3月31日，以“中国式产业数字化转型‘入坑指南’”为主题的科技沙龙在百度大厦召开。这是百度《AI呀，我去》主题系列活动开办以来，第五次在AI开放日将数字化、智能化拉近大众视野。

　　会前，主持人带领媒体朋友们参观了百度出行展厅。行中介绍了百度发展历程，2000年百度从搜索引擎模式起步至今，如今已发展为拥有强大互联网基础的领先AI公司。从业务布局上看，增长搜索引擎的市场份额、智能云业务以及自动驾驶业务是近年来关注度比较高的板块。

　　一是保持搜索引擎的持续优化。不仅能依照大数据获取到民生关注度最高的时事新闻，比如疫情动态，还能通过地图大数据精准捕捉到某地区交通拥堵状况，通过分析这些数据，可以为政府决策提供有力支撑。

　　二是作为我国硬核科技的中坚力量，百度在图片处理、自然语言处理、知识图谱等方面持续发力。如，当我们拍到一张花的图片，百度图谱能精准识别出花的种类、产地、习性等信息，这极大方便了我们的学习，对自然的了解也更加深刻。另外，随着类似于查话费查流量这样的智能语音服务更趋于人性化，以及通过小度智能镜实现人机共舞这种新潮的锻炼方式，百度AI积极扩宽应用领域，已经实现了多产业迁移，让我们随时身处一个人机共存的环境中，极大方便了我们的日常生活。

　　三是百度无论在无人驾驶的测试里程上、还是在专利数获得方面都取得了不错成绩。作为今日首批试乘体验者，坐在里面既好奇又惊讶。好奇的是表面看去外形无异的车辆，里面是一台显示面板充当驾驶员，面板上呈现出一个个颜色不同的模块与线条交相辉映，工作人员说，这是模拟的外部环境，不同颜色的模块代表了人与物，线条代表了路况。另我惊讶的是刚好有行人路过，它懂得停车让行。据悉，百度Apollo L4累计测试里程已达2500万公里。Apollo已获得411张自动驾驶测试牌照，其中载人牌照231张。在北京亦庄，在公开路面运行的自动驾驶车辆随处可见。现在看来，无人驾驶车辆融合了AI元素，在识别路障、安全稳定性方面有了很大保障，但实现完全与人脑同步，无延迟地执行指令，甚至超越人脑反应，我国还有很长一段路要走。

　　纵使路程维艰， 源于产业实践的深度学习开源开放平台——“飞桨”。数年来，仍砥砺前行，突破一个又一个技术瓶颈。会上，百度AI技术生态总经理马艳军博士就近年来的突破给了媒体很好的诠释。

　　深度学习框架的开拓者

　　我国“十四五”规划在核心的“新一代人工智能”领域，明确提出要加强深度学习框架领域攻关。同时，在AI的江湖，流传着这样一句话，得“深度学习框架”者，得天下。那么，什么是“深度学习框架”，为什么在经济形势日趋激烈的竞争中，犹如“秘笈”般存在？

　　深度学习的“深”和神经网络的复杂度紧密相关，参数、层数等元素好比神经网，由参数、层数、芯片等集结成的网状小单元构成了神经网络的基本模型。而深度学习框架，简单来说就是库，是由神经网络模型搭建起来的。大数据时代，我们可以根据场景需要，从模型库里选取适宜的模型，像搭积木一样堆砌符合数据集的积木。这个过程中，不必非得每个项目都得训练参数，所以最终搭建成什么样，也就是深度学习框架场景的适应性如何，取决于用了一套什么样的学习函数与搭载标的。这样看来，深度学习框架是AI从0到1的突破,从1到N的可能。

　　飞桨突围AI领域的底层逻辑

　　“飞桨”是百度对外开源“PaddlePaddle”深度学习框架的中文名，名字源自宋代文人朱熹的“闻说双飞桨，翩然下广津”，直译过来就是“很快的快船”的意思。势如其名，飞桨能从AI中突围，赋能产业，领航我国向智造强国推进，秘笈在哪里？首先，十余年来，团队甘做冷板凳，坚持核心创造，深度学习专利申请量世界第一。其次，AI for science，飞桨专门推出系列科学计算API支持量子计算、生命科学等前沿领域，再次，飞桨积极探索深度学习框架融合应用到不同行业新路径，赋能产业数字化、智能化。目前，百度飞桨已凝聚了406万开发者、创建47.6万模型、服务了15.7万家企事业单位。并发布13个结合场景应用深度优化过的PaddlePaddle系列模型，最后，飞桨与当前22家国内外硬件厂商完成了31种芯片的适配和联合优化工作，处于业界领先地位。

　　未来可期，飞桨或将在我国向智造强国的转型升级中，持续领航。

　　人工智能与工业互联网相互促进，赋能产业发展

　　关于“工业互联网与人工智能有什么联系与区别，两者都是怎样赋能产业的”这一问题，马博士带来了自己的理解。“人工智能的应用场景很多，工业领域首先是数字化、智能化的同步升级，进一步推动产业高质量发展。其次工业领域非常大，对安全性能要求也高，又细分不同的行业，各行业融合应用又有不同，需要人工智能的相互促进，赋能工业互联网稳定有序发展”,马博士如是说。

　　“巡检”在输配电领域是道重要工序，直接关系着运行的稳定和安全。而传统的输配电运营往往伴随恶劣的环境、人力维护成本高等特点。飞桨融合工业互联网、人工智能大数据分析等技术，借助深度学习赋能的变电站智能装备（机器人)将高性能目标检测算法YOLOv3及语义分割算法U-Net应用于中国南方电网输配电智能巡检，原来需要6小时才能完成的巡检工作现在只需花10分钟进行读数复核即可，准确率高达99.01%。

　　图自飞桨官网“中国南方电网—机器人安全巡检技术方案”

　　另外，除了监测以外，飞桨工业机器人还可以承担其他工作，不仅降低了产业人力成本，还大大提高了生产效率，为我国智慧化工厂的普及提供了先决条件。

　　“精度”与“速度”是人工智能赋能产业的重要参数指标

　　人工智能在产业上的应用，从数据采集到模型选型，到选什么样的硬件，再到预计效率，最后到反馈指导，一环扣一环，都是在反复打磨中，力争“精度”与“速度”与产业需求的高度匹配。其中，在模型训练上，让计算机模拟人脑，通过大数据匹配，学会用函数公式处理复杂问题，给出产业人员一个相对精准的答案，是人工智能的常规路径。如，简单地匹配识别工人有没带安全帽，需要大量的参数与数值支撑，计算机通过标记、评估变量，用函数方式计算结果，最终识别出工人有没有带安全帽，这个过程中，“精度”与“速度”一定要匹配好产业环境，才能让用户有更好的服务体验，最终降本增效，推动绿色高质量发展。

　AI领域机遇与挑战并存

　　业内，关于深度学习框架，中外本质技术差异上其实并不大，但处于下接芯片，上接产业应用腰部位置的AI底层技术，我国面临极大挑战。马艳军博士认为，这主要体现在三个方面：

　　一是我国人工智能人才储备弱。人才是第一资源，千秋大业，以人为本，做这项工作，有如炼钢，很痛苦，需要更多有韧性的复合人才加入进来。

　　二是国际环境上，我国仍面临芯片短缺的掣肘，需要尽力调整姿态，核心技术自主创新，彻底从被动的依赖扭转到核心创造的局面中来，是挑战也是机遇。

　　三是企业将AI搭载在深度学习框架上，迁移成本高，在解决方案上需要政策上的精准扶持，凝聚和建设开发者生态，这些都需要我们共同努力，逐步由制造大国向智造强国迈进。