---
title: "PanGu (Huawei) (RO)"
source: "https://systems-analysis.info/int/PanGu_(Huawei)_(RO)"
wiki: "systems-analysis.info/int"
article: "PanGu_(Huawei)_(RO)"
language: "ro"
categories:
  - "Category:Large language models"
  - "Category:LLM families"
  - "Category:Machine learning"
  - "Category:Romanian"
revision_id: 5451
wiki_created_at: 2026-09-06T23:49:29Z
wiki_modified_at: 2026-09-06T23:49:29Z
downloaded_at: 2026-09-07T23:08:33Z
---

# PanGu (Huawei) (RO)

**Huawei PanGu** (chin. *盘古*) — este o familie de modele de inteligență artificială pre-antrenate de dimensiuni ultra-mari (foundation models), dezvoltate de Huawei Cloud. Numele „PanGu" face trimitere la Pan-Gu, ființa mitologică primordială din cultura chineză, care a creat lumea<sup>[\[1\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-hdc2021-1)</sup>. Familia PanGu acoperă diverse domenii, inclusiv procesarea limbajului natural (NLP), viziunea computerizată (CV), analiza multimodală, modelarea predictivă și calculul științific.

## Istoric și dezvoltare

### PanGu-α (2021)

Primul model al familiei, **PanGu-α** (PanGu-Alpha), a fost prezentat în aprilie 2021. Cu **200 de miliarde** de parametri, a devenit la acel moment cel mai mare model lingvistic pentru limba chineză, depășind ca dimensiune GPT-3 (175 mld.) de la OpenAI<sup>[\[2\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-aibusiness_2021-2)</sup>.

Modelul a fost dezvoltat de echipa Huawei Cloud în colaborare cu laboratorul **Noah's Ark** și antrenat pe un cluster de **2048** de procesoare specializate **Huawei Ascend 910**, utilizând framework-ul MindSpore<sup>[\[3\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-tech_report_alpha-3)</sup>. Corpusul de antrenament a constat din 1,1 TB de date textuale de înaltă calitate în limba chineză. PanGu-α a demonstrat rezultate înalte pe benchmark-ul **CLUE** (Chinese Language Understanding Evaluation), ocupând primul loc în clasamentul general<sup>[\[1\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-hdc2021-1)</sup>.

### PanGu 3.0 (2023): Abordarea de tip platformă

În iulie 2023, Huawei a prezentat platforma **PanGu 3.0**, marcând tranziția de la un model unic la o arhitectură pe mai multe niveluri **„5+N+X"**, orientată spre aplicații industriale<sup>[\[4\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-pangu3_launch-4)</sup>.

- **L0 (Stratul de bază)**: Cinci modele fundamentale (NLP, CV, multimodal, predictiv și de calcul științific).
- **L1 (Stratul sectorial)**: N modele sectoriale, fine-tuned pe baza celor fundamentale pentru industrii specifice (administrație publică, finanțe, producție etc.).
- **L2 (Stratul scenaristic)**: X modele pentru sarcini aplicative specifice (asistent virtual, prognoza traiectoriei taifunului etc.).

Această abordare ierarhică le permite clienților fie să utilizeze soluții gata pregătite, fie să aplice fine-tuning modelelor sectoriale pe propriile date, ceea ce simplifică și reduce semnificativ costurile de adaptare.

### PanGu 5.5 (2025): Arhitectura Mixture-of-Experts

În iunie 2025, Huawei a anunțat actualizarea la **PanGu 5.5**, orientată spre soluționarea aprofundată a sarcinilor industriale. Caracteristica principală a devenit arhitectura **Mixture-of-Experts (MoE)** cu 256 de subrețele expert, ceea ce a permis creșterea volumului total al parametrilor la **718 miliarde**<sup>[\[5\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-pangu5_techmag-5)</sup>. Arhitectura MoE permite activarea dinamică a doar unei părți din model la rezolvarea unei sarcini concrete, ceea ce, conform declarațiilor Huawei, asigură o creștere de **opt ori** a eficienței inferenței față de generațiile anterioare<sup>[\[6\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-aimagazine_5_5-6)</sup>.

## Soluții arhitecturale și tehnice cheie

Modelele PanGu sunt construite pe baza arhitecturii transformer de tip GPT, însă cu o serie de inovații pentru antrenarea modelelor de dimensiuni extrem de mari. Pentru gestionarea procesului de generare a fost introdus un **strat de interogări** (Query Layer) special, care ajută la inducerea ieșirii dorite în etapa de pre-antrenare<sup>[\[3\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-tech_report_alpha-3)</sup>.

Antrenarea și exploatarea modelelor PanGu sunt strâns integrate cu platforma hardware și software proprie a Huawei:

- **Procesoarele Ascend 910**: Acceleratoare IA specializate, care formează baza clusterelor de calcul.
- **Framework-ul MindSpore**: Platformă de deep learning cu cod sursă deschis, care suportă **tehnologia de paralelism automat**, ce combină cinci tipuri de paralelism (date, model, pipeline, optimizator ș.a.) pentru distribuirea eficientă a calculelor între mii de noduri<sup>[\[3\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-tech_report_alpha-3)</sup>.

## Modele specializate și aplicațiile lor

### PanGu-Weather

Unul dintre cele mai cunoscute modele ale familiei este **PanGu-Weather** — un model meteorologic global bazat pe deep learning. În iulie 2023, un articol despre acesta a fost publicat în prestigioasa revistă științifică *Nature*<sup>[\[7\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-nature_pangu_news-7)</sup>.

Modelul a demonstrat capacitatea de a depăși ca precizie metodele numerice tradiționale de prognoză meteorologică ale **Centrului European pentru Prognoze Meteorologice pe Termen Mediu (ECMWF)**, la o viteză semnificativ mai mare. Generarea unei prognoze globale pe 24 de ore durează pentru model **doar câteva secunde**, față de câteva ore de calcule pe supercalculator, ceea ce înseamnă o accelerare de aproximativ **10 000 de ori**<sup>[\[7\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-nature_pangu_news-7)</sup>. În august 2023, prognozele PanGu-Weather au fost integrate în serviciul ECMWF pentru utilizare în servicii meteorologice practice<sup>[\[8\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-nature_paper-8)</sup>.

### Aplicații industriale

Modelele PanGu au fost implementate în peste 500 de scenarii din 30 de ramuri economice. Câteva exemple:

- **Agricultură**: Academia Chineză de Științe Agrare (CAAS) a dezvoltat cu ajutorul PanGu un model pentru ameliorare, ceea ce a permis obținerea unui soi experimental de orez cu rezistență îmbunătățită la cădere<sup>[\[5\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-pangu5_techmag-5)</sup>.
- **Industria petrolieră și gazeieră**: CNPC utilizează modelul PanGu pentru detectarea automată a defectelor conductelor cu precizie sub-milimetrică, crescând eficiența cu ~40%<sup>[\[9\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-cnpc_case-9)</sup>.
- **Administrație publică**: În Shenzhen a fost creat asistentul inteligent **„Xiaofu"**, care oferă cetățenilor informații despre serviciile guvernamentale, bazându-se pe un corpus de peste 200 000 de documente locale<sup>[\[4\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-pangu3_launch-4)</sup>.
- **Farmacologie**: Modelul **PanGu Drug Molecule** este utilizat pentru accelerarea procesului de screening al candidaților la medicamente. Se afirmă că prin intermediul său a fost descoperită o nouă clasă de antibiotice, constituind prima descoperire majoră în acest domeniu din ultimii 40 de ani<sup>[\[4\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-pangu3_launch-4)</sup>.

## Deschiderea codului sursă

În iunie 2025, Huawei a anunțat deschiderea codului sursă (open-source) pentru o parte din modelele familiei PanGu. Au fost puse la dispoziție public<sup>[\[10\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-opensource_2025-10)</sup>:

- **PanGu Dense Model 7B** (7 miliarde de parametri).
- **PanGu Pro MoE Model 72B** (72 de miliarde de parametri).

Acest pas este orientat spre stimularea inovației și crearea unui ecosistem deschis în jurul platformei hardware **Huawei Ascend**, reprezentând un răspuns strategic la competiția globală în domeniul IA<sup>[\[10\]](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_note-opensource_2025-10)</sup>.

## Bibliografie

- Zeng, W.; et al. (2021). *PanGu‑α: Large‑Scale Autoregressive Pretrained Chinese Language Models*. PDF.
- Huawei (2021). *HDC.Cloud 2021: Huawei Releases Six Ground‑breaking Products to Supercharge the Cloud and Intelligent Transformation of Business*. Online news.
- Huawei Cloud (2023). *Reshaping Industries with AI: Huawei Cloud Launches PanGu Models 3.0 and Ascend AI Cloud Services*. Online news.
- Bi, K.; et al. (2023). *Accurate Medium‑Range Global Weather Forecasting with 3D Neural Networks*. *Nature*, 620, 560–566. DOI:10.1038/s41586‑023‑06185‑3.
- Technology Magazine (2025). *What Huawei PanGu 5.5 Models Mean for Industrial AI*. Online article.
- MindSpore Team (2021). *MindSpore: An All‑Scenario Deep Learning Computing Framework (White Paper v1.1)*. PDF.
- Zhang, S.; et al. (2024). *Ascend 910 NPU SoC Architecture for Large‑Scale AI Training*. *arXiv:2407.11888*. Online preprint.
- AIbase News (2025). *Huawei Open Sources Dense PanGu 7B and Mixture‑of‑Experts PanGuPro 72B*. Online news.
- CNPC & Huawei Cloud (2024). *Kunlun: Large‑Scale AI Model for Oil and Gas Pipeline Defect Detection*. Online case study.
- MindSpore Docs (2024). *Automatic Parallel — Five‑Mode Hybrid Strategy in MindSpore*. Online documentation.
- Press, O.; et al. (2021). *Train Short, Test Long: Attention with Linear Biases Enables Input‑Length Extrapolation*. arXiv:2108.12409.
- Law, M. (2025). *How Huawei PanGu 5.5 AI Models Transform Industry Operations*. *AI Magazine*. Online article.

## Note

1.  <span id="cite_note-hdc2021-1">↑ <sup>[1.0](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-hdc2021_1-0)</sup> <sup>[1.1](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-hdc2021_1-1)</sup> «HDC.Cloud 2021: Huawei Releases Six Groundbreaking Products to Supercharge the Cloud and Intelligent Transformation of Business». *Huawei*. <a href="https://www.huawei.com/en/news/2021/4/hdc-cloud-2021-six-products-cloud-intelligent-transformation" class="external autonumber" rel="nofollow">[1]</a></span>
2.  <span id="cite_note-aibusiness_2021-2">[↑](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-aibusiness_2021_2-0) Wodecki, Ben (27 Apr 2021). «Huawei has created the world's largest Chinese language model». *AI Business*. <a href="https://aibusiness.com/nlp/huawei-has-created-the-world-s-largest-chinese-language-model" class="external autonumber" rel="nofollow">[2]</a></span>
3.  <span id="cite_note-tech_report_alpha-3">↑ <sup>[3.0](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-tech_report_alpha_3-0)</sup> <sup>[3.1](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-tech_report_alpha_3-1)</sup> <sup>[3.2](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-tech_report_alpha_3-2)</sup> Zeng, Wei, et al. (Apr 2021). «PanGu-α: Large-scale Autoregressive Pretrained Chinese Language Models». *Technical Report*. <a href="https://s10251.pcdn.co/pdf/2021-zeng-pangu-alpha.pdf" class="external autonumber" rel="nofollow">[3]</a></span>
4.  <span id="cite_note-pangu3_launch-4">↑ <sup>[4.0](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-pangu3_launch_4-0)</sup> <sup>[4.1](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-pangu3_launch_4-1)</sup> <sup>[4.2](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-pangu3_launch_4-2)</sup> «Reshaping Industries with AI: Huawei Cloud Launches Pangu Models 3.0 and Ascend AI Cloud Services». *HUAWEI CLOUD*. 7 Jul 2023. <a href="https://www.huaweicloud.com/intl/en-us/news/20230707180809498.html" class="external autonumber" rel="nofollow">[4]</a></span>
5.  <span id="cite_note-pangu5_techmag-5">↑ <sup>[5.0](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-pangu5_techmag_5-0)</sup> <sup>[5.1](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-pangu5_techmag_5-1)</sup> Law, Marcus (23 Jun 2025). «What Huawei Pangu 5.5 Models Mean for Industrial AI». *Technology Magazine*. <a href="https://technologymagazine.com/news/how-huawei-pangu-5-5-ai-models-transform-industry-operations" class="external autonumber" rel="nofollow">[5]</a></span>
6.  <span id="cite_note-aimagazine_5_5-6">[↑](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-aimagazine_5_5_6-0) «How Huawei Pangu 5.5 AI Models Transform Industry Operations». *AI Magazine*. <a href="https://aimagazine.com/articles/how-huawei-pangu-5-5-ai-models-transform-industry-operations" class="external autonumber" rel="nofollow">[6]</a></span>
7.  <span id="cite_note-nature_pangu_news-7">↑ <sup>[7.0](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-nature_pangu_news_7-0)</sup> <sup>[7.1](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-nature_pangu_news_7-1)</sup> «Prestigious science journal Nature publishes paper about Pangu Weather AI Model authored by HUAWEI CLOUD researchers». *Huawei News*. 6 Jul 2023. <a href="https://www.huawei.com/en/news/2023/7/pangu-ai-model-nature-publish" class="external autonumber" rel="nofollow">[7]</a></span>
8.  <span id="cite_note-nature_paper-8">[↑](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-nature_paper_8-0) Bi, Kaifeng, et al. (2023). «Accurate medium-range global weather forecasting with 3D neural networks». *Nature*. <a href="https://www.nature.com/articles/s41586-023-06185-3" class="external autonumber" rel="nofollow">[8]</a></span>
9.  <span id="cite_note-cnpc_case-9">[↑](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-cnpc_case_9-0) «CNPC and Huawei Cloud Jointly Launch the "Kunlun" Model for the Oil and Gas Industry».</span>
10. <span id="cite_note-opensource_2025-10">↑ <sup>[10.0](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-opensource_2025_10-0)</sup> <sup>[10.1](https://systems-analysis.info/int/PanGu_(Huawei)_(RO)#cite_ref-opensource_2025_10-1)</sup> «Huawei Open Sources Dense Pangu 7B and Mixture of Experts Model with 72B Parameters». *Albase News*. 30 Jun 2025. <a href="https://www.aibase.com/news/19320" class="external autonumber" rel="nofollow">[9]</a></span>