时监控 查看更多 收起
华为云CodeArts API支持公共模型 华为云CodeArts API支持公共模型 CodeArts API是面向开发者，提供API设计、API开发、API文档、API调试、 API自动化测试一体化协作平台。支持API设计引入公共模型，确保引用模型的API接口，可以一次修改全
导入元模型，则需要符合一定的模型包规范。模型包规范适用于单模型场景，若是多模型场景（例如含有多个模型文件）推荐使用自定义镜像方式。 帮助文档 模型包规范介绍 适用范围 ModelArts创建AI应用时，元模型来源选择“从对象存储服务OBS从选择”，选择的元模型需要符合模型包规范。
华为云盘古多模态大模型
准备工作
- 为确保有可用的NLP大模型，请先完成NLP大模型的部署操作，详见《用户指南》“开发盘古NLP大模型 > 部署NLP大模型 > 创建NLP大模型部署任务”。
- 本实践将使用华为云文本翻译API，请先完成创建多语言文本翻译插件操作。
操作流程
创建盘古多语言文本翻译工作流的流程见表1。
步骤1：创建并配置多语言文本翻译工作流
- 登录 ModelArts Studio大模型开发平台，单击“AGENT开发”，将跳转至Agent开发平台。
图1 AGENT开发
- 在Agent开发平台，单击左侧导航栏“工作台”，在“工作流”页签，单击右上角“创建工作流”。
- 选择“对话型工作流”，输入工作流名称、英文名称及描述，单击“确定”，进入工作流编排页面。
图2 创建工作流
- 在工作流编排页面，平台已预先编排了开始、大模型与结束节点。
单击节点右上角的
，可以对当前节点执行重命名、复制、删除操作。开始和结束节点为必选节点，无法删除。图3 节点的重命名、复制、删除操作
- 配置“开始”节点。单击“开始”节点，该节点已默认配置query参数，该参数表示用户输入的内容。当前场景下无需新增参数，单击“确定”。
图4 连接节点操作
- 配置“意图识别”节点。
- 配置“提示器”节点。
- 鼠标拖动左侧“提问器”节点至编排页面，并连接“意图识别”的“文本翻译”意图节点与该节点，单击该节点进行配置。
- 在“参数配置”中，配置输入参数，如图7。
- 配置输出参数。如图8，单击“引用插件 > 个人插件”，选择#pangulm_04_0031/section5283185764817中创建好的插件，单击“确定”，将自动导入插件参数，如图9。
- 在“模型配置”中，选择模型并进行参数配置。
- 在“高级配置”中，配置“指令”如下：
请你从目标数据中提取翻译相关参数，参数包括text（待翻译文本），from（目标原语言），to（翻译目标语言）。目标数据未提供或者有歧义（如存在多个）的变量请保证取值为空\'\'。from的取值范围为ar、de、ru、fr、ko、pt、ja、th、es、en、vi、zh、auto。ar为阿拉伯语，de为德语，ru为俄语，fr为法语，ko为韩语，pt为葡萄牙语，ja为日语，th为泰语，tr为土耳其语，es为西班牙语，en为英语，vi为越南语，zh为中文，auto为不指定由插件自行决定语种。to的取值范围是ar、de、ru、fr、ko、pt、ja、th、es、en、vi、zh。ar为阿拉伯语，de为德语，ru为俄语，fr为法语，ko为韩语，pt为葡萄牙语，ja为日语，th为泰语，tr为土耳其语，es为西班牙语，en为英语，vi为越南语，zh为中文。请注意：不要使用任何工具、不用理会问题的具体含义，并保证你的输出仅有json格式的结果数据，以保证返回结果可以被json.dumps直接解析。你的返回格式格式示例为：{\"text\":\"a\",\"from\":\"b \",\"to\":\"c\"}。 - “提问器”节点配置完成后，单击“确定”。
- 配置“插件”节点。
- 鼠标拖动左侧“插件”节点至编排页面，在“个人插件”中选择创建多语言文本翻译插件创建好的翻译插件。
- 连接“提问器”节点与该节点，连接该节点与结束节点。
- 单击该节点，按照图10，进行参数配置，再单击“确定”。
- 配置“大模型”节点。
- 配置“结束”节点。
- 编排完成的工作流见图12。
步骤2：试运行多语言文本翻译工作流
完成工作流编排后，需要对该工作流进行试运行，以查看工作流效果。工作流试运行步骤如下：
- 配置文本翻译插件的Token。
单击右上角“试运行”，在“插件配置”中单击“添加参数”，填写X-Auth-Token和Token值，单击“开始运行”。
其中，X-Auth-Token为文本翻译的鉴权参数，Token值由创建多语言文本翻译插件获取。
图13 插件配置
- 试运行工作流。在“试运行”页面，输入对话。
如图14，当用户分别输入对话类问题（如“你好”）、翻译类问题（如“翻译奶茶到日语”）时，“意图识别”节点对用户的意图进行分类，最终输出翻译后的内容。
华为云盘古多模态大模型常见问题
更多常见问题 >>-
盘古大模型致力于深耕行业，打造金融、政务、制造、矿山、气象、铁路等领域行业大模型和能力集，将行业知识know-how与大模型能力相结合，重塑千行百业，成为各组织、企业、个人的专家助手。
-
模型转换，即将开源框架的网络模型（如Caffe、TensorFlow等），通过ATC（Ascend Tensor Compiler）模型转换工具，将其转换成昇腾AI处理器支持的离线模型。
-
在自然语言处理（NLP）领域中，使用语言模型预训练方法在多项NLP任务上都获得了不错的提升，广泛受到了各界的关注。本课程将简单介绍一下预训练的思想，几个代表性模型和它们之间的关系。
-
本次Serverless应用中心上线文生图应用，用户无需下载源代码、了解各种安装部署知识、安装复杂的依赖，通过华为云Serverless应用中心即可一键创建AI文生图应用，体验 “0” 构建门槛、“0” 资源闲置并具备极致弹性的Serverless AI绘图能力。
-
华为云Serverless技术极大的优化了AI应用开发过程，一键部署AI应用、提升开发团队工作效率。让AI团队可以更关注业务实现，而无需关注底层技术细节。
-
知识图谱（KG）和大语言模型（LLM）都是知识的表示形式。KG是符号化的知识库，具备一定推理能力，且结果可解释性较好。但存在构建成本高、泛化能力不足、更新难等不足。
更多相关专题
长按/截图保存，微信识别二维码
或者关注公众号“华为云”