AI应用落地反馈驱动科技创新，技术创新驱动行业增长——百度Create AI开发者大会-ai计算驱动的基本思想

电子发烧友网报道（文/李宁远）2023年1月10日，百度Create AI开发者大会如期举行。作为百度每年发布最新技术进展、以开发者为核心、连接全球合作伙伴和科技爱好者的盛会，今年百度Create AI开发者大会采用人机共创模式，参会嘉宾分享了诸多AI技术和产业发展的新进展新发现。

百度CEO李彦宏先生今天在大会上的分享围绕“增长”展开——创新驱动增长，反馈驱动创新。李彦宏表示，近百年里每一次人均GDP的爆发式增长都是科技革命带来的，科技创新驱动了大的增长，“如果让我来判断第四次科技革命的标志，我认为是深度学习算法这个技术能够带来效率的提升，能够驱动经济的增长，这个增长是比很多人想象中的要更大。”

图源：百度Create AI开发者大会，下同

科技创新驱动了大的增长，创新本身它又是从何而来的呢？李彦宏将其总结为反馈驱动了创新。创新不是闭门造车，创新是有机会进入市场，不断获得用户和客户的反馈，摸着反馈过河才实现。李彦宏以百度昆仑芯片和萝卜快跑为典型的案例，说明了反馈带来的强大驱动力，百度的昆仑芯片在AI线当中属于性能非常领先的，这是因为它已经为百度搜索服务优化了10年时间。百度的搜索服务能够提供最真实、最及时的反馈，从而倒逼大模型深度学习框架和芯片的优化。萝卜快跑同样是以全球领先的自动驾驶出行服务订单量获得了大量的真实的市场和用户反馈，加快了自动驾驶的落地。

李彦宏表示，“技术的发展没有导航地图，只有指数针，在方向大致正确的情况下，基于实践反馈，一步一步地进行迭代，才能够跑出来有价值的创新”。

针对AI应用碎片化，开发方式作坊式的现状，百度的大模型已经成为许多上层应用的技术底座。做它能够有效地集成自然语言处理、计算机视觉、智能语音等多模态的能力，也可以结合多种行业和业务场景进行调优，为深度学习技术进入新阶段带来了机遇。

针对AI产业发展现状，李彦宏表示过去一年无论是技术层面，还是在商业应用层面，AI都有了方向性的改变，这是积极的一面。不过挑战同样不小，“实体经济很多领域数字化改造尚未完成，而数字化本身并未带来效率的明显的提升，智能化的广泛渗透还需要时间。智能化对于实际经济的巨大的拉升作用还没有成为广泛的共识。因此，人工智能的商业化还需要在黑暗当中摸索一段时间”。

百度AI创作的“危机与希望”

深度学习＋，创新发展新引擎

百度首席CTO王海峰博士在大会上从四个角度出发分享了百度在深度学习上的应用与进展。深度学习平台的标准化、自动化和模块化特征越来越显著，不断降低人工智能的应用门槛，高效便捷地把人工智能技术租送给千行百业。规模化的AI大生产已然形成，人工智能的技术创新和产业发展进入“深度学习＋”阶段。

首先从技术角度来看，“深度学习＋”知识是人工智能技术进一步发展的重要方向，让机器同时从海量数据和大规模知识中融合学习及知识，增强后的深度学习效果更好、效率更高，有更好的可解释性。以百度研制的文心产业级知识增强大模型为例，“深度学习＋”具备跨模胎、跨语言的深度语义理解和生成能力，能更高效地应用于搜索、信息流、智能音箱等互联网产品。

在深度学习生态建设上，上下游生态伙伴芯片、框架、模型及应用构成了深度学习良性生态。在芯片层，“深度学习＋”体现在支持深度学习训练推理的芯片类型丰富，与深度学习框架软硬一体，联合优化，性能越来越好，效率越来越高。框架层支持深度学习的便捷开发、高效训练和多端多平台推理部署，大幅提升深度学习模型的研发效率效果。在模型层，需要紧跟产业需求，提供已训练好的各种深度学习模型，让深度学习应用唾手可得。

最后在应用层，王海峰博士表示深度学习技术要与场景融合创新，加速传统产业转型升级，催生新业态、新模式，深刻改变人类生产生活方式和思维模式，实现生产力的整体跃升。只有形成良性生态，应用需求和反馈才能传递到深度学习技术及应用的每个环节，加速人工智能技术创新和产业发展。

大会上，众多技术大咖分享了最新的AI技术应用，如百度搜索新一代核心技术的代表，跨模态大模型“知一”。对于搜索面临的复杂任务，百度融合多项技术创新，构建了具有跨模态、大规模、高效能三大特点的知一。知一可以理解全网文本、图片、视频、结构化信息等形态各异的资源，持续进行海量支持资源的学习收集，打破资源形态的界限，将最满足用户的搜索结果呈现给用户。这背后既有自研的模型压缩和预估优化技术的助力，也有飞桨平台和百度昆仑芯片的支持。

英特尔中国研究院院长宋继强在大会上也分享了他们和百度在数据中心及产品合作的进展，针对飞桨的模型和框架，英特尔志强全系列CPU都做了深度优化。通过软硬件联合优化，百度的ERNIE 3. 0 NLP大模型在英特尔志强可拓展处理器上的性能达到了业界的算力领先水平。

在自动驾驶感知解决方案上，百度提出了车路一体的UniBEV方案，它是自动驾驶和车路协同的重要底层方案。UniBEV主要有三个特点：端到端、多任务多模态融合感知以及车路一体。方案集成了车端多相机、多传感器的在线建图、动态感知以及路测视角下的多路口多传感器融合等。UniBEV车路一体大模型借助了大数据加大模型加小型化技术闭环，是创新AI技术在驾驶感知上的一次落地。