百度發(fā)布「AI大底座」：一口氣把10年AI技術(shù)積累打包了

魚羊 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

技術(shù)創(chuàng)新的節(jié)點性時刻，往往是以基建變革的形式展現(xiàn)。

現(xiàn)在，中國AI頭號玩家百度，再次明確復(fù)現(xiàn)了這一規(guī)律：

AI大底座，已正式對外推出。

就在剛剛結(jié)束的百度AI開發(fā)者大會上，李彥宏判斷，深度學習算法是第四次科技革命的標志。

并且“創(chuàng)新驅(qū)動增長，反饋驅(qū)動創(chuàng)新”，這種技術(shù)力量向產(chǎn)業(yè)蔓延的過程中，真正的應(yīng)用創(chuàng)新要靠在產(chǎn)業(yè)實際應(yīng)用中的“反饋”才能實現(xiàn)。

△百度創(chuàng)始人、董事長兼首席執(zhí)行官李彥宏

而集百度AI能力之大成的AI大底座，正是百度交出的答卷。

什么是AI大底座？

可以這樣理解：這一基礎(chǔ)設(shè)施涵蓋從芯片、框架，到大模型、應(yīng)用的AI發(fā)展全要素。等于是把大數(shù)據(jù)、大算力、大模型集結(jié)到了同一個體系結(jié)構(gòu)當中。

相比于傳統(tǒng)云服務(wù)，可以說是全面“AI化”，把計算跟智能更緊密地綁定在了一起。

百度此舉，如何解讀？又具體印證了怎樣的技術(shù)大勢？

我們照例一層層拆解來看。

AI大底座如何構(gòu)成？

還是先來看看AI大底座的完整構(gòu)成。

具體分為兩層：

• 基礎(chǔ)架構(gòu)AI IaaS層：最核心的組成部分是提供AI算力支持的芯片。在百度AI大底座中，核心芯片包括百度自研的AI芯片昆侖芯，以及太行DPU等。
• 應(yīng)用平臺AI PaaS層：整合百度AI兩大王牌飛槳深度學習框架和百度文心大模型，能夠?qū)崿F(xiàn)從數(shù)據(jù)存儲，到AI模型訓(xùn)練、生產(chǎn)、部署、測試的全鏈路、批量化生產(chǎn)。

從架構(gòu)上來看，AI大底座既在底層的AI計算、存儲、加速、容器方面進行了系統(tǒng)優(yōu)化和產(chǎn)品自研，也在更高層的AI開發(fā)、模型供給能力方面，釋出了百度長期積累的AI技術(shù)優(yōu)勢。

更值得關(guān)注的是，由于百度在全要素上都實現(xiàn)了核心產(chǎn)品自研，集大成的AI大底座各層之間深度耦合，使得端到端的整合優(yōu)化成為可能。

基于這樣的架構(gòu)，AI應(yīng)用開發(fā)的模式不再是手工作坊式的“一項目一訓(xùn)練”，需要耗費大量數(shù)據(jù)標注成本和人工調(diào)優(yōu)成本，而是更像流水線工廠：

AI底層技術(shù)被抽象出來，形成了通用化、模塊化的平臺套件，企業(yè)只需要按照實際業(yè)務(wù)需求“搭積木”。

AI大底座有何用？

這樣一種基礎(chǔ)設(shè)施的形式，能帶來什么新價值？

核心還是與產(chǎn)業(yè)升級最本質(zhì)的需求有關(guān)，即降本增效。

結(jié)合實際案例來看。理想汽車和百度智能云合作，基于百度AI大底座，構(gòu)建了用于自動駕駛研發(fā)的“理想汽車智能云”。

理想的需求在于，隨著自動駕駛研發(fā)的深入，其所面對的業(yè)務(wù)場景越來越龐大、復(fù)雜；并且隨著智能汽車出貨量越來越多，很多車載數(shù)據(jù)要回傳進一步再訓(xùn)練，其中涉及到復(fù)雜的AI開發(fā)應(yīng)用環(huán)節(jié)，對算力、模型泛化能力的要求也很高。

于是，百度AI大底座一方面為其提供了完整的開發(fā)應(yīng)用工具鏈，涵蓋數(shù)據(jù)采集標注、數(shù)據(jù)閉環(huán)、模型開發(fā)、云仿真等AI開發(fā)環(huán)節(jié)，讓理想可以不用花費額外的時間精力，考慮資源調(diào)度、訓(xùn)練性能、模型部署驗證等問題。

另一方面，在百度AI大底座的體系之中，應(yīng)用落地過程中出現(xiàn)的模型效果問題，能夠在深度學習框架的支持之下，快速驅(qū)動迭代新的模型結(jié)構(gòu)；同時當上層應(yīng)用對底層芯片算力提出新的要求，也能夠迅速得到反饋調(diào)整。

通過這樣端到端的優(yōu)化，AI大底座使自動駕駛常用的算子訓(xùn)練和推理速度平均提升了100%，同時使研發(fā)迭代效率提升了100%。

從這個案例中可以看出，企業(yè)做智能化、做AI開發(fā)的核心痛點包括兩方面：

• 其一，基礎(chǔ)設(shè)施構(gòu)建需要花費大量時間精力。尤其在智能計算占比加重的情況下，芯片、框架、模型、應(yīng)用各個環(huán)節(jié)，都需要大規(guī)模投入和長期技術(shù)積累。
• 其二，所構(gòu)建的基礎(chǔ)設(shè)施如果不能從底層硬件到上層應(yīng)用深度耦合，就會影響AI開發(fā)的實際效率和迭代速度。

而AI大底座作為一個全棧融合的智算基礎(chǔ)設(shè)施，憑借其全要素、端到端優(yōu)化的特點，在滿足產(chǎn)業(yè)對基礎(chǔ)設(shè)施的最新需求的同時，恰恰能解決智能化過程中資源效能和模型效能的瓶頸問題。

此外，上層文心大模型的引入，還驅(qū)動AI大底座形成了平臺化的反饋閉環(huán)機制。

簡單來說，就是產(chǎn)業(yè)應(yīng)用中產(chǎn)生的新知識和經(jīng)驗，還能不斷被用來再訓(xùn)練大模型，讓AI實現(xiàn)“自我升級”，以適應(yīng)不同的業(yè)務(wù)環(huán)境。

國網(wǎng)福建，就已受益于這一機制。

為了解決復(fù)雜自然環(huán)境中的設(shè)備巡檢等業(yè)務(wù)問題，國網(wǎng)福建同樣選擇了智能化升級。

他們遇到的一個問題是，雖然攝像頭、無人機等設(shè)備可以充當巡檢人員的“眼睛”，替人進入到復(fù)雜、危險環(huán)境中回傳數(shù)據(jù)，再靠AI來輔助判斷安全隱患、瑕疵點。但實際上，自然界的陽光、云彩、光線、植被，任何一點變化都可能給數(shù)據(jù)帶來新的噪音，影響模型的準確率。

另外，國網(wǎng)是一個大集團，底下各個分公司面對的自然環(huán)境都不一樣，因此通用模型落實到本地，效果往往不盡如人意。

國網(wǎng)福建的最新解決方案，是依托于百度AI大底座，打造了一個電力大模型。

這個電力大模型每到一處，通過吸收少量當?shù)貥颖拘畔⑦M行微調(diào)，就能快速適應(yīng)當?shù)匦枨?。同時，微調(diào)的過程又會被反饋到通用大模型本體當中，進一步加強通用大模型的泛化能力。

數(shù)據(jù)顯示，這種AI自我升級能力的引入，使得電網(wǎng)巡檢場景中安全隱患識別率提升了30%，識別效率提升了5倍。

AI大底座，為什么是現(xiàn)在？

簡單總結(jié)起來，百度AI大底座，從技術(shù)的角度來看，就是百度AI技術(shù)的集大成者。從產(chǎn)業(yè)價值的角度來看，則是以集中力量辦大事的方式，解決了產(chǎn)業(yè)升級當前面臨的痛點問題。

但，為什么是現(xiàn)在？

當ChatGPT為首的一眾大模型，在2022年里掀起一波又一波AIGC的狂歡。

在更靠近實際應(yīng)用的產(chǎn)業(yè)側(cè)，新一輪技術(shù)沖擊也正在引爆各行各業(yè)對AI應(yīng)用的需求增長。

無論是理想的案例，還是國家電網(wǎng)的案例，本質(zhì)上看，這一輪基礎(chǔ)設(shè)施之變，實際上就是圍繞智能之變。

這一點，在數(shù)據(jù)上亦有反饋。IDC最新報告就預(yù)測，2022年，中國AI公有云服務(wù)市場規(guī)模將達到74.6億人民幣。相較于2021年的44.1億元人民幣，增長了近41%。

所以，為什么百度選擇在此時推出AI大底座，第一重答案，就是時代所需，大勢所至。

如果說基礎(chǔ)云計算，加速了企業(yè)數(shù)據(jù)、業(yè)務(wù)電子化、數(shù)字化的進程，那么當AI開始更深層次地被嵌入到企業(yè)發(fā)展的鏈路之中，新一代AI基礎(chǔ)設(shè)施的推出就變得勢在必行。

百度集團副總裁侯震宇也坦承：

AI大底座正是應(yīng)經(jīng)濟加速智能化的大潮流而生。

△百度集團副總裁侯震宇

而盡管在通用云產(chǎn)品上，百度智能云更多扮演的是“追趕者”的角色，但其與AI的淵源，卻是時間跨度最長的。

有不少行業(yè)分析認為，百度智能云從誕生起就是百度AI技術(shù)的輸出窗口，可以說從出生起就是一朵打著AI標簽的云。

這就是第二重答案：在AI+Cloud這一方向上，百度具有“人無我有”的技術(shù)優(yōu)勢和經(jīng)驗積累。

AI領(lǐng)域出身的玩家，在底層芯片和系統(tǒng)能力上往往欠缺經(jīng)驗。而有著深厚底層設(shè)施基礎(chǔ)的廠商，在上層AI軟件能力上，又缺少豐富的落地案例積累。

從這個層面上來說，在芯片、深度學習框架、大模型、產(chǎn)業(yè)應(yīng)用各個環(huán)節(jié)都有自研基礎(chǔ)，且已積累豐富落地經(jīng)驗的，百度算得上是獨一家：

芯片方面，2011年，百度就啟動了自研FPGA AI加速器項目。2017年，已經(jīng)有超過1.2萬片F(xiàn)PGA在百度業(yè)務(wù)體系中被部署。

2018年，百度更是發(fā)布了自主研發(fā)的AI芯片昆侖芯。2020年，第一代昆侖芯開始大規(guī)模部署。目前，這顆芯片已經(jīng)落地超過2萬片，并且被廣泛應(yīng)用在百度搜索和自動駕駛等領(lǐng)域，同時服務(wù) 50 多家外部客戶，是國內(nèi)為數(shù)不多真正經(jīng)受過大規(guī)模算法考驗的芯片。

框架方面，百度飛槳是國內(nèi)最早啟動研發(fā)的自研深度學習框架。2016年開源至今，已凝聚406萬開發(fā)者，服務(wù)過15.7萬企事業(yè)單位，開發(fā)模型達47.6萬個。

根據(jù)IDC報告，截至2021年上半年，TensorFLow、PyTorch以及百度飛槳成為國內(nèi)最高頻使用的開源框架。

大模型方面，百度文心大模型是基于百度逾10年的AI技術(shù)積累，和20年來產(chǎn)品業(yè)務(wù)沉淀下的用戶真實需求打造。從2019年ERNIE 1.0發(fā)布算起，文心大模型在公開權(quán)威語義評測中已斬獲十余項世界冠軍。

基于文心大模型，百度目前已發(fā)布11個行業(yè)大模型，大模型總量達36個，已構(gòu)成業(yè)界規(guī)模最大的產(chǎn)業(yè)大模型體系。目前已大規(guī)模應(yīng)用于搜索、信息流等互聯(lián)網(wǎng)產(chǎn)品，并在工業(yè)、能源、金融、汽車、通信、媒體、教育等各行業(yè)落地應(yīng)用。

這些技術(shù)布局，往往始于技術(shù)微末之時，甚至被冠以“燒錢”的字眼。

但也正是十年飲冰的堅持投入，使得百度AI大底座成為了行業(yè)內(nèi)首個全棧自研的智算基礎(chǔ)設(shè)施。

又正是長期技術(shù)積累帶來的全棧自研能力，給行業(yè)和百度本身，都帶來了更深遠的影響。

對于行業(yè)而言，一個全要素、端到端的基礎(chǔ)設(shè)施，實際是在AI應(yīng)用密度越來越高、需求計算量越來越大的情況下，把高門檻技術(shù)以低門檻方式輸出實現(xiàn)，同時還使得更高性價比成為可能。

用百度自己的話說，是：

別人用100張卡來做的事，我們用五六十張就能解決。

百度AI大底座可提升千卡并行加速比至90%以上，訓(xùn)練場景資源利用率70%以上，模型開發(fā)迭代效率提升100%以上。

這一點，還更為具象化地體現(xiàn)在了百度首次對外開放的陽泉智算中心上。

這一智算中心是目前已建成的亞洲最大單體智算中心，具備4EFLOPS的算力，千卡加速比達到90%，異構(gòu)資源利用率超過70%。

在綠色節(jié)能方面，其PUE值（電能使用效率）低至1.08。這意味著百度一家企業(yè)一年節(jié)省的電量等于德國一個中型城市全年用電量。因節(jié)能而節(jié)省的成本，隨著智算中心的對外開放，也將投射到客戶的成本節(jié)約上。

注：PUE=數(shù)據(jù)中心總能耗/IT設(shè)備能耗，越接近1表明能效水平越好。

這也就意味著，未來能參與到智能化升級進程中的企業(yè)，將不止于實力更為強勁的產(chǎn)業(yè)頭部企業(yè)，更多中小企業(yè)亦將為前沿科技所輻射。

而對于百度而言，自主可控本身亦是更深層次社會價值的體現(xiàn)。

技術(shù)的創(chuàng)新，驅(qū)動著基建的變革，又通過新一代基礎(chǔ)設(shè)施的種種特征，更為清晰地被標注在產(chǎn)業(yè)應(yīng)用之中，切切實實地影響著產(chǎn)業(yè)智能化轉(zhuǎn)型的節(jié)奏和發(fā)展速度。

背后科技自立的價值，不言而喻。

是以，時候到了。

△百度集團執(zhí)行副總裁、百度智能云事業(yè)群總裁沈抖

并且就如百度集團執(zhí)行副總裁、百度智能云事業(yè)群總裁沈抖所分享的那樣：

智能化為行業(yè)創(chuàng)造價值的浪潮才剛剛開始。

— 完 —