電子發燒友網報道（文/李寧遠）2023年1月10日，百度Create AI開發者大會如期舉行。作為百度每年發布最新技術進展、以開發者為核心、連接全球合作伙伴和科技愛好者的盛會，今年百度Create AI開發者大會采用人機共創模式，參會嘉賓分享了諸多AI技術和產業發展的新進展新發現。

創新驅動增長，反饋驅動創新

百度CEO李彥宏先生今天在大會上的分享圍繞“增長”展開——創新驅動增長，反饋驅動創新。李彥宏表示，近百年里每一次人均GDP的爆發式增長都是科技革命帶來的，科技創新驅動了大的增長，“如果讓我來判斷第四次科技革命的標志，我認為是深度學習算法這個技術能夠帶來效率的提升，能夠驅動經濟的增長，這個增長是比很多人想象中的要更大。”

圖源：百度Create AI開發者大會，下同

科技創新驅動了大的增長，創新本身它又是從何而來的呢？李彥宏將其總結為反饋驅動了創新。創新不是閉門造車，創新是有機會進入市場，不斷獲得用戶和客戶的反饋，摸著反饋過河才實現。李彥宏以百度昆侖芯片和蘿卜快跑為典型的案例，說明了反饋帶來的強大驅動力，百度的昆侖芯片在AI線當中屬于性能非常領先的，這是因為它已經為百度搜索服務優化了10年時間。百度的搜索服務能夠提供最真實、最及時的反饋，從而倒逼大模型深度學習框架和芯片的優化。蘿卜快跑同樣是以全球領先的自動駕駛出行服務訂單量獲得了大量的真實的市場和用戶反饋，加快了自動駕駛的落地。

李彥宏表示，“技術的發展沒有導航地圖，只有指數針，在方向大致正確的情況下，基于實踐反饋，一步一步地進行迭代，才能夠跑出來有價值的創新”。

針對AI應用碎片化，開發方式作坊式的現狀，百度的大模型已經成為許多上層應用的技術底座。做它能夠有效地集成自然語言處理、計算機視覺、智能語音等多模態的能力，也可以結合多種行業和業務場景進行調優，為深度學習技術進入新階段帶來了機遇。

針對AI產業發展現狀，李彥宏表示過去一年無論是技術層面，還是在商業應用層面，AI都有了方向性的改變，這是積極的一面。不過挑戰同樣不小，“實體經濟很多領域數字化改造尚未完成，而數字化本身并未帶來效率的明顯的提升，智能化的廣泛滲透還需要時間。智能化對于實際經濟的巨大的拉升作用還沒有成為廣泛的共識。因此，人工智能的商業化還需要在黑暗當中摸索一段時間”。

百度AI創作的“危機與希望”

深度學習＋，創新發展新引擎

百度首席CTO王海峰博士在大會上從四個角度出發分享了百度在深度學習上的應用與進展。深度學習平臺的標準化、自動化和模塊化特征越來越顯著，不斷降低人工智能的應用門檻，高效便捷地把人工智能技術租送給千行百業。規模化的AI大生產已然形成，人工智能的技術創新和產業發展進入“深度學習＋”階段。

首先從技術角度來看，“深度學習＋”知識是人工智能技術進一步發展的重要方向，讓機器同時從海量數據和大規模知識中融合學習及知識，增強后的深度學習效果更好、效率更高，有更好的可解釋性。以百度研制的文心產業級知識增強大模型為例，“深度學習＋”具備跨模胎、跨語言的深度語義理解和生成能力，能更高效地應用于搜索、信息流、智能音箱等互聯網產品。

在深度學習生態建設上，上下游生態伙伴芯片、框架、模型及應用構成了深度學習良性生態。在芯片層，“深度學習＋”體現在支持深度學習訓練推理的芯片類型豐富，與深度學習框架軟硬一體，聯合優化，性能越來越好，效率越來越高。框架層支持深度學習的便捷開發、高效訓練和多端多平臺推理部署，大幅提升深度學習模型的研發效率效果。在模型層，需要緊跟產業需求，提供已訓練好的各種深度學習模型，讓深度學習應用唾手可得。

最后在應用層，王海峰博士表示深度學習技術要與場景融合創新，加速傳統產業轉型升級，催生新業態、新模式，深刻改變人類生產生活方式和思維模式，實現生產力的整體躍升。只有形成良性生態，應用需求和反饋才能傳遞到深度學習技術及應用的每個環節，加速人工智能技術創新和產業發展。

多元化AI創新，前沿AI技術應用落地

大會上，眾多技術大咖分享了最新的AI技術應用，如百度搜索新一代核心技術的代表，跨模態大模型“知一”。對于搜索面臨的復雜任務，百度融合多項技術創新，構建了具有跨模態、大規模、高效能三大特點的知一。知一可以理解全網文本、圖片、視頻、結構化信息等形態各異的資源，持續進行海量支持資源的學習收集，打破資源形態的界限，將最滿足用戶的搜索結果呈現給用戶。這背后既有自研的模型壓縮和預估優化技術的助力，也有飛槳平臺和百度昆侖芯片的支持。

英特爾中國研究院院長宋繼強在大會上也分享了他們和百度在數據中心及產品合作的進展，針對飛槳的模型和框架，英特爾志強全系列CPU都做了深度優化。通過軟硬件聯合優化，百度的ERNIE 3. 0 NLP大模型在英特爾志強可拓展處理器上的性能達到了業界的算力領先水平。

在自動駕駛感知解決方案上，百度提出了車路一體的UniBEV方案，它是自動駕駛和車路協同的重要底層方案。UniBEV主要有三個特點：端到端、多任務多模態融合感知以及車路一體。方案集成了車端多相機、多傳感器的在線建圖、動態感知以及路測視角下的多路口多傳感器融合等。UniBEV車路一體大模型借助了大數據加大模型加小型化技術閉環，是創新AI技術在駕駛感知上的一次落地。

小結

AI發展在過去的一年表現出了積極的一面，技術層面AI從理解內容走向了自動生成內容，商業層面最具代表性的自動駕駛也加快了落地速度。機遇與挑戰并存，用李彥宏先生在Create AI開發者大會的話說，“人工智能的商業化還需要在黑暗當中摸索一段時間”。