【西安交通大学】2025年电力人工智能多模态大模型创新技术及应用报告.pptxVIP

电力人工智能多模态大模型

创新技术与应用

报告人：王小华教授

西安交通大学电气工程学院

2025年2月

目录

1、研究背景

2、关键技术

3、应用案例

4、未来展望

2/3

01

研究背景

3/3

背景1——人工智能的概念及发展

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；其在历史上经过多个发展时期，形成了不同的技术流派；深度学习是目前主流。

1950s—1970s1970s中期1980s-2000s早期2000s-2010s2010s-2018s2018s-现在

推理期知识期统计学习时期集成方法时期早期神经网络时期大模型时期

依赖统计学和人工设计特征构造算法；

代表算法：

支持向量机(SVM)决策树

朴素贝叶斯算法

神经网络在多个领域取得初步应用；

代表算法：

卷积神经网络

循环神经网络

图神经网络

以符号逻辑为核心，依赖人工

规则与推理系统

(如专家系统),强解释性但泛化

能力弱。

聚焦知识工程与专家系统构建，通过人工整理知识库驱动决策，受限于知识获取成本与规模瓶颈。

基于海量数据与大规模预训练；

代表算法：

DeepSeek系列Qwen系列

GPT系列

通过模型组合提升预测精度；

代表算法：

随机森林

梯度提升决策树

人工智能领域迭代迅速、多种技术流派蓬勃发展，在多个领域已有广泛应用。

神经网络深度学习机器学习人工智能

有监督数据

数据

人工搜集、标注

成本高昂、扩展性差

图像分类

目标检测

…

芯片

算力

英伟达GPU谷歌TPU

华为昇腾海光DCU

AMD芯片

寒武纪MLU

单任务模型

算法

CNNRNN

SVM决策树

LSTM

GNN

无监督数据

互联网爬取、规模大

无需人类专家标注

LLM预训练

图像生成集群

多维并行算法状态监测、任务调度高效互联通讯：NVLINK、HCCL(华为)

通用模型

语言通用模型：DeepSeek-R1等

多模态通用模型：Qwen2-VL等

合成数据

利用模型、仿真生成前沿探索阶段

虚拟现实自动驾驶态...

生

PyTorchTensorFlowMindScope

底层计算库：CUDA、CANN(华为)

训练算法

无监督预训练

有监督微调

强化学习

对比学习

在人工智能领域，数据、算力与算法构成发展基石——数据驱动模型训练，算力支撑复杂计算，算法优化技术路径，三者协同推动人工智能向更高阶形态演进。

背景1——人工智能的概念及发展

英伟达仍然是最主流的算力平台；

国产算力平台快速崛起，生态逐渐成熟。

通用模型是当下研究热点与未来趋势；研究高效训练算法具有重要创新意义。

如何提高数据的规模与质量是当前人工智能领域的关键问题。

5/37

早期的深度学习受限于计算能力和数据规模，难以发挥优势。随后多层感知机与卷积神经网络结合反向传播算法，显著提升了模型的学习能力。随后，基于注意力机制的Transformer架构改变了自然语言处理

的范式，使大规模预训练成为可能。近年来，大模型凭借超大规模参数和海量数据学习，在多模态学习、推理和通用人工智能方向取得重要进展，为人工智能的发展开启了新的阶段。

背景1——人工智能的概念及发展

大规模基础模型

电力大模型医疗大模型

卷积神经网络

1模态扩展!

行业应用

图像/视频

6/37

bosk二

Bock

大模型井喷式发展

自从ChatGPT在2022年问世以来，全球大模型发展迅速，百种大模型竞相发布，推动性能、规模和应用的全面突破，成为科技进步的重要动力源。

HTVI

GUL2

GFLAN-T5

FLAN-PaLM

SChatGPTXLLaMAGBard

些PanGu-2

2023

GPT-4⑤

多模态运维安全助手

IntermLM

MMPT

liBaichuan

GPaLM2

CodeGen2

0LLaMA2

liBaichuan2phi-314B

0Llama3-70B

AFLM米Claude3Opus

Aquila2

Sk