人工智能（AI）技术在与各行各业应用场景结合的过程中，存在一些问题：新技术与行业场景的结合能否更加低成本和高效率？能否带来更显著的效果和价值？
我们通过AI开源开放平台，致力于为产业提供基础支撑，助力新技术的引入。
为何需要自主创新的AI平台
AI技术与产业应用结合时有几个特点，如通用能力具有可复用性、结合场景的应用需要多技术融合、产业落地需要生态链多角色协同等等。基于此，建设基础共性平台是有必要且可行的。同时，AI应用会涉及数据，拥有可靠的自主创新平台是产业安全的重要保障。
产业级深度学习开源开放平台“飞桨”就是这样的基础平台。在日益发展的算力、数据能力的支撑下，百度“飞桨”平台下接芯片、上承各种应用，成为AI技术研发的基础底座。因此，建设我国自主创新、技术领先的深度学习平台具有重要的科技战略价值。
企业应用AI的三个阶段
在“飞桨”与伙伴的广泛合作中，我们观察总结发现，企业从开始尝试使用AI，到将AI大量应用于业务场景，一般来说可分为三个发展阶段。
首先，是“AI先行者探路”，即企业中有少数先行人员尝试引入AI进行原型验证。在这一阶段，是否有现成可用、满足应用场景的模型库，对于先行者来说非常重要。
以智能质检为例，质检场景下，对模型的准确率和漏检率都有极高的要求，对模型的性能和吞吐量也有很高要求，质检瑕疵种类往往也很多，产线上的样本数据获取也尤其困难，因此，必须要有基于产业场景的模型库来支持高效的原型验证。
通过训练得到的符合要求的模型并不能代表验证完毕，还需要将模型集成到系统中取得应用价值，需要有适配各种软硬件平台的部署工具并且与模型库打通，才能快速集成部署应用起来。
在最初几次通过验证取得了AI应用的效益后，企业对于AI的学习和应用，会从少数先行者的实践转变成建设团队行为，这便进入第二阶段——“AI工作坊应用”。
进入这一阶段的企业会建设一定规模的AI团队，进一步将新技术与科技能力引入业务。比如，与我们合作过的某工业制造企业的系统研发部 AI 团队共有12名成员，包括4名机械、化工工程师（非计算机专业人员），7名数据、硬件、软件工程师（非AI的计算机专业人员），以及一名AI专业的研发人员（AI算法工程师、平台架构师）。
在引入AI能力的过程中，这样的团队会先学习新技术，进而对其加以应用。从深度学习核心模型研发的视角来看，在无代码可视化开发模式下，不用开发代码也能先用起来。
如果进行一些开发工作，可基于场景套件，通过“复用”的方式快速利用现成技术。如果希望面向场景进行定制以获得更有针对性的效果，那么可以在套件的基础上进行参数配置调整。
再进一步，还可以对模型进行改写，甚至在框架的基础上自主研发，实现自主创新。在这个过程中，原有的团队人员将从使用者逐渐转变为开发者，其工作效率及创新性也会提升。因此，“飞桨”平台注重提供多层次的产品体系，以满足开发者不同层面的需求。
第三阶段，当企业开始进行大量的AI应用，几百几千人一起工作、多人多任务协同生产，就进入了“AI工业大生产”阶段，从更长期来看还会实现社会化协同大生产。
比如，有的企业研发人员数量可达数千人，他们使用庞大的算力，在几百个场景应用了大量AI技术。这时，面向算力，需要高效的管理调度平台；面向研发人员，则需要易用的全流程开发环境。当前，“飞桨”也正是基于以上核心能力，依托于不同的建模方式，以“双平台”模式，分别面向AI应用开发者和算法开发者，提供方便好用的AI开发平台。
AI人才培养愈加重要
千行百业拥抱AI，人才建设仍需先行。
AI人才培养分三个层次。首先需培养基础理论研究型人才，以高校和科研机构为主开展；第二是基础软硬件研发人才，如“飞桨”项目就带动了AI基础软件研发人才的成长；第三是产业应用方面急需培养既懂原有业务逻辑、又能够引入并应用新技术的AI复合型人才。基于“飞桨”平台，我们通过培训、竞赛、社区交流等方式，让更多人才把AI技术学起来、用起来。
从2018年起，依托“飞桨”平台，我们依靠自身积累的丰富AI实践经验，联合各方发起了面向全国高校教师的高校师资人工智能培训活动，迄今已培养2900多名高校专业教师，服务近700所高校，并支持200多所高校开设AI学分课。
面向企业，“飞桨”推出AI快车道、AI私享会、首席AI架构师等培训项目，致力于让前沿技术深入业务场景，目前已覆盖了万余名不同层级开发者、上千家企业，向业界输送了190名AI架构师，遍布工业、能源、金融、交通、农业、互联网等数十个行业，通过与多领域企业合作实现了AI赋能应用落地。
截至目前，“飞桨”已汇聚360多万开发者，开发了40万个AI模型，累计服务13万企事业单位。它们来自于工业、农业、医疗、城市管理、交通、金融等各行各业，AI应用的多样化和规模化正在加速。
我相信这只是开始。基础通用的技术和产业结合，产教融合培养未来人才。在这个过程中，开源开放平台会成为产业科技创新的基础支撑。通过平台支撑、人才培养，再加上生态建设，最终会促成产业的繁荣发展。■
（作者系百度集团副总裁、深度学习技术及应用国家工程实验室副主任，记者赵广立整理）
