去年年中時,百度發(fā)布了一份“百度AI新基建版圖”,從智能交通、智慧城市、智慧金融、智慧能源、智慧醫(yī)療、工業(yè)互聯(lián)網(wǎng)和智能制造等多個維度來闡述百度AI如何與新基建融合,從而創(chuàng)造和發(fā)揮價值。

更進一步來說,這要求我們參與AI產業(yè)化建設時,每一項技術研發(fā)都要有的放矢,盯住每個產業(yè)和不同的垂直場景對AI的特異性需求,并從產業(yè)中找到適用AI技術的位置,嚴格以產業(yè)需求為“錨”,讓技術從實驗室中來,到產業(yè)中去,最終都有落地的歸宿。

2、全要素推進,基礎設施建設扎實有序

AI融合落地在2021年加速發(fā)展,并不是說這項趨勢只存在于2021年,而是以2021年為開始,AI融合落地將長時間的持續(xù)進行,參照著“新基建”,AI融合落地的產業(yè)化進程同樣是一個長期而系統(tǒng)的工作,必須在多個方面進行“配套基礎設施”的建設,以確保產業(yè)落地是可持續(xù)的。

因而Gartener的報告認為云計算向分布式云演進,智能業(yè)務流程和供應商平臺的爆發(fā)等,都是在基礎技術研發(fā)的基礎上來實現(xiàn)的。

與此同時,谷歌首席AI科學家Jeff Dean在一份谷歌2020年的總結報告中也著重提到,谷歌一直關注的無監(jiān)督學習、AutoML(自動機器學習)、機器感知這三大領域中,一些基礎性算法的都取得了創(chuàng)新和突破。

比如在無監(jiān)督學習領域,谷歌開發(fā)了名為SimCLR的自監(jiān)督和半監(jiān)督學習技術,可以實現(xiàn)同時最大化同一圖像的不同變換視圖之間的一致性和最小化不同圖像的變換視圖之間的一致性。

在AutoML上,谷歌嘗試從AutoML-Zero的學習代碼運算中采取一種由原始運算(加減法、變量賦值和矩陣乘法)組成的搜索空間,以期用來從頭開始演繹現(xiàn)代的機器學習算法。

在機器感知領域,谷歌也取得了包括CvxNet、3D形狀的深層隱式函數(shù)、神經體素渲染和CoReNet等算法模型的突破。

百度對“基礎”的理解來自于對AI三大要素的推進,其中包括在數(shù)據(jù)上培養(yǎng)AI數(shù)據(jù)標注師;在算力上對智能云服務器擴容;在算法上用5年時間培養(yǎng)500萬AI人才,推動算法進步等。

3、全自主可控,特殊背景下的技術自強

上文提到,AI融合落地加速是一個機遇,同時也是一場中外競賽。

作為產業(yè)變革的方向,AI產業(yè)化在當前的時代背景下具有了一個前置條件,即核心技術的自主可控,畢竟我們在這方面是吃過虧,踩過坑的,與AI融合落地相關的操作系統(tǒng)、芯片等領域,我國都被“卡”著脖子。

白春禮院士在《世界科技前沿發(fā)展態(tài)勢》的報告中,將“把握機遇搶占先機,加快實現(xiàn)科技自立自強”作為重點進行闡述,直接指出我國在基礎研究方面的影響力不夠,在戰(zhàn)略高技術方面,還面臨很多關鍵核心技術的制約。

目前國內的科技企業(yè)們在AI技術自主可控的突破上,做了大量的努力,像百度在深度學習、自然語言處理、智能駕駛等多個AI領域都有掌握行業(yè)話語權的技術儲備,飛槳在“操作系統(tǒng)”層面成為中國唯一與Google TensorFlow競爭的國產深度學習開放平臺,但這并不是行業(yè)全貌,在現(xiàn)實中,仍有大量空白領域需要我們去填充。

4、全生態(tài)發(fā)展,哪里有需求哪里就有AI

AI產業(yè)化趨勢已成,并不意味著單憑一己之力就能實現(xiàn)對所有產業(yè)整個社會的技術輸出,AI產業(yè)化進程始終保持活力的關鍵在于生態(tài)化的發(fā)展。

Gartener的預測報告提到“UI/UX技術和以人為本的體驗設計”仍將是2021年科技行業(yè)的重點領域,而利用虛擬現(xiàn)實和增強現(xiàn)實來增加體驗是新趨勢。

Gartner將數(shù)字體驗定義為:總經驗(TX)=多經驗(MX)+客戶經驗(CX)+員工經驗(EX)+用戶經驗(UX)。多經驗開發(fā)平臺(MXDP) 和低代碼開發(fā)平臺將繼續(xù)興起,這將有助于構建用于用戶交互的應用程序和產品,作為其跨各種接觸點(例如觸摸,語音和手勢)的數(shù)字旅程的一部分。

很顯然,僅以這一項趨勢就可窺視出AI融合落地的關鍵在于生態(tài),既包含技術研發(fā)生態(tài),也包含產品應用生態(tài)。

谷歌、亞馬遜和微軟等公司為主導各種開源項目,比如在深度學習領域的TensorFlow、MXNet、PyTorch等都是AI生態(tài)融合的落地典型。

百度AI很早也參透了這一點,在進行AI布局時就以生態(tài)為重。

以百度大腦為例,里面“濃縮”了百度多年來在語音、語義、圖像、視頻、知識圖譜等多個領域的AI技術積累,由于開源開放的生態(tài),推動著大量開發(fā)者開發(fā)出大量AI應用,再快速的在各個細分再細分的場景里落地。

開放生態(tài)下,各種類型的合作伙伴共同參與產業(yè)應用的開發(fā)與建設,帶來更多樣化的資源支撐,多方合力之下,讓AI無處不在。

跟隨2021年的智能浪潮,百度AI值得關注

無論如何,AI融合落地的產業(yè)化大時代已經來臨,在這場盛宴中,一側是以百度為代表的,不斷強化并推動產業(yè)落地進程,同時在多個維度保證落地價值的頭部企業(yè),另一側是趁著風起入場的中小玩家。

很顯然,玩家越多,說明產業(yè)價值高,不管是對于AI技術發(fā)展,還是對于AI產業(yè)化落地都有益處。

站在2021年的風口之上,我們有以下幾點必須明確:

第一,雖然產業(yè)化落地是重點,但在基礎技術的研發(fā)是沒有止境的,這也意味著,即便是后來者,只要抓住技術迭代的空檔期,仍然會有機會。

第二,隨著產業(yè)化進程的推進,AI落地的廣度和深度也在不斷增加,其中的需求需要大量的建設者來填充,在這場盛宴中,對于各類玩家而言,無非是巨頭分大蛋糕,中小玩家分小蛋糕。

第三,巨頭間的競爭,特別是中外巨頭的競爭會更加激烈,中外巨頭在基礎能力上差距不大,而決勝的關鍵則在于企業(yè)戰(zhàn)略的方向,以及與產業(yè)的距離,越是貼近產業(yè)提早布局,其勝算就多加一分。

在這場競爭中,由于百度AI的提前布局,早早站定了第一梯隊的位置,同時隨著AI產業(yè)化進程的深入,百度AI的優(yōu)勢也將繼續(xù)強化。

其中的原因在于,百度AI在這個過程中形成了自增強正向循環(huán),即AI產業(yè)落地后反饋技術迭代,技術升級后再推動落地跨越,就像打怪升級一樣,每完成一次循環(huán),百度AI的實力就增強一分,反復循環(huán)下,百度AI在技術層面的能力越來越精湛,在落地方面的經驗越來越豐富,其在行業(yè)中的競爭壁壘也越來越厚實。

另外一個維度,百度AI抓住了產業(yè)化的機遇和紅利,同時也成為了時代的開創(chuàng)者和建設者,百度AI以落地的方式實現(xiàn)了技術的商業(yè)價值,同時也創(chuàng)造出帶有鮮明印記的社會價值。

回首2020,有太多的AI進步和產業(yè)突破值得我們總結,展望2021,AI融合落地的產業(yè)化爆發(fā)一定會帶來更多驚喜,百度AI擎起的產業(yè)化大旗更是值得期待。

*本文圖片均來源于網(wǎng)絡

此內容為【智能相對論】原創(chuàng),

僅代表個人觀點,未經授權,任何人不得以任何方式使用,包括轉載、摘編、復制或建立鏡像。

部分圖片來自網(wǎng)絡,且未核實版權歸屬,不作為商業(yè)用途,如有侵犯,請作者與我們聯(lián)系。

智能相對論

?AI產業(yè)新媒體;

?今日頭條青云計劃獲獎者TOP10;

?澎湃新聞科技榜單月度top5;

?文章長期“霸占”鈦媒體熱門文章排行榜TOP10;

?著有《人工智能 十萬個為什么》

?【重點關注領域】智能家電(含白電、黑電、智能手機、無人機等AIoT設備)、智能駕駛、AI+醫(yī)療、機器人、物聯(lián)網(wǎng)、AI+金融、AI+教育、AR/VR、云計算、開發(fā)者以及背后的芯片、算法等。