百度飛槳的“頭雁效應”正在逐步顯現(xiàn)。

1月20日,北京市正式授予百度公司“北京市人工智能產業(yè)創(chuàng)新應用平臺(百度飛槳)”,作為北京市首個人工智能產業(yè)方向的創(chuàng)新應用平臺,將向第三方企業(yè)提供人工智能產業(yè)創(chuàng)新發(fā)展與轉型所需的算力、工具、生態(tài)建設等相關資源,推動人工智能應用落地。

作為國際知名的科技創(chuàng)新中心,北京常常被視為中國科技產業(yè)的風向標。目前北京正在創(chuàng)建國家人工智能創(chuàng)新應用先導區(qū),將人工智能作為新科技革命和產業(yè)變革的前沿陣地,建立產業(yè)級深度學習開源開放平臺,并開展人工智能產業(yè)創(chuàng)新應用,以打造國內城市與人工智能創(chuàng)新平臺合作的新范本。

在這樣特殊的背景下,北京市打造人工智能產業(yè)創(chuàng)新應用平臺的選擇,向外界傳遞了什么樣的信號?

01 經濟的下一個章節(jié)

想要回答這個問題,還要宏觀經濟層面的產業(yè)轉型開始說起。

百度創(chuàng)始人、董事長兼CEO李彥宏曾在演講中給出這樣的觀點——未來十年是智能經濟時代,并從三個維度描述了智能經濟的大致面貌:第一是人機交互方式的智能化;第二是基礎設施的智能化,包括新型的AI芯片、深度學習框架等;第三是產業(yè)的智能化,各行各業(yè)都會因為AI技術而發(fā)生翻天覆地的變化。

先從百度內部的經驗來看,無論是Apollo無人駕駛還是小度智能音箱,人工智能技術已經滲透到百度業(yè)務體系的每一個角落,對于人工智能產業(yè)應用的成熟度,百度無疑有著最為深切的感知。

而就行業(yè)外部的因素而言,新基建在全社會掀起激烈爭論的背后,對應的正是經濟結構的轉型升級,從鐵路、公路、電力等舊基礎設施的驅動,轉向5G、云計算、人工智能構建的新基礎設施。

李彥宏的預見最終在頂層設計上被證實。國家在“十四五規(guī)劃”中,明確將科技自立作為驅動國家創(chuàng)新發(fā)展的核心戰(zhàn)略;12月份的中央經濟工作會議上,也提出“要大力發(fā)展數字經濟,加大新型基礎設施投資力度”。

北京作為中國科技創(chuàng)新的“硅谷”,再一次充當了產業(yè)轉型的領頭羊,“北京市人工智能產業(yè)創(chuàng)新應用平臺(百度飛槳)”的背后,所肩負的使命似乎不難揣測:

一是打造聚焦AI的產業(yè)創(chuàng)新應用平臺,服務第三方企業(yè)進行技術方案驗證,同時提供項目落地需要的基礎算力和算法平臺;

二是借鑒百度飛槳組織AI賽事方面的經驗,支撐北京市組辦的各類人工智能競賽,吸引第三方企業(yè)與人工智能開發(fā)者參與;

三是為AI人才培養(yǎng)提供在線的實訓環(huán)境,為高校教育和社會培訓機構解決人工智能技術學習過程中亟需的算力和算法資源。

通俗一些的理解,“北京市人工智能產業(yè)創(chuàng)新應用平臺(百度飛槳)”扮演的角色相當多元,既要支撐京央企、大型企業(yè)等第三方企業(yè)的智能應用和轉型需求,還要以賽代練加速人工智能的產業(yè)氛圍和人才培養(yǎng),同時進行產學研的對接,為企業(yè)的產業(yè)智能化轉型提供全面的服務。

正如百度CTO王海峰對深度學習框架的形容:在智能時代,深度學習框架起到承上啟下的作用,下接芯片和大型計算機系統(tǒng),上承各種業(yè)務模型與行業(yè)應用,是“智能時代的操作系統(tǒng)”。

承上啟下的開源深度學習框架,可以說是對接不同產業(yè)需求的“萬能接口”。

02 硬實力背書的飛槳

早在2016年的時候,飛槳就填補了國產開源深度學習框架的空白,也是國內首個自主可控、開源開放、功能完備的產業(yè)級深度學習平臺。飛槳向下對接芯片,能夠和芯片進行軟硬一體的優(yōu)化,向上支撐各種應用,助力技術創(chuàng)新和業(yè)務發(fā)展,被看作是“智能時代的操作系統(tǒng)”。

雖然2020年是國產開源深度學習框架的“暖春”,不少玩家開始跟風而上,但百度飛槳可以說是唯一的產業(yè)級選擇。在國內深度學習框架中,百度飛槳早已擁有絕對的領先態(tài)勢。

目前飛槳平臺凝聚了超過265萬開發(fā)者,10萬多家的企業(yè)在飛槳上創(chuàng)建了超過34萬個模型。按照權威數據調研機構IDC的數據顯示,目前百度飛槳在國內的綜合市場份額已經位列第二,與排名第一的 Google TensorFlow幾乎持平。

不過,百度飛槳被授予“北京市人工智能產業(yè)創(chuàng)新應用平臺(百度飛槳)”的原因,恐怕不只是市場份額上的優(yōu)勢,還有飛槳給出的一攬子解決方案。

比如在產業(yè)實踐層面,飛槳經過十余次的版本迭代后,穩(wěn)定性和成熟度已經被首鋼、南方電網、中石油、中科院遙感所、京東方、OPPO等多個行業(yè)的頭部客戶驗證。相比于可以追趕的技術參數,產業(yè)實踐中的經驗和積累看似不可量化,卻是人工智能產業(yè)落地時無法被復制的先天優(yōu)勢。

再比如人才培養(yǎng)方面,飛槳創(chuàng)辦了中國首個深度學習技術俱樂部“飛槳博士會”,針對企業(yè)開發(fā)者打造了“黃埔學院”和企業(yè)深度學習實戰(zhàn)營“AI快車道”,同時對全國重點高校提供了教學資源、實踐平臺、GPU算力、硬件教具全方位教學支持,業(yè)已覆蓋了各個層次的人工智能人才培養(yǎng)。

也就是說,有別于學術性的開源框架,飛槳已經凝聚了265萬開發(fā)者,還和20家硬件生態(tài)伙伴達成了合作,目前適配或者正在適配的芯片/IP 型號已經有29種,正全面AI 產業(yè)生態(tài)的構建。

何況科技自強已經成為時代的主旋律,深度學習框架和芯片作為人工智能基礎設施的一體兩面,有了芯片產業(yè)被國外“卡脖子”的教訓,倘若中國的人工智能產業(yè)過度依賴國外的開源框架,不排除將重蹈芯片的覆轍。

“北京市人工智能產業(yè)創(chuàng)新應用平臺(百度飛槳)”作為北京市首個人工智能產業(yè)方向的創(chuàng)新應用平臺,顯然是看中了飛槳的硬實力。

03 城市級的智力中樞

回到產業(yè)智能化的背景上,當人工智能開始脫虛向實,與產業(yè)進行深度融合的時候,屢屢出現(xiàn)的討論卻是:人工智能與產業(yè)融合的最后一公里該怎么走?

為何會出現(xiàn)這樣的拷問,離不開人工智能落地的三個現(xiàn)實問題:

一是技術和應用的錯位。

時常發(fā)生的一個情景是,企業(yè)對人工智能等新生產力有著迫切的應用需求,可落地的時候僅僅只是錦上添花,無法解決產業(yè)的核心痛點。以熱門的智能養(yǎng)豬為例,一波又一波的程序員走進豬場,上演了“豬臉識別”的杰作,可對豬場如何預防疫情并進行科學應對,往往沒有進一步的答案。

二是復合型人才的匱乏。

人工智能本質上是一種生產力能力,從實驗室走進產業(yè)的過程中存在著巨大的信息不對稱,還需要架起場景落地的橋梁�，F(xiàn)實中遭遇的一幕在于,懂技術的不懂行業(yè),懂行業(yè)的又缺少技術思維,復合型專業(yè)人才的嚴重匱乏,早已是人工智能與實體經濟深度融合過程中最直接的瓶頸之一。

三是應用場景的碎片化。

即便有一些讓人眼前一亮的落地案例,細究起來的話,所解決的也只是某個點狀的問題,而產業(yè)中存在的卻是面狀的需求。由于場景的碎片化,一家企業(yè)所能提供的產品和解決方案非常有限,不同的產品又缺少標準化的體系,無形中成了制約人工智能產業(yè)落地的又一人為產生的不利因素。

“北京市人工智能產業(yè)創(chuàng)新應用平臺(百度飛槳)”的示范效應正在于此:

一方面,飛槳作為開源的深度學習框架,開發(fā)者們已經貢獻了超過34萬個模型,并且還在持續(xù)增長中。這些經過產業(yè)實踐驗證的模型,將是加速人工智能規(guī)�；�落地的催化劑,也是從源頭上打造產業(yè)標準的關鍵一環(huán)。

另一方面,以平臺的形式進行人才培養(yǎng)以及產學研一體化融合,瞄準的正是復合型專業(yè)人才的缺口。畢竟開源的算法和解決方案已經降低了產業(yè)化應用的開發(fā)門檻,通過專業(yè)培訓來彌補復合型人才的短缺并非沒有可能。

打一個比方的話,北京正在借百度飛槳打造推動人工智能落地的城市級“智能中樞”,降低企業(yè)應用人工智能的門檻和成本,賦能有需求的企業(yè)和人,給出了普適性的“最后一公里”解決方案。

值得思考的是,從中關村時代開始,北京就一直是創(chuàng)新創(chuàng)業(yè)的大本營,締造了一家又一家科技巨頭,也積累了不可復制的產業(yè)經驗。所以在智能經濟時代的布局中,北京市并沒有像一些城市那樣盲目落子,而是綜合了技術優(yōu)勢、人才培養(yǎng)和產業(yè)生態(tài),在新一輪的城市競爭中提前奠定了領先地位。

04 寫在最后

北京和百度飛槳傳遞了什么樣的信號,似乎已經不難回答。

當經濟的重心向人工智能轉移的時候,所有城市都不會是旁觀者,要么踏著新的浪潮邁向經濟增長的下一個章節(jié),要么在轉型升級的泥潭中遲遲徘徊。

就像電商中心、IoT小鎮(zhèn)曾經引發(fā)的像素級模仿,經濟進入到產業(yè)智能化的進程后,諸如“北京市人工智能產業(yè)創(chuàng)新應用平臺(百度飛槳)”這樣的“智力中樞”,應當是所有城市的標配,并結合當地的產業(yè)形態(tài)、經濟結構、人才組成等進行因地制宜,為產業(yè)智能化升級按下加速鍵。