?“人工智能”作為第四次工業革命的代表性科技,在生活、生產及社會經濟方面所取得的成績已經相當顯著,并且普遍認為人工智能帶來的生產力提高將遠高于前三次工業革命。

今年兩會期間,推動人工智能產業發展也成為科技圈大佬們熱衷的提案,更是涵蓋交通、教育、養老、數據治理等眾多領域。

然而時至今日,人工智能技術依舊還有不足,如何解決?在5月20日召開的“WAVE SUMMIT 2021”深度學習開發者峰會上,百度首席技術官王海峰就分享了關于人工智能技術和產業發展的兩點思考:一是融合創新。多技術融合創新、深度學習平臺與芯片軟硬一體優化、人工智能技術與應用場景融合創新發展的趨勢愈加明顯;二是降低門檻。隨著人工智能技術在各行業的滲透,面向不同應用場景,高效滿足不同的開發者需求,持續降低門檻非常關鍵。門檻的大幅降低,加快了人工智能應用的多樣化和規模化,加快了產業智能化進程。

從國家“十四五規劃”起,將“人工智能”列為了需要重點突破的科技前沿技術之首,提出要繼續加大培育并壯大人工智能產業。

如今隨著人工智能技術的突飛猛進,已經陸續在不少簡單或危險領域出現了全面人工智能替代,另一方面人工智能也在加速產業智能化熱潮,整個產業正展現蓬勃之姿。

將目光移至幾年前,可能很難相信如今國內人工智能產業的發展速度,特別是人工智能的一些核心領域,比如作為AI時代“操作系統”的深度學習框架,深度學習技術是AI面向深層次不斷前進的基礎,也是科技巨頭轉型角逐AI時代的核心內容。

其中百度飛槳深度學習開源開放平臺,既成為這個時代人工智能飛速發展的見證者,也是推動者。因為就像在“WAVE SUMMIT 2021”峰會上百度集團副總裁、深度學習技術及國家工程實驗室副主任吳甜所言,從企業中的少數人開始考慮“我們面對的問題能不能用AI來解決”,到真正的實現高效、高質量的大生產,把AI技術的價值帶入到企業的生產活動當中,是否存在一條可以參考、可以實踐的路徑?而飛槳將這條路徑打通了。

峰會上吳甜首次公開分享了飛槳通過與產業伙伴的廣泛合作所觀察到的AI工業大生產的實現路徑。企業應用AI的過程分三個階段,第一階段是企業中有少數先行人員嘗試引入AI進行原型驗證,稱之為AI先行者探路階段;當進行了驗證產生效益后,會從個人實踐轉變成建設團隊來學習和應用AI,稱之為AI工作坊應用階段;當企業進行大量的AI應用,幾百、幾千人一起工作,多人多任務協同生產,就進入了AI工業大生產階段,更長期看,還會實現社會化協同大生產。

而對應于不同階段的企業,飛槳都能提供相應的解決方案,幫助企業實現快速且有效的場景落地,儼然飛槳已成為企業AI技術落地的“前哨站”。

自2016年飛槳正式開源,從此中國終于有了自主研發可控的深度學習平臺,至今飛槳已經歷經多次升級,今年在“WAVE SUMMIT 2021”峰會上帶來九大最新發布。

產品技術層面發布了飛槳開源框架V2．1、大規模圖檢索引擎、文心ERNIE四大預訓練模型、硬件生態進展、推理部署導航圖、云原生機器學習核心PaddleFlow。這些技術層面的核心總結起來就是一點就是“讓AI開發者具備更高的技術能力和更低的進入門檻”。

像開源框架V2．1的發布,實現了將自定義算子功能全面升級,進一步降低了開發者自定義算子的學習與開發成本,大幅提升開發靈活性。而開放云原生機器學習核心PaddleFlow,則是專為AI平臺開發者提供核心能力并賦能更多細分場景和深度定制的AI平臺。

生態層面宣布飛槳“大航海”啟航計劃取得階段性進展,并正式發布《AI人才產教融合培養方案》、正式發布“大航海”護航計劃及“大航海”領航計劃。

隨著這些計劃的陸續落地實施,在助力廣大開發者及企業實現AI工業大生產的同時,飛槳也必然成長為中國人工智能的核心基座。

無論時代的車輪前行得多快,飛槳硬是憑借過硬的“自身素質”領先于時代之前,其最終目的,就是讓AI開發具有更高的技術能力和更低的進入門檻,以為產業做減法的形式,增加產業智能化升級的廣度和深度提速,而這也是飛槳越飛越高的核心本質。

緊握產業智能化轉型要素,飛槳軟硬件兩手抓

都說“光說不練假把式”,技術也一樣,評價任何技術優劣都需以最終的落地實踐為標準,人工智能技術當然也不例外,所以評判人工智能技術的最佳方式還是在于看看其在產業端的應用、融合究竟怎樣。

首先,技術不能脫離生活,離生活太遠再厲害的技術也將失去光澤。所以,透過飛槳的延伸視角,能看到正是哪里有需要,飛槳就去哪里。

比如,去年的疫情讓我們對藥物研發、疫苗設計等生物工程的效率有了更高的期待,于是飛槳發布了生物計算平臺PaddleHelix螺旋槳進行跨界探索。具體到實際應用,抗疫期間飛槳與醫療機構共同開發了CT影像肺炎篩查與病情預估系統,可以快速檢測識別肺炎病灶,為病情診斷提供病灶的數量、體積、肺部占比等定量評估信息。

又比如前不久飛槳與成都國鐵電氣設備有限公司合作解決軌道交通巡檢難題,傳統的高鐵檢修手段嚴重受限于人工,也讓企業背負了高額的人力成本及低下的工作效率,飛槳的介入讓軌道交通安全運維問題的解決有了新的可能。成都國鐵借助飛槳的PaddleDetection等套件解決了AI算法難題,研發了一套“軌道在線智能巡檢系統”。

類似的案例還有很多,產業智能化浪潮的推動造就了飛槳速度,同時飛槳也在不斷夯實“十四五”規劃中提出的“推進產業基礎高級化、產業鏈現代化”,走向國家發展的戰略支撐。

其次,技術還需廣泛滲透進企業業務流程的主要環節之中,真正幫助企業實現智能化的轉型升級,飛槳在這方面也取得了不俗的成績。

比如在電力方面,與南方電網合作的巡檢機器人,利用飛槳團隊實現的高性能目標檢測算法YOLOv3及語義分割算法U-Net,巡檢機器人突破了干擾力巨大的環境因素障礙,使過去工作人員花費6個小時的現場巡視,現在只需要在遠方的主控室一鍵下達巡檢任務就輕松完成,大大節省了南方電網的審核工作量與成本。

又比如,目前全國大大小小的產業園都面臨著同一個矛盾,即產業智能化轉型需求旺盛,然而在AI技術落地過程中的痛點與技術難題頻出,飛槳則成為解決這些矛盾的關鍵。

現階段,飛槳已經覆蓋到了工業、能源、金融、醫療、農業、城市管理、交通、信息技術等各種各樣的行業和場景;并聚集了320萬開發者,服務了12萬企業,創建了36萬模型,而且這組數據還在持續增長。飛槳深深扎根于產業智能化升級的事業之中,在為企業產業護航、聚力共振方面當仁不讓。

聚力核心基座,共享智能化浪潮

如王海峰在峰會上所言,在人工智能領域“高效滿足不同的開發者需求,持續降低門檻非常關鍵”。那么這“一高一低”兩個核心,飛槳又是如何實現的?

在提升技術能力高效滿足不同開發者需求方面,飛槳的應對措施是“升級”,前面也有提到今年飛槳的九大發布,其中像“大規模圖檢索引擎”支持萬億邊的圖存儲和檢索,大規模圖模型訓練架構支持網易云音樂等企業大規模應用落地、“文心ERNIE四大預訓練模型”則是實現了統一的跨模態語義理解,目的都是為了強化飛槳的服務能力,使其更高效滿足開發者需求。

而開源框架V2．1、推理部署導航圖、開放云原生機器學習核心PaddleFlow,則都在降低AI開發應用的門檻,滿足不同行業、不同階段、不同層次開發者的需要。

同樣也是基于“一高一低”兩個核心,使飛槳在開發者、合作伙伴賦能及人才培養、產教融合方面都取得了卓越成績。

在助力開發者方面,據最新數據,飛槳平臺已經凝聚了320萬開發者,相比一年前增幅70%,也是基于飛槳平臺,使這320萬開發者不再需要從頭編寫人工智能的算法代碼,即可高效進行技術創新和業務拓展。門檻的大幅降低,加快了人工智能應用的多樣化和規模化,加快了產業智能化進程。

在“WAVE SUMMIT 2021”峰會上飛槳與三大高校創新創業實驗室現場簽約,包括清華大學基礎工業訓練中心、吉林大學創新創業實驗室、鄭州大學人工智能工程應用實驗室,宣布將共同推進產學研用一體化發展,打造產業智能化預備軍。此外,過去三年百度與教育部新工科累計舉辦了14期師資培訓,覆蓋了所有985、211高校,共培訓了2000+名老師,其中226所高校已基于飛槳開設了學分課。

人才培養方面,飛槳更是一馬當先,目前已經建起涵蓋“學習、實踐、比賽、認證、就業”的開發者全周期服務體系。去年開始,飛槳針對業內開發者也設置了專門的課程和培訓體系,包括面向一線工程師的AI快車道、企業閉門交流AI私享會以及AICA首席AI架構師培養計劃,在邊學習邊實踐的體系下,為廣大開發學者提供了廣闊的舞臺。

另外,隨著飛槳“大航海”計劃的全面啟動,15億元資金和資源將不斷落實到技術、人才、生態等各方各面,屆時“大航海”護航計劃將賦能全方位支持10萬家企業智能化升級,培養百萬AI人才;領航計劃將以PPDE飛槳開發者技術專家、PPSIG特殊興趣小組、飛槳領航團等為主要組織形式,與業界優秀的開源社區和開源項目合作,系統化的設立研究和研發方向,聯合優秀的開發者、優秀的開源社區一起共建深度學習開源生態,攜手探索AI前沿領域;啟航計劃將與全國500所高校深度合作,重點培訓5000位高校AI師資,聯合培養50萬AI學子。

可以預見,隨著百度飛槳的持續投入,一批具有中國產業特色的人工智能大軍必將應運而生, 同時飛槳作為開源底座也將越發的繁榮與厚實,在不斷推動產業智能化之時,屬于飛槳的烙印也被深刻其中。

總結

總而言之,當下飛槳正以開發便捷的深度學習框架、超大規模深度學習模型訓練技術、多端多平臺部署的高性能推理引擎、產業級開源模型庫四大領先優勢,不斷助力各領域產業智能化轉型升級。而以飛槳為核心的智能化體系,也正不斷激起時代的智能化浪潮。