科普时报记者 陈 杰

“当前，深度学习生态持续繁荣、AI技术进一步突破，产业应用亟需再上新台阶。”深度学习技术及应用国家工程研究中心主任、百度首席技术官王海峰日前在Wave Summit+ 2022深度学习开发者峰会上指出，深度学习平台加上大模型，贯通从硬件适配、模型训练、推理部署到场景应用的AI全产业链，夯实产业智能化基座，将进一步加速智能化升级。

深度学习是机器学习领域中新的研究方向，最终目标是让机器能够像人一样具有分析学习能力，识别文字、图像、声音等数据。随着人工智能高速发展，计算机视觉和语言等一些关键应用已取得巨大进步，产业界都在争相利用深度学习的力量，在推荐引擎、翻译软件、聊天机器人等方面创造出令人印象深刻的成果。

作为国内自主创新且全面开源开放的深度学习平台，飞桨目前已凝聚535万开发者，服务20万家企事业单位，基于飞桨创建了67万个模型。

“作为AI领域的底层核心技术，深度学习技术发展主动权必须掌握在自己手里。具有自主知识产权的核心技术，是核心竞争力的源头活水。”中国工程院院士丁文华表示，飞桨平台作为工程研究中心的核心研究成果，在保障国家信息科技安全、推动人工智能应用大规模落地方面发挥了重要作用。

深度学习技术及应用国家工程研究中心副主任、百度集团副总裁吴甜告诉记者，近10多年深度学习从理论突破开始，给人工智能带来了一系列的变化。“最主要的特点在于深度学习技术推动了人工智能进入到大规模应用的状态，原来能设想到但是不能实现的场景都在大规模应用。”

深度学习平台是基础共性平台，上承应用，下接芯片，起着承上启下的作用，相当于智能时代的操作系统，有力支撑产业智能化升级。而大模型则是近几年人工智能发展的重要方向，具有效果好、泛化性强、研发流程标准化的特点，为人工智能进一步发展带来新机遇。

“当然，深度学习技术本身依然有很多问题要解决。”吴甜认为，大模型研发依赖算法、算力和数据综合支撑，在应用层面上也面临一系列技术挑战：首先是数据规模大，数据质量参差不齐；其次是模型体积大，算法难度高；第三是算力规模大，性能要求高。

如何实现大模型产业化？王海峰认为，具有算法、算力和数据综合优势的企业，可以将模型生产的复杂过程封装起来，通过低门槛、高效率的生产平台，为千行百业提供大模型服务，从而形成一条大模型产业化路径。

这一产业化路径已经在文心大模型的产业实践中得到验证。基于飞桨平台，文心大模型已大规模应用于搜索、信息流、智能音箱等互联网产品，并通过飞桨开源开放平台、百度智能云，赋能制造、能源、金融、通信、媒体、城市、教育等各行各业。而随着应用场景的进一步扩大，文心大模型已联合打造超过10个行业大模型，不断从行业及企业的特有数据和知识中融合学习，模型能力进一步增强，助力企业降本增效，加快行业转型升级。

为了让大模型产业落地更高效便捷，飞桨提供了全流程产业化工具与平台，包括大模型开发套件、场景模型生产线等，极大降低应用门槛。王海峰认为，应通过高效构建与快速迭代让大模型落地像流水线一样高效。