封面新闻记者 付文超

2月27日，中国人工智能学会首届智能融合产业论坛在成都顺利举办。本届论坛由中国人工智能学会（CAAI）主办，中国人工智能学会智能融合专委会、百度公司、深度学习技术及应用国家工程研究中心和电子科技大学联合承办。中国工程院多名院士、知名专家、企业代表齐聚一堂，共同探讨人工智能技术发展与创新，促进智能融合领域产学研交流，推动智能融合领域的核心理论、关键技术和产业变革的蓬勃发展。

现场，百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰以《“深度学习+”创新发展新引擎》为题，阐释了人工智能技术创新和产业发展进入“深度学习+”阶段。王海峰表示，深度学习在技术、生态、产业等多个维度已逐渐成熟，人工智能的技术创新和产业发展进入“深度学习+”阶段，正引领新一轮技术更迭。

据介绍，在技术层面，“深度学习+知识”是人工智能技术进一步发展的重要方向。知识增强的深度学习，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。百度文心产业级知识增强大模型，具备跨模态、跨语言的深度语义理解与生成能力，已应用于搜索、信息流、智能音箱等互联网产品，并通过飞桨深度学习平台赋能制造、能源、金融、通信、媒体等各行各业。

在生态层面，深度学习+上下游生态伙伴。芯片、深度学习框架、模型及应用构成了深度学习良性生态，使得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。飞桨是我国首个自主研发的产业级深度学习开源开放平台，集核心框架、基础模型库、端到端开发套件、丰富的工具组件于一体，极大降低应用门槛。

在产业层面，深度学习+千行百业。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，努力实现高质量增长。我国的产业体系品类齐全、体量庞大，深度学习驱动的创新有丰富的应用场景，有助于形成良性循环，促进底层技术突破，加快升级现代化产业体系。

作为近几年人工智能发展的重要方向，大模型具有效果好、泛化性强、研发流程标准化的特点。但与此同时，大模型研发门槛高、难度大，依赖算法、算力和数据综合支撑，产业化面临挑战：首先是模型体积大，训练难度高；其次是算力规模大，性能要求高；第三是数据规模大，数据质量参差不齐。

如何实现大模型产业化？王海峰表示，具有算法、算力和数据综合优势的企业，可以将模型生产的复杂过程封装起来，通过低门槛、高效率的生产平台，为千行百业提供大模型服务。

此外，王海峰还认为，“深度学习+”驱动技术创新、产业发展，离不开深度学习产业链的完善和壮大，而深度学习平台和大模型贯通了从硬件适配、模型训练、推理部署，到场景应用的全产业链，为人工智能技术创新和产业增长夯实了智能化基座。