夯实AI新型基础设施 加快科技自立自强步伐

　　近日地方两会的提案，有不少聚焦科技创新、大力发展人工智能，并提出把科技创新这一“关键变量”转化为高质量发展的“最大增量”，以人工智能等“强科技”为引，推动科技成果转化，提升企业创新活力，与当地优势产业结合，激发“人工智能+”带来的引擎作用。人工智能等数字技术正在为科研创新、产业升级、经济增长和人们生产生活的改善注入新动能，驱动新发展。

【人工智能正在发挥“头雁”效应，加速产业升级和科研创新】

　　人工智能是新一轮科技革命和产业变革的重要驱动力量，其关键核心技术深度学习具有很强的通用性，呈现出标准化、自动化、模块化的工业大生产特征，推动人工智能进入工业大生产阶段。

　　在制造业、农业、交通、能源、城市建设等各领域，人工智能正在带动新技术、新产品、新业态、新区域的发展。如在制造业领域，人工智能已应用到质量检测、安全巡检、设备监控、工艺参数优化、设备故障分析等各个环节，助力降本增效；在农业领域，无人驾驶拖拉机等智能农机已可独立耕作，智能农业系统可以实时判断蔬菜的生长状态、病虫病害，帮助农民精准科学施药施肥、及时采收，助力提高生产效率和综合收益，同时有效缓解农业人才短缺的问题；在城市交通领域，智能化路网监控智慧系统可以对整个区域交通流量进行感知、预测和控制优化，显著缩短市民通行时间，极大提升城市交通效率。

　　人工智能也在成为重要的科研辅助力量，通过引入人工智能技术打造新型科学计算工具，提升系统建模分析能力，加速科研领域重大问题的解决效率，推动了科研创新。如在生命科学领域，人工智能可从已掌握结构的蛋白质数据中，成功预测蛋白质的三维结构，显著缩短研究周期，在疫苗设计、新药研发、精准医疗等方面发挥越来越重要的作用；在航天领域，人工智能可以从航天领域的数据和知识中融合学习，对航天数据进行智能采集、分析和理解，有助于深空智能感知规划和控制等技术的突破。

　　人工智能的“头雁”效应，结合我国产业体系的优势，有助于形成良性循环，反哺底层技术突破，加快升级我国的现代化产业体系。

【人工智能进入“深度学习+”阶段，夯实AI新型基础设施意义重大】

　　现阶段，人工智能的融合创新越来越丰富，在融合中趋向统一，在融合中孕育新方向和新模式；大模型进一步增强了人工智能的通用性，成为AI开发和应用的新基座，跨模态、统一大模型向着通用人工智能迈进；深度学习平台的标准化、自动化和模块化特征越来越显著，不断降低人工智能的应用门槛，规模化的AI大生产已然形成。人工智能的技术创新和产业发展，进入“深度学习+”阶段。

　　在技术层面，“深度学习+知识”让机器同时从海量数据和大规模知识中融合学习，效果更好，效率更高，百度研制的产业级知识增强大模型文心，具备跨模态、跨语言的深度语义理解与生成能力，赋能制造、能源、金融、通信、媒体等各行各业；在生态层面，深度学习平台连接上下游生态伙伴，应用需求和反馈传递到深度学习技术及应用的每个环节，各环节持续迭代优化，加速AI技术创新和产业发展；在产业层面，各行各业应用深度学习技术降本增效，创新产品和业务，加快产业智能化进程。

　　以深度学习平台和大模型为代表的AI新型基础设施，对科技创新、产业升级和高质量发展意义重大。科研人员、开发者不必从0到1搭建“地基”，基于平台既可选择定制开发，也可直接选用模型，只需关注自身研究领域、行业的特点和场景需要即可。

　　因此，深度学习平台和大模型是做强做优数字经济、促进科技自立自强的关键点和制高点，我国已经在这方面取得了一定建设成果。百度飞桨作为我国首个自主研发的产业级深度学习开源开放平台，建立了产业级深度学习开发、训练和部署的全流程技术体系，集深度学习框架、产业级模型库、丰富的开发套件和工具组件于一体，核心技术国际领先，市场份额位居全球前三，目前已凝聚535万开发者，服务20万家企事业单位，创建了67万个模型。基于飞桨打造的文心产业级知识增强大模型，形成了基础、任务和行业三级大模型体系，发布的大模型总量达到36个，其方法论、工具平台及模型，也在大量产业实践中得到验证。百度重视人工智能产业上下游伙伴的共同繁荣，构建深度学习良性生态，并联合社会各界培养超过300万AI人才。在技术、生态、产业的融合发展下，百度不断夯实AI新型基础设施，进一步降低门槛，为社会充分挖掘“智能红利”。

　　以飞桨为代表的AI新型基础设施不断成熟、完善，意味着我国开发者与企业不必依赖国外平台进行科技创新和产业应用，可将广大科技工作者的智慧聚焦于自主平台，避免技术代差、技术封锁等风险，同时以此为基础进一步培育自主可控的技术和产业生态，掌握科技创新、经济发展的安全性与主动权，避免受制于人。

　　在新发展格局下，要进一步强化科技创新能力、打造科技强国、赋能实体经济，离不开原创性基础创新和核心关键技术攻关，同时重视应用牵引，从社会发展面临的实际问题中凝练科学问题，突破瓶颈。从技术角度，要提升人工智能等关键核心技术创新和供给能力，持续夯实AI基础设施；从产业角度看，要促进数字技术和实体经济深度融合，更好赋能产业数字化转型和智能化升级。

作者王海峰：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