Разработка Qwen 2.5 для климатических задач началась в 2024 году, когда Alibaba Cloud объединила усилия с исследовательскими институтами Китая, включая Университет Цинхуа и Академию наук КНР. Ключевой мотивацией стало стремление Китая достичь углеродной нейтральности к 2060 году. Проект финансировался как за счёт внутренних ресурсов Alibaba, так и государственных грантов — общий бюджет превысил $50 млн.

Основная цель — создать систему, способную анализировать данные с датчиков, спутниковые снимки, промышленные отчеты и прогнозировать выбросы для разных секторов экономики. Например, в энергетике модель помогает оптимизировать распределение ресурсов между солнечными, ветровыми и традиционными электростанциями, снижая углеродный след на 20–40%

Qwen 2.5 основана на архитектуре Mixture of Experts (MoE), где «эксперты» — специализированные подмодели — активируются только для конкретных задач. Это снижает энергопотребление на 30% по сравнению с традиционными LLM, что критически важно для экологических проектов.

Для климатического модуля разработчики донастроили модель LLM , которая приобрела дополнительные свойства:

1. Мультимодальность— интеграция обработки текста, изображений (например, карт загрязнений) и аудиоданных (отчеты с промышленных объектов).
2. Динамическое внимание— алгоритмы выделяют ключевые параметры, такие как уровень выбросов заводов или динамика лесных массивов.
3. Обучение с подкреплением (RLHF)— система учится на обратной связи от экологов, минимизируя ошибки в прогнозах13.

Аппаратная база включает кластеры NVIDIA H100 GPU и собственные процессоры Alibaba — Yitian 710, оптимизированные для работы с MoE-архитектурой.

Интересной инновацией является внедрение модели Qwen2.5-Omni-7B, оптимизированной для edge-устройств. Новая модель позволит обрабатывать данные локально (например, на датчиках в «умных» городах), снижая зависимость от облачных серверов и ускоряя принятие решений

Главной проблемой стала интеграция разнородных данных. Например, спутниковые снимки и текстовые отчеты требовали разных подходов к обработке. Команда решила это за счет создания универсального токенизатора, преобразующего любые данные в единый векторный формат13.
Ещё один вызов — вычислительные ограничения. Обучение модели на 18 трлн токенов (включая климатические данные за 50 лет) потребовало оптимизации алгоритмов сжатия и использования кэширования промежуточных результатов

Наmмомент мая 2025 года проект перешёл вmстадию пилотного внедрения. Qwen 2.5 уже тестируется в энергетическом секторе Китая и странах Азии, участвующих в инициативе «Пояс и путь». Планируется, что к 2027 году система будет масштабирована для глобального использования.

Долгосрочные перспективы (после 2027 года)
Создание глобальной экосистемы
Инвестиции в размере 380 млрд юаней (примерно 53 млрд. USD) в AI-инфраструктуру (до 2028 года) позволят объединить Qwen 2.5 с IoT-устройствами и системами управления умными городами, создав интегрированную сеть для климатического мониторинга.

Прорыв в прогностической аналитике
Использование искусственного общего интеллекта (AGI) для моделирования комплексных климатических сценариев, включая влияние на количество выбросов CO2 геополитических и экономических факторов .

Участие в международных инициативах
Потенциальное сотрудничество с европейскими агентствами, такими как Европейское космическое агентство, для анализа данных Copernicus (спутниковый мониторинг Земли)

Alibaba планирует предоставить открытые API для стартапов и НКО, чтобы те могли создавать собственные «зелёные» решения на базе Qwen 2.5. Это ускорит разработку инструментов для мониторинга выбросов в реальном времени.

Среди перспектив— интеграция с квантовыми вычислениями для ускорения анализа и сотрудничество с европейскими экологическими агентствами. Alibaba также разрабатывает открытые API для стартапов, что позволит малым компаниям создавать собственные «зелёные» решения на базе Qwen 2.5

Мы уже писали про похожий проект Canary Sensor, где Искусственный интеллект следит за чистотой воды в естественных источниках, и проекте глобального контроля выбросов CO2 - IBM Environmental Intelligence Suite.

Нам известно, что один из российских институтов сейчас активно развивает проект контроля выбросов CO2 на промышленных предприятиях, и мы планируем в ближайшее время опубликовать подробную статью об их проекте.

Чем уникален проект Alibaba Qwen- применение уже готовой платформы LLM, хотя и не без адаптации. Проекты Canary Sensor и IBM EIS изначально строились на базе специализированных нейронных сетей. Дело в том, что использование большого количества датчиков требует серьезных структурных адаптаций, чего не избежал и Alibaba Qwen.