重大發布。

“一年以來，盤古大模型深入行業解難題，在30多個行業、500多個場景中落地?！?月20日下午，在華為開發者大會2025上，華為常務董事、華為云計算CEO張平安分享了盤古大模型在工業、農業、科研等領域的豐富創新應用和落地實踐，并重磅發布盤古大模型5.5，在自然語言處理、多模態等5大基礎模型全面升級，加速重塑千行萬業。

會上，華為云還發布了盤古醫學、金融、政務、工業、汽車五個具備深度思考能力的行業自然語言大模型，加速行業智能化，并將在6月底正式上線。

在過去的一年中，盤古大模型持續深耕行業，已在30多個行業、500多個場景中落地，在政務、金融、制造、醫療、煤礦、鋼鐵、鐵路、自動駕駛、氣象等領域發揮巨大價值，重塑千行萬業。

值得一提的是，5月30日，證券時報·券商中國記者從華為獲悉，華為在MoE模型訓練領域再進一步，重磅推出參數規模高達7180億的全新模型——盤古Ultra MoE，這是一個全流程在昇騰AI計算平臺上訓練的準萬億MoE模型。同時，華為發布盤古Ultra MoE模型架構和訓練方法的技術報告，披露眾多技術細節，充分體現了昇騰在超大規模MoE訓練性能上的跨越。

據悉，訓練超大規模和極高稀疏性的MoE模型極具挑戰，訓練過程中的穩定性往往難以保障。針對這一難題，華為盤古團隊在模型架構和訓練方法上進行了創新性設計，成功地在昇騰平臺上實現了準萬億MoE模型的全流程訓練。

在模型架構上，盤古團隊提出Depth-Scaled Sandwich-Norm（DSSN）穩定架構和TinyInit小初始化的方法，在昇騰平臺上實現了超過18TB數據的長期穩定訓練。此外，他們還提出了EP loss負載優化方法，這一設計不僅保證了各個專家之間的能保持較好的負載均衡，也提升了專家的領域特化能力。同時，盤古Ultra MoE使用了業界先進的MLA和MTP架構，在預訓練和后訓練階段都使用了Dropless訓練策略，實現了超大規模MoE架構在模型效果與效率之間的最佳平衡。

在訓練方法上，華為團隊首次披露在昇騰CloudMatrix 384超節點上，高效打通大稀疏比MoE強化學習（RL）后訓練框架的關鍵技術，使RL后訓練進入超節點集群時代。同時，在5月初發布的預訓練系統加速技術基礎上，在不到一個月的時間內，華為團隊又完成了一輪迭代升級，包括：適配昇騰硬件的自適應流水掩蓋策略，進一步優化算子執行程序，進一步降低Host-Bound以及提升EP通信的掩蓋；自適應管理內存優化策略的開發；數據重排實現DP間Attention負載均衡；以及昇騰親和的算子優化，這些技術實現萬卡集群預訓練MFU由30%大幅提升至 41%。

此外，近期發布的盤古Pro MoE大模型，在參數量僅為720億、激活160億參數量的情況下，通過動態激活專家網絡的創新設計，實現了以小打大的優異性能，甚至可以媲美千億級模型的性能表現。在業界權威大模型榜單SuperCLUE最新公布的2025年5月排行榜上，位居千億參數量以內大模型排行并列國內第一。

業內人士分析，華為此舉的核心意義在于，證明了在國產AI算力平臺（昇騰）上，能夠高效、穩定地訓練并優化達到國際頂尖水平的超大規模稀疏模型（MoE），實現了從硬件到軟件、從訓練到優化、從基礎研究到工程落地的“全棧國產化”和“全流程自主可控”的閉環，并在關鍵性能指標上達到業界領先水平。

同日，在華為開發者大會2025上，華為鴻蒙6（HarmonyOS 6）操作系統首次亮相。華為常務董事、終端BG董事長余承東在會上宣布，鴻蒙6開發者Beta版面向開發者正式啟動。

鴻蒙6是原生鴻蒙的第二個版本，余承東介紹，鴻蒙6將帶來全新的互聯和智能體驗，全場景體驗更易用，時延更低；鴻蒙智能再進化，AI能力更開放。同時，HMAF鴻蒙智能體框架賦能鴻蒙應用和元服務智能化升級，讓人機交互更自然、強大、高效和協同。

與此同時，隨著鴻蒙生態進入飛輪加速新階段，這也帶來大批鴻蒙人才的需求，目前已經有超30000個應用及元服務在加速開發中，覆蓋政務、醫療、工業等近20個行業，注冊開發者數量已突破800萬 ，相關報告顯示，鴻蒙生態面臨百萬級人才缺口。

綜合自：央視新聞、券商中國

責編：李丹

校對：李凌鋒