日前，有消息称，华为将在7月份的开发者大会上公布一款与ChatGP的直接对比。 T型多模态千亿级大型商品，名叫盘古Chat。
什么是盘古Chat？
盘古Chat是华为集团旗下的一款直接对比ChatGPP T型多模式千亿级大型商品，主要面向ToB/G市企端客户。
盘古Chat有什么用？如何使用盘古Chat？
据悉，盘古大模型于2020年11月在华为云内部成功立项。针对盘古大模型定位，华为内部团队确立了三个最重要的关键设计原则:一是模型要大，可以吸收大量信息；第二，良好的网络结构可以真正发挥模型特性；第三，要有优秀的泛化能力，真正落地各行各业的工作场景。
盘古大模型于2021年4月正式发布。在这些模型中，盘古NLP大模型是第一个干亿参数中文预训练大模型，CV大模型首次达到30亿参数。
华为盘古于2022年4月升级为2.0，公布了分层开发方案。 (LO， L1，L2） ，打造工业型盘古大模型。
根据华为云高管的演讲PPT信息，目前华为盘古系列 AI 大型基础层主要包括NLP大型模型、CV大型模型、科学计算大型模型等，顶层是与合作伙伴共同开发的华为产业大型模型。
今年4月，华为云人工智能领域首席科学家田奇表示，盘古NLP模型涵盖智能文档检索、智能文档检索、 ERP、2022年，华为刚刚交付了阿拉伯语1000亿参数的小语种、大模型等落地行业。在应用方面，盘古大模型可用于智能客服、机器翻译、语音识别等多个领域，提供AI技术支持。
去年，华为将盘古大模型应用于垂直产业。例如，基于盘古的例子 AI 大型模型，华为在矿山行业打造了第一个基于大型模型的人工智能培训中心。 Al 运用工业化 开发，不仅降低了成本－－比人工审查节省80% 、每吨费用降低8元 (年产能260万吨)，并提高效益。－－防冲御压比人力检查节省80% ，提升效率－－智能化客户效率提高30%。
与其他厂商相比，华为的优势在于产业链完整，计算率配制能力强。据此前媒体报道，华为团队在练习1000亿参数盘古模型时，调用了2000多个升腾910芯片，开始了2个月以上的数据培训能力。华为内部表示，GPU/TPU卡每年使用4000多张，3年大模型计算率成本高达9.6亿元。
有媒体在3月27日发布的研究报告中表示，华为盘古模型的优势在于人才资源和计算率的独立性和可控性，有望成为中国领先的大模型，其生态产业链目标有望加快发展，包括拓维信息、四川长虹、麒麟软件(中国软件)、信用软件(诚迈科技)、麒麟信安等华为生态企业。还有媒体认为，华为盘古是第一个多模式千亿级大模型，有望赋能百业。
根据华为发表的一篇论文数据，基于华为自主研发的MindSpore框架开发，华为盘古PanGu-大模型参数最多为1.085万亿元。总的来说，PanGu-在对话中，大模型可能已经接近GP T-3.5的水准。
值得注意的是，由于盘古大型模型具有超大规模参数值，训练费用较高。
虽然盘古大模型在处理中文语言方面具有较高的准确性和质量，但在语义理解方面仍然存在一定的局限性，尤其是在处理复杂的语言结构和词义推理方面。
与此同时，盘古Chat大模型也将面临激烈的竞争压力，为了在市场上保持领先水平，必须逐步完善和提高模型的性能质量。
盘古Chat什么时候上线？盘古Chat什么时候发布？
从今年开始，ChatGP T很受欢迎，国内百度、阿里、商汤、科大讯飞等一批科技企业相继推出了ChatGP。 T商品，但是，到目前为止，华为还没有发布ChatGP 这种AI聊天机器人商品。
不过，最近，多方消息显示，华为将公布一款与ChatGP的直接对比。 T型多模态千亿级大型商品，名为盘古Chat，定于7月7日举行的华为云开发者大会公布。
小编注意到，最近，华为云确实发布了HDC。.Cloud 2023大会邀请函，内容直接指向AI。 for Industries。邀请函显示，2023年华为开发者大会（HDC）将于7月7日在东莞举行，AI将成为本次会议的主线。
华为云开发者大会官 网络显示，本次大会将讨论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。
此次会议的主题演讲阶段，华为还安排了AI重塑所有主题演讲，官方演讲， 方信息还显示，华为云，一切服务，不断实施AI。 for Industries(AI赋能产业)，着力打造云产业创新的绝佳平台，构建智能世界生态多样性，让每一位开发者都感到惊艳。
然而，华为内部人士告诉媒体，华为官员 方形规格没有直接提到盘古大模型的发布，另外，华为不会有盘古CHAT这样的名字，也不会比较行业内的商品。
华为是做 for Industries的toB业务说大模型会更合适，语言不是华为的强项。如果不是主渠道项目，华为目前可能不会做，而是专注于生存和发展。内部人士透露。
据悉，6月5日，华为云计算Marketing部长董理斌也回应了华为将发布盘古Chat的消息，称：假的。
