1月10日，百度Create AI開發者大會成功舉辦，聚焦“創造者精神”，分享創新與增長理念，與開發者和創造者們一道激發科技想象力，開拓創新創造新天地。

　　百度首席技術官王海峰表示，當前規模化的AI大生產已然形成，深度學習從技術、生態、產業等多個維度逐漸成熟，人工智能的技術創新和產業發展，進入“深度學習+”階段，讓創新創造大有可為。

　　人工智能多元融合趨勢明顯，步入“深度學習+”階段

　　縱觀人類歷史上前三次工業革命，其核心驅動力如機械技術、電氣技術和信息技術都具有很強的通用性。進入工業大生產階段后，一方面，這些核心技術自身的產業鏈逐漸成熟，成為整個經濟社會的基礎設施；另一方面，各行業加速應用新科技，轉型升級，新行業、新業態得以興起。

　　知史而鑒今。在王海峰看來，以人工智能為重要驅動力的第四次工業革命，深度學習是其關鍵核心技術，具有很強的通用性，呈現出標準化、自動化、模塊化的工業大生產特征，推動人工智能進入工業大生產階段。 

　　王海峰指出，當前人工智能的融合創新越來越豐富，在融合中趨向統一，在融合中孕育新方向和新模式；大模型進一步增強了人工智能的通用性，成為AI開發和應用的新基座，跨模態、統一大模型向著通用人工智能邁進；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，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。

　　深度學習平臺+大模型筑基，驅動技術創新和產業增長

　　如何理解“深度學習+”，王海峰分別從技術、生態、產業三個角度進行闡述。

　　從技術角度，“深度學習+知識”，是人工智能技術進一步發展的重要方向。知識增強的深度學習，讓機器同時從海量數據和大規模知識中融合學習，效果更好，效率更高。百度研制的文心產業級知識增強大模型，具備跨模態、跨語言的深度語義理解與生成能力，應用于搜索、信息流、智能音箱等互聯網產品，并通過飛槳深度學習平臺賦能制造、能源、金融、通信、媒體等各行各業。

　　從生態角度，深度學習+上下游生態伙伴。芯片、深度學習框架、模型及應用構成了深度學習良性生態，使得應用需求和反饋傳遞到深度學習技術及應用的每個環節，各環節持續迭代優化，加速AI技術創新和產業發展。此外，生態中的產學研用各方，也在攜手培養人工智能人才，百度聯合社會各界已培養超過300萬AI人才。

　　從產業角度，深度學習+千行百業。各行各業應用深度學習技術降本增效，創新產品和業務，加快產業智能化進程，努力實現高質量增長。我國的產業體系品類齊全、體量龐大，深度學習驅動的創新有豐富的應用場景，有助于形成良性循環，促進底層技術突破，加快升級現代化產業體系。

　　據了解，在工業領域，百度推進深度學習技術與行業融合發展，已有很多成功案例。

　　在產線設備運維方面，四川賽福威飛機維修服務有限公司就遇到這樣一個問題：由于在每架飛機起飛前、降落后進行全面的檢修，涵蓋幾十個檢查項目、涉及成百上千個零件，這個過程中容不得一絲錯漏。根據民航業有名的墨菲定律，人工檢修很難做到100%不出差錯。公司的IT項目負責人楊劍基于百度飛槳EasyDL零門檻AI開發平臺打造的機務維修安全衛士系統具備了AI檢測功能，并且順利落地長沙黃花機場，機務維修人員每日的檢修工作中都在使用。同樣，在能源領域，一般的電廠設備故障維護，依賴專業人員的經驗和知識積累，電廠設備檢修效率低。浙江能源集團利用飛槳開發了一套電廠設備故障智能預判系統，可根據設備輸入的各項信息進行故障預判，自動分析故障的原因及可能產生的后果，還能自動推送故障針對及維護方案以及歷史故障案例信息，有效提高了電廠設備故障搶修的效率，減少人力消耗，提升電廠設備的整體運行效率。

　　在提升設備效率方面，深圳市信潤富聯數字科技有限公司開發了一款面向汽車零部件制造場景的精密制造在線異常監測系統，該系統基于信潤富聯自研的高精度傳感器、多模態信號融合技術，借助飛槳深度學習平臺開源的Paddle TS時序建模算法庫，實現了精密制造過程異常的智能在線監測。系統上線測試各項指標表現優異，可實現最高1000SPM（Stroke Per Minute，每分鐘加工次數）下的生產過程異常監測，最小 0.1ⅹ0.1ⅹ0.02mm 體積的異物檢出，漏檢率≤0.01%，與全球知名的精密測量廠商方案相比，故障預測準確率提升120%，安裝和維護成本降低50%以上。

　　在質檢方面，零件質檢問題是汽車制造產業中的重要環節，而不同的汽車零件質檢流程、標準和難度也千差萬別。據統計,平均每輛汽車由大約10000個不可拆卸的獨立零件組成。以往汽車零件質檢基本靠人工肉眼觀察來挑出缺陷產品，不僅容易視覺疲勞，造成漏檢誤檢，工廠也面臨較高的人力成本壓力。依靠飛槳，菲特檢測技術公司將變速箱鋁壓鑄件誤檢率大幅降低，實現一臺設備運行一天抵6人12小時工作量；柳州源創電噴技術有限公司快速完成噴油嘴零件瑕疵判讀的無人化，效率提升30%。

　　王海峰強調，“深度學習+”驅動技術創新、產業發展，離不開深度學習產業鏈的完善和壯大，而深度學習框架平臺和大模型貫通了從硬件適配、模型訓練、推理部署，到場景應用的全產業鏈，為人工智能技術創新和產業增長夯實了智能化基座。

　　基于多年的深度學習技術研究和產業實踐，百度打造了集核心框架、產業級模型庫、開發套件、工具組件和服務平臺于一體的飛槳深度學習平臺。飛槳平臺已經凝聚535萬開發者，服務20萬家企事業單位，創建了67萬個模型。（喬豐）

編輯：李芊諾

責編：張永杰

審核：陳雪輝