人工智能（AI）技術在與各行各業(yè)應用場景結(jié)合的過程中，存在一些問題：新技術與行業(yè)場景的結(jié)合能否更加低成本和高效率？能否帶來更顯著的效果和價值？

   我們通過AI開源開放平臺，致力于為產(chǎn)業(yè)提供基礎支撐，助力新技術的引入。

為何需要自主創(chuàng)新的AI平臺

   AI技術與產(chǎn)業(yè)應用結(jié)合時有幾個特點，如通用能力具有可復用性、結(jié)合場景的應用需要多技術融合、產(chǎn)業(yè)落地需要生態(tài)鏈多角色協(xié)同等等�；诖�，建設基礎共性平臺是有必要且可行的。同時，AI應用會涉及數(shù)據(jù)，擁有可靠的自主創(chuàng)新平臺是產(chǎn)業(yè)安全的重要保障。

   產(chǎn)業(yè)級深度學習開源開放平臺“飛槳”就是這樣的基礎平臺。在日益發(fā)展的算力、數(shù)據(jù)能力的支撐下，百度“飛槳”平臺下接芯片、上承各種應用，成為AI技術研發(fā)的基礎底座。因此，建設我國自主創(chuàng)新、技術領先的深度學習平臺具有重要的科技戰(zhàn)略價值。

企業(yè)應用AI的三個階段

   在“飛槳”與伙伴的廣泛合作中，我們觀察總結(jié)發(fā)現(xiàn)，企業(yè)從開始嘗試使用AI，到將AI大量應用于業(yè)務場景，一般來說可分為三個發(fā)展階段。

   首先，是“AI先行者探路”，即企業(yè)中有少數(shù)先行人員嘗試引入AI進行原型驗證。在這一階段，是否有現(xiàn)成可用、滿足應用場景的模型庫，對于先行者來說非常重要。

   以智能質(zhì)檢為例，質(zhì)檢場景下，對模型的準確率和漏檢率都有極高的要求，對模型的性能和吞吐量也有很高要求，質(zhì)檢瑕疵種類往往也很多，產(chǎn)線上的樣本數(shù)據(jù)獲取也尤其困難，因此，必須要有基于產(chǎn)業(yè)場景的模型庫來支持高效的原型驗證。

   通過訓練得到的符合要求的模型并不能代表驗證完畢，還需要將模型集成到系統(tǒng)中取得應用價值，需要有適配各種軟硬件平臺的部署工具并且與模型庫打通，才能快速集成部署應用起來。

   在最初幾次通過驗證取得了AI應用的效益后，企業(yè)對于AI的學習和應用，會從少數(shù)先行者的實踐轉(zhuǎn)變成建設團隊行為，這便進入第二階段——“AI工作坊應用”。

   進入這一階段的企業(yè)會建設一定規(guī)模的AI團隊，進一步將新技術與科技能力引入業(yè)務。比如，與我們合作過的某工業(yè)制造企業(yè)的系統(tǒng)研發(fā)部 AI 團隊共有12名成員，包括4名機械、化工工程師（非計算機專業(yè)人員），7名數(shù)據(jù)、硬件、軟件工程師（非AI的計算機專業(yè)人員），以及一名AI專業(yè)的研發(fā)人員（AI算法工程師、平臺架構(gòu)師）。

   在引入AI能力的過程中，這樣的團隊會先學習新技術，進而對其加以應用。從深度學習核心模型研發(fā)的視角來看，在無代碼可視化開發(fā)模式下，不用開發(fā)代碼也能先用起來。

   如果進行一些開發(fā)工作，可基于場景套件，通過“復用”的方式快速利用現(xiàn)成技術。如果希望面向場景進行定制以獲得更有針對性的效果，那么可以在套件的基礎上進行參數(shù)配置調(diào)整。

   再進一步，還可以對模型進行改寫，甚至在框架的基礎上自主研發(fā)，實現(xiàn)自主創(chuàng)新。在這個過程中，原有的團隊人員將從使用者逐漸轉(zhuǎn)變?yōu)殚_發(fā)者，其工作效率及創(chuàng)新性也會提升。因此，“飛槳”平臺注重提供多層次的產(chǎn)品體系，以滿足開發(fā)者不同層面的需求。

   第三階段，當企業(yè)開始進行大量的AI應用，幾百幾千人一起工作、多人多任務協(xié)同生產(chǎn)，就進入了“AI工業(yè)大生產(chǎn)”階段，從更長期來看還會實現(xiàn)社會化協(xié)同大生產(chǎn)。

   比如，有的企業(yè)研發(fā)人員數(shù)量可達數(shù)千人，他們使用龐大的算力，在幾百個場景應用了大量AI技術。這時，面向算力，需要高效的管理調(diào)度平臺；面向研發(fā)人員，則需要易用的全流程開發(fā)環(huán)境。當前，“飛槳”也正是基于以上核心能力，依托于不同的建模方式，以“雙平臺”模式，分別面向AI應用開發(fā)者和算法開發(fā)者，提供方便好用的AI開發(fā)平臺。

AI人才培養(yǎng)愈加重要

   千行百業(yè)擁抱AI，人才建設仍需先行。

   AI人才培養(yǎng)分三個層次。首先需培養(yǎng)基礎理論研究型人才，以高校和科研機構(gòu)為主開展；第二是基礎軟硬件研發(fā)人才，如“飛槳”項目就帶動了AI基礎軟件研發(fā)人才的成長；第三是產(chǎn)業(yè)應用方面急需培養(yǎng)既懂原有業(yè)務邏輯、又能夠引入并應用新技術的AI復合型人才�；�“飛槳”平臺，我們通過培訓、競賽、社區(qū)交流等方式，讓更多人才把AI技術學起來、用起來。

   從2018年起，依托“飛槳”平臺，我們依靠自身積累的豐富AI實踐經(jīng)驗，聯(lián)合各方發(fā)起了面向全國高校教師的高校師資人工智能培訓活動，迄今已培養(yǎng)2900多名高校專業(yè)教師，服務近700所高校，并支持200多所高校開設AI學分課。

   面向企業(yè)，“飛槳”推出AI快車道、AI私享會、首席AI架構(gòu)師等培訓項目，致力于讓前沿技術深入業(yè)務場景，目前已覆蓋了萬余名不同層級開發(fā)者、上千家企業(yè)，向業(yè)界輸送了190名AI架構(gòu)師，遍布工業(yè)、能源、金融、交通、農(nóng)業(yè)、互聯(lián)網(wǎng)等數(shù)十個行業(yè)，通過與多領域企業(yè)合作實現(xiàn)了AI賦能應用落地。

   截至目前，“飛槳”已匯聚360多萬開發(fā)者，開發(fā)了40萬個AI模型，累計服務13萬企事業(yè)單位。它們來自于工業(yè)、農(nóng)業(yè)、醫(yī)療、城市管理、交通、金融等各行各業(yè)，AI應用的多樣化和規(guī)�；诩铀佟�

   我相信這只是開始。基礎通用的技術和產(chǎn)業(yè)結(jié)合，產(chǎn)教融合培養(yǎng)未來人才。在這個過程中，開源開放平臺會成為產(chǎn)業(yè)科技創(chuàng)新的基礎支撐。通過平臺支撐、人才培養(yǎng)，再加上生態(tài)建設，最終會促成產(chǎn)業(yè)的繁榮發(fā)展�！�

（作者系百度集團副總裁、深度學習技術及應用國家工程實驗室副主任，記者趙廣立整理）