機器之心報道

作者：杜偉

在百度 Create AI 開發者大會上，百度 CTO 王海峰提出「深度學習 +」概念，它預示著人工智慧的技術創新和產業發展進入深度學習驅動的新階段。

自人類進入工業社會以來，每次工業革命的背後都離不開核心技術的驅動，正如機械技術、電氣技術和資訊科技之於前三次工業革命。如今在第四次工業革命程序中，AI 正成為核心驅動力，而深度學習是關鍵核心技術。

深度學習具有很強的通用性，它呈現出的標準化、自動化和模組化特徵，逐漸推動 AI 進入工業大生產階段。作為快速便捷構建、訓練和部署 AI 應用的基石，深度學習平臺的重要性更是日益凸顯，透過降低 AI 應用門檻，將 AI 技術傳遞給千行百業，推動 AI 應用大規模落地。隨著 AI 與產業結合的不斷深入，規模化的 AI 大生產已然形成。

在深度學習蓬勃發展的過去十餘載，業界持續發力。作為國內 AI 領域的領頭雁，百度一直以來深耕深度學習技術，推出自研產業級深度學習開源開放平臺飛槳，集核心框架、產業級模型庫、開發套件與工具元件於一體。飛槳核心框架更與全球兩大主流深度學習框架 TensorFlow、PyTorch 形成三足鼎立。依託飛槳平臺，百度圍繞技術、生態和產業做大做深，構建了全方位、多層次的深度學習發展格局。

隨著規模化 AI 大生產的形成，百度敏銳觀察到 AI 的技術創新和產業發展正進入一個新的階段。1 月 10 日，在百度 Create AI 開發者大會上，

百度 CTO 王海峰提出「深度學習 +」概念，在 AI 領域的探索邁出全新的一步

。類似「網際網路 +」，利用資訊通訊技術以及網際網路平臺，讓網際網路與傳統行業進行深度融合。進入「深度學習 +」階段，業界不僅要注重深度學習技術的豐富與增強，還要著眼於整合打通上下游生態以及加強對各行各業的深度賦能。

具體來講，「深度學習 +」要從三個角度來理解，分別是

技術、生態和產業

。技術角度為

深度學習 + 知識

，知識增強的深度學習是 AI 技術進一步發展的重要方向；生態角度為

深度學習 + 上下游生態夥伴

，晶片、框架、模型及應用構成深度學習的良性生態；產業角度為

深度學習 + 千行百業

，利用深度學習技術變革生產方式，加速產業智慧化升級。

可以看到，「深度學習 +」覆蓋了從技術融合、生態構建以及產業聯動的方方面面，為實現更全面、更深入的深度學習驅動型 AI 技術創新和產業發展打好了基礎。在會上，百度 CTO 王海峰表示，「

深度學習 + 是創新發展新引擎，驅動技術發展和產業增長，讓創新創造大有可為。

」

進入「深度學習 +」階段，AI 行業已經做好了準備

其實，「深度學習 +」階段並不是一蹴而就的，它的到來有著深厚的歷史積澱。

首先，在 AI 領域，自 2012 年以 AlexNet 為代表的開創性研究出現以來，深度學習方法逐漸成為主流，推動 AI 應用進入爆發期。並且，以卷積神經網路、迴圈神經網路和對抗生成網路為代表的一系列深度學習演算法持續在自然語言處理、計算機視覺等關鍵領域取得巨大進展。

在這期間，AI 的融合創新越來越豐富，跨模態多技術融合、軟硬一體融合以及技術與場景融合趨勢愈加明顯。深度學習技術的研發、調整和落地過程中充分考慮到了大規模豐富知識的加入，如知識圖譜、領域知識、行業知識等，知識驅動成為深度學習的重要特徵之一。如此一來，我們能夠更好、更準確地將深度學習技術與應用場景融合，達到更好的應用效果。

因此，

從整個行業的階段發展來看，深度學習 + 知識是 AI 技術進一步發展的重要方向

。知識凝鍊了人類認識和改造世界的智慧，讓機器從海量資料和大規模知識中融合學習，可以使得知識增強的深度學習效果更好、效率更高、可解釋性更強。

其次，生態建設是在技術融合和落地過程中聯動各方的關鍵步驟，對 AI 尤其深度學習技術而言亦是如此。過去多年，AI 行業不斷圍繞深度學習平臺拓展開源生態，與硬體廠商合作搞好晶片的適配與最佳化，加強與各類企業、開發者的聯絡，覆蓋更多行業領域。此外產學研各方攜手培養 AI 人才，為深度學習技術的普及提供堅實的人才支撐。至此深度學習的生態雛形已經形成。

為了建設更持久的生態，深度學習技術要繼續聯動上下游生態夥伴，透過晶片、框架、模型和應用構成深度學習的良性生態

。

在

晶片層

，支援深度學習訓練、推理的豐富晶片與深度學習框架軟硬聯合最佳化，更好的效能和更高的效率提供了強大算力；在

框架層

，深度學習框架支援便捷開發、高效訓練和多端多平臺推理部署，提升模型研發效率及效果；在

模型層

，提供契合產業需求的深度學習模型，透過支援低或零程式碼的開發套件和工具元件降低應用門檻；在

應用層

，深度學習技術與場景融合創新，加速產業智慧化升級，催生新業態新模式，實現生產力躍升。

最後，產業賦能是深度學習技術實現自身價值的最終手段，這點也在其發展程序中得到驗證。憑藉強大的能力，深度學習技術已經在自然語言處理、視覺識別、推薦引擎、翻譯軟體、虛擬助手、機器人、自動駕駛以及更多其他領域實現了應用落地，深層次地改變了人們的生產生活方式。

未來，

深度學習技術要深入到千行百業

，實現降本增效，創新產品和業務，加速產業智慧化程序，努力實現高質量增長。

可以看到，過去整個 AI 行業一步步地向著「深度學習 +」這一階段邁進，並透過深度學習平臺和大模型技術加速了這一程序。隨著技術、生態和產業方面的鋪墊，AI 技術創新和產業發展進入新階段變得水到渠成。

內部持續積累沉澱，百度為「深度學習 +」蓄勢已久

對於百度而言，「深度學習 +」早已在內部生根發芽、茁壯成長。百度當前的深度學習佈局催生了這一概念，尤其是飛槳以及依託飛槳打造的文心產業級知識增強大模型，它們為百度推動 AI 技術創新和產業發展的新階段提供了信心和底氣。

用知識學習增強大模型能力、拓展大模型落地

在百度，飛槳深度學習平臺 + 文心大模型已經成為核心發展模式，並以此構築了產業智慧化基座。此次

技術角度的 “深度學習 + 知識” 在文心大模型的一系列發展中得到實踐驗證，並收到了顯著的成效

。2019 年開始，百度深耕預訓練模型研發，先後釋出知識增強文心（ERNIE）系列模型。文心繫列模型基於持續學習的語義理解框架，從大規模知識和海量資料中融合學習，效率更高，效果更好。2021 年 12 月，ERNIE 3。0 升級為全球首個知識增強千億大模型鵬城 - 百度・文心，同時，產業級知識增強大模型文心全景圖亮相。文心大模型在歷次升級中持續加強知識增強，使之成為與產業級並列的兩大核心特色之一。

文心大模型全景圖。

我們以

文心 ERNIE

為例，其框架不斷從不同資料和知識中學習並構建新任務。透過從不同任務中持續學習，大模型能力持續提升，擁有更多知識。ERNIE3。0 首次在百億級預訓練模型中引入大規模知識圖譜，從大規模知識圖譜和海量無結構資料中學習，使大模型具備更強的知識記憶和推理能力。

相較於沒有知識增強的大模型，文心大模型的學習效率更高，在實體問答、知識預測、可控文字生成等多個場景上具有更好的效果

。

文心 ERNIE 能夠準確地完成知識問答任務。

知識增強使得包括文心 ERNIE 在內的文心大模型具備跨模態、跨語言的深度語義理解與生成能力。此外，

在百度文心大模型體系中，行業大模型是非常重要的特色，成為推動大模型產業化落地和促進行業智慧化升級的重要手段

。透過行業知識增強，文心行業大模型充分挖掘和建模特定行業場景中的大量行業資料和知識，同時引入行業實際業務積累的特有知識，增強對行業應用的適配性，取得很好的效果。

百度文心行業大模型。

圍繞飛槳平臺凝聚各方智慧、構建良性生態

百度飛槳生態建設經過多年的發展，已經形成向下、向上兩條路徑，構築了全面的生態發展格局，實現了晶片、框架、模型和應用層面的高效銜接與互通。

飛槳全景圖。

深度學習平臺向下，飛槳與廣大硬體生態夥伴合作，透過技術共研開拓更多軟硬體協同產品和功能，形成合作共贏的生態。目前已有超過 30 家硬體廠商與飛槳深度融合最佳化，國內外主流晶片基本都已適配飛槳。飛槳在 2022 年攜手硬體合作伙伴開啟硬體生態共創計劃，並聯合 12 家硬體夥伴推出飛槳生態發行版。

向上，飛槳著力廣泛的應用生態。一是企業生態，透過 AI 快車道等多種方式讓前沿技術深入業務場景，有針對性地為中小和大型企業生態夥伴提供多樣化技術能力和服務。二是教育生態，聯合高校構建產教融合的 AI 人才培養體系。三是開源生態，與業界優秀的開源社群和開源專案合作，聯合開發者和開源社群共建深度學習開源生態。

深度學習平臺 + 大模型構築產業智慧化基座

一直以來，百度都高度重視產業賦能，並在飛槳深度學習平臺和文心大模型的發展中踐行著這一點。

一方面，飛槳始終堅定平臺的產業級特性，貼近產業實踐。透過飛槳平臺，企業可以快速便捷地開發適合自身業務場景的最佳化演算法，在實踐中更早地部署 AI 能力。另一方面，文心大模型尤其行業大模型尋求與企業場景需求的契合，加速 AI 落地。不斷壯大的文心行業大模型持續擴大覆蓋行業的範圍，在產業化落地過程中使大模型真正賦能千行百業。

我們以 “深度學習 + 交通” 融合創新的智慧應用 —— 智慧交通中的「智慧排程系統」為例，透過圖神經網路與強化學習技術，實現整個區域交通流量的全域性調控，最大限度減少各方向綠燈的空放，減緩道路擁堵，節省出行時間。這套系統已在北京亦莊、長沙、保定等地上線。

路口訊號燈配時智慧最佳化。圖源：Apollo 智慧駕駛

「深度學習 +」未來可期，各方要百尺竿頭更進一步

毋庸置疑，在「深度學習 +」這個 AI 技術創新和產業發展的全新階段，各方都迎來了一個良好的契機，能否把握住變得尤為重要。

對於百度而言，其持續深化的飛槳深度學習平臺以及日益完善的文心大模型體系貫通了從硬體適配、模型訓練、推理部署到場景應用的全產業鏈，成為「深度學習 +」驅動技術創新和賦能產業發展的引擎。未來要繼續釋放飛槳平臺和文心大模型的引擎力，更快更好更廣地開拓深度學習技術，併力求更大範圍的應用落地。

對於產業合作伙伴而言，接入並利用深度學習平臺和大模型技術，結合自身具體業務需求，能夠不斷提升業務智慧化水平，實現業務效率提升和高效增長。

對於整個 AI 行業而言，應更加重視深度學習的技術紅利，充分發揮潛力，實現新的 AI 技術突破，拓寬應用廣度和深度，完成其變革社會生產生活方式的歷史使命。

從更宏大的視角來講，「深度學習 +」對於我國現代化產業體系也將產生助益。我國品類齊全、體量龐大的產業體系將為深度學習驅動的創新提供豐富的應用場景，有助於形成良性迴圈，促進底層技術突破，進一步升級我國現代化產業體系，全面推動經濟社會進入智慧時代。

總之，「深度學習 +」未來可期，各方要百尺竿頭更進一步。百度顯然已經為此做好了準備，繼續發揮領頭雁的表率作用，引領 AI 未來發展。

參考內容：

https：//www。geekpark。net/news/302263

https：//ai。baidu。com/support/news？action=detail&id=2897