1764年的一天，“珍妮紡紗機(jī)”誕生在英國(guó)一個(gè)織工哈格里夫斯的家中，將織布效率提高了八倍，吹響了人類(lèi)進(jìn)入機(jī)器時(shí)代的號(hào)角。很快，這股“機(jī)器之風(fēng)”就吹到了采煤、冶金、制造、交通等各個(gè)領(lǐng)域。

　　一項(xiàng)技術(shù)能夠?qū)⑺挠|角延伸至各行各業(yè)，靠的是其底層通用性。正如百度CTO王海峰所說(shuō)，深度學(xué)習(xí)具有很強(qiáng)的通用性，呈現(xiàn)出標(biāo)準(zhǔn)化、自動(dòng)化和模塊化的工業(yè)大生產(chǎn)特征。在以人工智能為核心的第四次工業(yè)革命中，也正是深度學(xué)習(xí)技術(shù)的通用性打開(kāi)了AI走向大規(guī)模落地應(yīng)用的空間。其中，深度學(xué)習(xí)框架平臺(tái)和大模型承擔(dān)了技術(shù)基座的角色，被委以AI時(shí)代基礎(chǔ)設(shè)施的重任，前者是讓各類(lèi)神經(jīng)網(wǎng)絡(luò)在不同硬件條件下高效執(zhí)行的樞紐，后者則使用預(yù)訓(xùn)練技術(shù)適配各類(lèi)上游任務(wù)。

　　進(jìn)入2023年，深度學(xué)習(xí)下一個(gè)黃金十年的列車(chē)將駛向AI工業(yè)大生產(chǎn)時(shí)代，我們要如何穿過(guò)迷霧、找到AI技術(shù)創(chuàng)新和產(chǎn)業(yè)落地的最佳路徑？在深度學(xué)習(xí)領(lǐng)域有著十余年技術(shù)積淀的百度，及時(shí)地給出了一個(gè)答案：“深度學(xué)習(xí)+”。

　　在今天的百度Create AI開(kāi)發(fā)者大會(huì)上，百度CTO王海峰發(fā)表了題為《“深度學(xué)習(xí)+”，創(chuàng)新發(fā)展新引擎》的主題演講，他提出：人工智能的技術(shù)創(chuàng)新和產(chǎn)業(yè)發(fā)展，已經(jīng)進(jìn)入“深度學(xué)習(xí)+”階段。

王海峰在百度Create AI開(kāi)發(fā)者大會(huì)上

　　王海峰揭示了“深度學(xué)習(xí)+”的“+”在三個(gè)層面的內(nèi)涵：

　　技術(shù)角度，是深度學(xué)習(xí)+知識(shí)；

　　生態(tài)角度，是深度學(xué)習(xí)+上下游生態(tài)伙伴；

　　產(chǎn)業(yè)角度，是深度學(xué)習(xí)+千行百業(yè)。

　　AI走向規(guī)模化的大生產(chǎn)，這三個(gè)層面缺一不可。

　　01知識(shí)：AI是通才，也是行業(yè)專(zhuān)才

　　過(guò)去幾年，深度學(xué)習(xí)模型在視覺(jué)、NLP、語(yǔ)音等各領(lǐng)域已經(jīng)取得了巨大成功，但業(yè)內(nèi)的一個(gè)普遍共識(shí)是，目前模型還存在可解釋性差、通用性不強(qiáng)的弊病，模型的性能也還有很大的提升空間。

　　一個(gè)關(guān)鍵原因就在于，模型在學(xué)習(xí)過(guò)程中缺乏先驗(yàn)知識(shí)的輸入。這從技術(shù)上筑起了一道墻，攔住了AI走向大規(guī)模產(chǎn)業(yè)化的路。

　　在王海峰看來(lái)，深度學(xué)習(xí)+知識(shí)，是AI技術(shù)進(jìn)一步發(fā)展的重要方向。

　　人類(lèi)的推理能力依賴(lài)知識(shí)，知識(shí)凝結(jié)了人類(lèi)千百年來(lái)的智慧，捕獲和識(shí)別領(lǐng)域知識(shí)并將其編碼到模型當(dāng)中，提升模型對(duì)于知識(shí)的記憶和推理能力，這種知識(shí)增強(qiáng)的深度學(xué)習(xí)范式更為接近人類(lèi)大腦。

　　在AI的大模型時(shí)代，為智能注入更多智慧，這正是百度走出的一條與眾不同的大模型路線。

　　2018年，谷歌發(fā)布語(yǔ)言模型BERT，在NLP領(lǐng)域掀起了預(yù)訓(xùn)練模型的技術(shù)革命。百度則是國(guó)內(nèi)最早一批占領(lǐng)高地的機(jī)構(gòu)，2019年3月，百度發(fā)布并開(kāi)源了國(guó)內(nèi)首個(gè)知識(shí)增強(qiáng)的語(yǔ)言模型文心ERNIE 1.0，它在語(yǔ)言推理、問(wèn)答匹配等各類(lèi)中文語(yǔ)言任務(wù)上的性能超過(guò)了BERT。通過(guò)引入知識(shí)圖譜，將海量數(shù)據(jù)與多源的豐富知識(shí)相融合，模型的學(xué)習(xí)效率大大提高，可解釋性也得到了增強(qiáng)。

　　這先行的一步，背后是百度在NLP領(lǐng)域深厚的技術(shù)積累，早在2010年，國(guó)際頂級(jí)NLP專(zhuān)家王海峰加盟百度后，就牽頭成立了國(guó)內(nèi)第一個(gè)NLP研發(fā)部門(mén)，如今也在大模型上發(fā)力最早。

　　到了今天，文心系列大模型的參數(shù)規(guī)模最高已經(jīng)進(jìn)化到千億級(jí)別，在語(yǔ)言理解、文本生成、跨模態(tài)語(yǔ)義理解等領(lǐng)域取得了多項(xiàng)技術(shù)突破。百度沿著“深度學(xué)習(xí)+知識(shí)”這條路線，走出了大模型的差異化道路，并且已經(jīng)走得很穩(wěn)、很長(zhǎng)遠(yuǎn)。

百度文心大模型發(fā)展歷程

　　縱觀國(guó)內(nèi)各家大模型的發(fā)展，與其他玩家相比，百度更早地從拼參數(shù)的盲目風(fēng)潮中抽身，確立了文心的另一個(gè)“殺手锏”：產(chǎn)業(yè)級(jí)。

　　這背后遵循的依然是“深度學(xué)習(xí)+知識(shí)”的邏輯：在AI走向大規(guī)模產(chǎn)業(yè)化的過(guò)程中，大模型在具備通用知識(shí)的同時(shí)，必然還要向各行各業(yè)“拜師學(xué)習(xí)”，進(jìn)而成為精通各領(lǐng)域的“專(zhuān)家”。

　　所以，“+知識(shí)”加的不僅是科學(xué)知識(shí)、經(jīng)驗(yàn)知識(shí)，還要有行業(yè)知識(shí)。

　　為了填補(bǔ)基礎(chǔ)模型與應(yīng)用場(chǎng)景之間的鴻溝，在文心通用大模型的基礎(chǔ)上，百度與多個(gè)領(lǐng)域的頭部企業(yè)和機(jī)構(gòu)合作，運(yùn)用行業(yè)知識(shí)增強(qiáng)技術(shù)，首次把各個(gè)行業(yè)的特有數(shù)據(jù)和知識(shí)融合到大模型中，將大模型的能力適配和延展到了能源電力、金融、航天、傳媒、影視、汽車(chē)、城市管理、燃?xì)?、保險(xiǎn)、電子制造和社科等多個(gè)領(lǐng)域。

　　百度的11個(gè)行業(yè)大模型，勾勒出了未來(lái)AI工業(yè)大生產(chǎn)圖景的雛形。

百度文心行業(yè)大模型

　　目前來(lái)看，大模型的產(chǎn)業(yè)化尚任重道遠(yuǎn)，而2022年AIGC賽道的火爆，則給我們指明了眼下大模型落地最為清晰的一個(gè)路徑。

　　OpenAI于去年4月發(fā)布的文生圖模型DALL·E 2打響了AI繪畫(huà)熱潮的第一槍?zhuān)S后Stability AI在8月推出開(kāi)源的Stable Diffusion模型，讓AI繪畫(huà)的圈子徹底沸騰起來(lái)。

　　而在Stable Diffusion上線前三天的8月19日，百度就發(fā)布了一款A(yù)I繪畫(huà)產(chǎn)品——文心一格。它基于文心大模型的技術(shù)，能夠根據(jù)文字生成多種風(fēng)格的高清畫(huà)作，是普通人進(jìn)行高質(zhì)量藝術(shù)創(chuàng)作的一支“神筆”。而長(zhǎng)遠(yuǎn)來(lái)看，AI作畫(huà)在toB端有著更為寬廣的場(chǎng)景，在解決了版權(quán)、生成的可控性等難題后，像文心一格這樣的工具在移動(dòng)內(nèi)容生產(chǎn)、游戲、工業(yè)設(shè)計(jì)等場(chǎng)景都會(huì)有廣泛的應(yīng)用。

文心一格官網(wǎng)

　　AIGC巨大的想象空間植根于大模型的跨模態(tài)能力。多模態(tài)學(xué)習(xí)是深度學(xué)習(xí)在下一個(gè)十年的重點(diǎn)方向，如同人類(lèi)能從一段文字描述中構(gòu)想出一幅畫(huà)面，模型融合了語(yǔ)言、視覺(jué)等多模態(tài)知識(shí)后，可具備跨模態(tài)生成的能力，文生圖、文生視頻都會(huì)是未來(lái)大模型的風(fēng)口所在。

　　這也便是“深度學(xué)習(xí)+知識(shí)”這一概念在模態(tài)層面的延展。

　　02生態(tài)：乘飛槳駛向產(chǎn)業(yè)更深處

　　一項(xiàng)缺乏生態(tài)體系的技術(shù)，終究會(huì)被歷史淘汰。

　　AI技術(shù)要走向工業(yè)大生產(chǎn)，深度學(xué)習(xí)框架、基礎(chǔ)算法、AI芯片以及數(shù)據(jù)、應(yīng)用和人才等等，都缺一不可。在AI的產(chǎn)業(yè)鏈上，每一個(gè)需求和反饋都需要順暢地傳遞到深度學(xué)習(xí)技術(shù)及應(yīng)用的每個(gè)環(huán)節(jié)，經(jīng)過(guò)各環(huán)節(jié)的持續(xù)迭代優(yōu)化，才能最終加速AI的技術(shù)創(chuàng)新和產(chǎn)業(yè)化。

　　正是基于這樣的思考，百度提出了“深度學(xué)習(xí)+上下游生態(tài)伙伴”的觀點(diǎn)。

　　在這樣一個(gè)生態(tài)體系中，深度學(xué)習(xí)框架上承神經(jīng)網(wǎng)絡(luò)模型和應(yīng)用，下接各類(lèi)芯片，因而處于一個(gè)非常核心的位置。類(lèi)比PC時(shí)代的操作系統(tǒng)Windows、移動(dòng)時(shí)代的操作系統(tǒng)IOS和安卓，王海峰認(rèn)為，深度學(xué)習(xí)框架可以說(shuō)是當(dāng)今“智能時(shí)代的操作系統(tǒng)”。

　　一個(gè)好的框架，能夠幫助開(kāi)發(fā)者和企業(yè)大幅提升深度學(xué)習(xí)模型的研發(fā)效率及效果，避免重復(fù)“造輪子”。尤其是對(duì)于大模型而言，框架可以解決開(kāi)發(fā)效率低、推理速度慢、部署成本不可控、芯片難以適配等棘手難題。

　　百度的飛槳平臺(tái)（PaddlePaddle）作為一個(gè)技術(shù)底座，其強(qiáng)大的能力如今已經(jīng)在文心系列大模型上得到了驗(yàn)證。而回溯飛槳的誕生，從一開(kāi)始，它就不僅僅是百度自身的一個(gè)成果，更是中國(guó)AI發(fā)展歷史上的一次重大飛躍。早在2012年，百度就開(kāi)始探索深度學(xué)習(xí)技術(shù)及應(yīng)用。2013年1月，百度建立全世界第一個(gè)深度學(xué)習(xí)研究院（IDL），并開(kāi)始布局研發(fā)深度學(xué)習(xí)框架，最終于2016年開(kāi)源首個(gè)國(guó)產(chǎn)深度學(xué)習(xí)框架PaddlePaddle。在國(guó)內(nèi)市場(chǎng)上，PaddlePaddle至今都是唯一可與國(guó)際兩大主流框架TensorFlow和PyTorch正面交鋒的深度學(xué)習(xí)框架。

　　而細(xì)究中國(guó)人在深度學(xué)習(xí)框架領(lǐng)域的研究歷史，我們會(huì)發(fā)現(xiàn)這樣一個(gè)演變：早期的代表性框架如Caffe（2014年）和MXnet（2015年）都始于學(xué)術(shù)界，出自一群在國(guó)外讀博的華人學(xué)生之手，而從PaddlePaddle開(kāi)始，百度向深度學(xué)習(xí)框架注入了深厚的產(chǎn)業(yè)基因。直到2020年，各家公司紛紛推出自己的框架，國(guó)產(chǎn)框架才迎來(lái)在產(chǎn)業(yè)界的爆發(fā)元年。

　　2019年，PaddlePaddle擁有了中文名“飛槳”，其直意是“很快的快船”。如今，乘著這艘快船，AI已經(jīng)駛向了技術(shù)落地的深水區(qū)。飛槳平臺(tái)已經(jīng)匯聚了535萬(wàn)開(kāi)發(fā)者、創(chuàng)建了67萬(wàn)個(gè)AI模型，服務(wù)著20萬(wàn)家企事業(yè)單位。

百度飛槳全景圖

　　可以看到的是，越來(lái)越多的企業(yè)正在借助飛槳的AI技術(shù)生態(tài)，進(jìn)行低門(mén)檻的AI應(yīng)用和開(kāi)發(fā)。例如，中小型企業(yè)可以基于飛槳開(kāi)發(fā)大量不同種類(lèi)的技術(shù)服務(wù)型應(yīng)用或者模型，大企業(yè)則可以憑借自身的數(shù)據(jù)優(yōu)勢(shì)，借助飛槳提升業(yè)務(wù)經(jīng)營(yíng)效率?；谘邪l(fā)模型所用的核心框架、包含各種已經(jīng)訓(xùn)練好的深度學(xué)習(xí)模型的模型庫(kù)、支持低代碼的開(kāi)發(fā)套件和工具組件，以及飛槳企業(yè)版零門(mén)檻AI開(kāi)發(fā)平臺(tái)EasyDL和全功能AI開(kāi)發(fā)平臺(tái)BML，飛槳將AI的能力開(kāi)放給了各行各業(yè)。

　　事實(shí)上，從生態(tài)的角度看，百度不僅是國(guó)內(nèi)唯一，而且是全球范圍內(nèi)極少數(shù)擁有全棧布局的人工智能公司。

　　在AI的算力層，飛槳亦建設(shè)了極具競(jìng)爭(zhēng)力的硬件生態(tài)。飛槳正緊密與國(guó)內(nèi)外硬件廠商開(kāi)展軟硬一體聯(lián)合優(yōu)化，截止目前已有超過(guò)30家硬件廠商與飛槳深度融合優(yōu)化，國(guó)內(nèi)外主流芯片基本都已適配飛槳。2022年，飛槳還聯(lián)合硬件伙伴發(fā)布了“硬件生態(tài)共創(chuàng)計(jì)劃”，目前伙伴數(shù)量已達(dá)28家，包括英特爾、英偉達(dá)等硬件廠商。

　　從中國(guó)第一款云端全功能AI芯片“昆侖”、飛槳深度學(xué)習(xí)框架、文心大模型等核心技術(shù)，到搜索、智能云、自動(dòng)駕駛、智能家居等應(yīng)用，百度自身的技術(shù)創(chuàng)新與落地體系，是國(guó)內(nèi)AI走向工業(yè)大生產(chǎn)的一個(gè)縮影。

　　03千行百業(yè)：百度的大視野

　　AI技術(shù)最終要落到何處？在百度看來(lái)，必然是千行百業(yè)。

　　憑借飛槳平臺(tái)和文心大模型，百度不僅在自身的搜索、信息流等業(yè)務(wù)中實(shí)現(xiàn)了大規(guī)模應(yīng)用，還將眼光放在了更廣闊的各行各業(yè)上：工業(yè)、農(nóng)業(yè)、能源、城市、科學(xué)計(jì)算等等20多個(gè)領(lǐng)域。

　　應(yīng)用深度學(xué)習(xí)技術(shù)來(lái)降本增效，基本上已經(jīng)成為各行各業(yè)的一個(gè)共識(shí)，但企業(yè)要真正應(yīng)用AI來(lái)解決實(shí)際問(wèn)題，面臨的難題其實(shí)不少：

　　首先，每個(gè)行業(yè)有每個(gè)行業(yè)的難題，行業(yè)雖數(shù)得過(guò)來(lái)，但細(xì)分場(chǎng)景的數(shù)量是難以統(tǒng)計(jì)的，提供算法、模型的AI公司很難洞悉每個(gè)行業(yè)自身的特殊場(chǎng)景需求。其次，傳統(tǒng)行業(yè)大都沒(méi)有自己的AI研發(fā)團(tuán)隊(duì)，算法生產(chǎn)的成本相對(duì)太高，不是所有企業(yè)都能承擔(dān)得起的。此外，沒(méi)有適用工業(yè)場(chǎng)景的部署硬件系統(tǒng)，也成了AI落地的“最后一公里”難題。

　　為此，百度飛槳給出的解法是，基于行業(yè)的特色數(shù)據(jù)，為企業(yè)提供相當(dāng)于“一整個(gè)算法團(tuán)隊(duì)”的能力。

　　舉一個(gè)制造業(yè)的例子。在每架飛機(jī)起飛前和降落后，飛機(jī)航線維修人員都需要進(jìn)行全面的檢修，但人工檢修很難做到100%不出差錯(cuò)。因此，許多飛機(jī)維修服務(wù)公司希望能開(kāi)發(fā)一款輔助檢修的AI應(yīng)用，但沒(méi)有專(zhuān)業(yè)的算法團(tuán)隊(duì)，預(yù)算也不夠，這件事無(wú)從下手。在四川賽福威飛機(jī)維修服務(wù)有限公司，一位IT項(xiàng)目負(fù)責(zé)人最終借助百度飛槳EasyDL平臺(tái)解決了這個(gè)難題。毫無(wú)AI算法經(jīng)驗(yàn)的他，基于EasyDL平臺(tái)開(kāi)發(fā)了一套機(jī)務(wù)維修安全衛(wèi)士系統(tǒng)，能夠高效檢測(cè)飛機(jī)空速管套、飛行記錄本等，已經(jīng)在長(zhǎng)沙黃花機(jī)場(chǎng)實(shí)現(xiàn)了落地。

　　機(jī)務(wù)維修安全衛(wèi)士系統(tǒng)對(duì)飛機(jī)空速管和管套檢測(cè)

　　飛槳還正在讓AI走進(jìn)田間地頭。在北京市大興區(qū)長(zhǎng)子營(yíng)鎮(zhèn)，百度飛槳與京東方后稷、裕農(nóng)聯(lián)合打造了一個(gè)AI智慧植物工廠?；诎俣華I技術(shù)算法構(gòu)建的克重識(shí)別模型，通過(guò)拍攝的圖片就識(shí)別重量、健康狀態(tài)，準(zhǔn)確率達(dá)到95%以上；基于飛槳EasyDL平臺(tái)的目標(biāo)檢測(cè)模型則實(shí)現(xiàn)了自動(dòng)識(shí)別常見(jiàn)昆蟲(chóng)，識(shí)別精度達(dá)到90%。

目標(biāo)檢測(cè)模型進(jìn)行蟲(chóng)害預(yù)警

　　從前，為了觀察蔬菜的生長(zhǎng)和蟲(chóng)害情況，廠里唯一一位農(nóng)業(yè)專(zhuān)家需日行兩三萬(wàn)步，而現(xiàn)在，在2600平米的空間里，AI 正在24小時(shí)看護(hù)植物，兩位工人只需做一些基礎(chǔ)工作，整體工作效率大大提高。像這樣的智慧植物工廠，正在落地到全國(guó)各地的智能溫室中。

　　國(guó)內(nèi)有著龐大而豐富的產(chǎn)業(yè)體系，這為AI技術(shù)落地帶來(lái)了巨大機(jī)遇，百度飛槳正在讓強(qiáng)大的AI變得人人可用，為每一個(gè)行業(yè)的問(wèn)題提供答案。同時(shí)，豐富的應(yīng)用場(chǎng)景也反過(guò)來(lái)會(huì)推動(dòng)底層技術(shù)本身的突破，形成一個(gè)良性循環(huán)。

　　04寫(xiě)在最后

　　大衛(wèi)·米切爾在他的科幻小說(shuō)《云圖》中說(shuō)：歷史是一副牌，從中隨意抽出幾張出來(lái)，我們的祖輩那代抽到的是3、4、5，而我們這一代人抽到的則是10、J和Q。

　　一代人有一代人的使命。深度學(xué)習(xí)的前十年，AI的能力在算法、學(xué)術(shù)論文、紙上項(xiàng)目中不斷打破天花板、刷新人類(lèi)的認(rèn)知；而在下一個(gè)十年，AI的工業(yè)大生產(chǎn)是落在我們肩頭的使命。在這個(gè)過(guò)程中，國(guó)內(nèi)一眾大廠必然要擔(dān)當(dāng)起引領(lǐng)者的角色。于百度而言，它不曾錯(cuò)失過(guò)去十年深度學(xué)習(xí)的每一個(gè)重要節(jié)點(diǎn)，今日，百度在業(yè)界率先提出“深度學(xué)習(xí)+”的概念，則又是一次先行者的遠(yuǎn)見(jiàn)。

　　在國(guó)際人工智能競(jìng)爭(zhēng)愈發(fā)激烈的當(dāng)下，中國(guó)AI的下一個(gè)十年要往何處走，百度已經(jīng)趟出了一條清晰可見(jiàn)的路。以大模型為例，谷歌、微軟、Meta、OpenAI、英偉達(dá)等國(guó)外科技巨頭都在這條賽道上競(jìng)相追逐，對(duì)比之下，在資源投入、技術(shù)創(chuàng)新、商業(yè)化落地等方面，國(guó)內(nèi)的大模型發(fā)展都不容樂(lè)觀，近日火爆出圈的ChatGPT更是引許多國(guó)內(nèi)研究者發(fā)出了“此誠(chéng)危急存亡之秋”的呼喊。

　　在AI深入產(chǎn)業(yè)的視野下，國(guó)產(chǎn)大模型配國(guó)產(chǎn)架構(gòu)，這是百度區(qū)別于其他AI玩家的核心競(jìng)爭(zhēng)優(yōu)勢(shì)。在2023年的開(kāi)始，百度用“深度學(xué)習(xí)+”初步打造了一個(gè)AI工業(yè)大生產(chǎn)的宇宙，期待更多住民的到來(lái)。