百度喻友平构建AI生态钱对于我们不是第一位的

前不久市场调研公司 Canalys 公布全球智能音箱市场报告,百度位列全球第三位(此前一季度是第二位),与第二位的差距非常小,而且是前五位中增长最快的厂商,可谓异军突起。

在他看来,AI 目前虽然有很多应用,但是拉到更长来看,可能还是在初期。“只有把工人们用的锄头做得更好一点,把工具做得更简单,才能真正让整个社会里面做 AI 的人能够能得到更好的支持。”

目前百度这方面合作伙伴的规模超过 1 千家,各行各业、各个领域都有。从百度搭建的 AI 市场中产品、商家的丰富程度就可见一斑。

百度还会面向一些细分领域做降低开发门槛的工作。例如面向零售行业,因为零售行业未来的智能化首先要基于数据化,而数据化是需要基于 AI 的数据化。比如这里面 SKU 的识别,毫无疑问是未来零售智能化的一个基石,所以百度把 SKU 智能识别放在 EasyDL 里面,做成了专门的 EasyDL 的零售版。

2、根据教学计划,我们将从2月17日起对学生开放录播课程,以保证学生在家期间也能够有效获取知识。学生可通过老师录播的知识点进行自主学习,有任何不明白的问题及时私信给自己的任课老师,老师将进行线上答疑和辅导;

远场语音识别,性能提升 30%,百度怎么做到的?

而帮助 AI 落地的一个重要媒介就是集成商,他们将核心的 AI 技术打包进产品和方案中,再提供给终端应用,可以大幅降低企业需要自己开发的难度。

首先在应用层,部署方式要非常丰富,包括云、端、私有化、软硬结合、边;二是算法有很广泛的适应性,比如人脸这个场景,远一点,近一点,太阳光多一点,在不同的情形下面算法都是需要调整的,所以算法要有非常强的适应性,要有很多的版本、系列。

Money 并不是第一位

喻友平认为,“不可能每个企业每个管理者和做技术的人都能从这个层面上去理解它,然后再去想我企业能够干什么,那这个弯就绕得有点远了。”AI 界一直有个讨论是,在 AI 赋能传统行业的过程中,由于行业的隔阂,科技企业和传统企业谁需要更多的努力去了解对方。显然,AI 公司也需要付出很大的努力。

喻友平表示,这一波 AI 的驱动力就是深度学习,而深度学习实际上是一个数学问题,是在数学原理上面往前推进了一步。它的应用主要就是图像、语音、自然语言处理以及大数据这四大领域。

但目前来说,“肯定不是 Money 为第一位的”,他对雷锋网说。

AI Studio 里面百度也做了很多工作,面向教育给开发者送了很多 GPU,同时在上面还做了很多的样例,还有很多课程、比赛,还有面向高校的教育版,他们可以直接在里面给学生上深度学习的课程。所有做的这些都是为了让大家去应用、学习、教育更加简单,所以可以分成很多个层次。

这四大领域再对应到企业的应用场景又有极多,为什么这些行业都会用?是因为本质上深度学习是从数据里面提炼知识的一种能力,而从数据里面去提炼知识本身就是一种预测能力。

因而在降低 AI 门槛方面,就需要从下面几个方面入手。

在开发层,百度有自己的框架飞桨,这个框架让开发更简单,易用性更高,例如说在网络搭建上面,有静态图、动态图,网络基本的开发工具上面都有。不过,只有一个空的架子去搭也很难,还需要足够多已经做好的模型。

你想如果集成商要给我 1 块钱,他不挣到 10 块钱怎么会给我 1 块钱?我们也跟合作伙伴聊过,比如说你的单大概有多少钱?单里面大概愿意出多少钱来购买一个 AI 服务集成进去,大概都是 10% 的样子。所以我们说的“弱水三千,只取一瓢”的意思就是:一定是你的合作伙伴他挣到钱了,你才在里面再挣一点点钱。

百度基本上每个部门都有 MVVS,M 就是 Mission,V 就是 Vision、Value,S 是 Strategy。我们部门的 Mission 就是一句话,让 AI 技术的创新与应用更简单,这就是我们部门的 Mission。我们经常在讨论什么事情?如果有矛盾的时候,说把 Mission 请来,想想我们做的活跟我们的 Mission 是不是一致的。我们有没有让 AI 技术的应用跟创新更简单,如果是让它更简单我们就做,如果是反其道而行之的,那这就会有问题。

百度针对这块提出了“燎原计划”,目前已经进行了 3.0 阶段,主要内容包括三块:第一是帮助合作伙伴做出来;第二是卖出去;第三是帮他做得大。

由此二者的需求也不一样,前者更多的是提供的丰富的实际应用,需要云、边、端的,满足不同情形下面的这些能力。第二个层次中,开发模型就需要一个框架,或者一个平台。

喻友平认为,要让整个社会未来 AI 能够被普及,被社会化,需要满足这些不同层次的用户,在不同的环节,在不同的场景下面的需求,这个事情是一个系统工程。

雷锋网注:百度 AI 市场网站截图

3、每天老师会通过微信群布置家庭作业,完成之后家长拍照私信发给任课老师,老师将进行逐一批改,对于普遍性问题老师会组织线上集中解答,对于个性问题老师将进行线上解答。

1、延期开学;2、原定开学时间2月17日,推迟时间将视疫情趋势而定,根据教委的安排确定具体开学日期;3、学校本着停课不停学并从学生实际出发的原则,新府学将做出如下教学安排,以全力保障各学段的教学进度:

1、寒假作业统一于2月16日之前拍照私信发给任课老师,老师将进行统一批改,线上讲解和答疑(集中讲解和一对一讲解都会涉及);

百度本身自有场景非常多,所以一下子就开放了上百个百度内部打磨的模型,包括 PaddleSeg、PaddleNLP、PaddleRec 等等,每一个都是一个系列。这个领域里面掰开,里面又有一大堆的模型,而且百度开放的这些是已经经过打磨的模型。

据喻友平介绍,在 AI 的应用中,从大的来说可以分成两个层次:一是开发集成层次,或者说是应用层次。比如说使用人脸识别做产品,不管是接口、SDK 还是做一些软硬集成。还有一个层次是真正去做模型开发。简而言之,可以认为前面这种是只需要做预测,模型都做好了,更多的是解决模型怎么部署,以及适应各种场景下面需求的问题。后面一种是要自己去做模型。

负责百度 AI 技术生态部的喻友平,其主要目标是推动百度 AI 技术和平台的生态繁荣,这个生态里包含开发者、集成商以及企业。

百度是国内最早确立 All In AI 战略的大公司,而百度 AI 战略的重要组成部分,就是其 AI 生态,这是构建护城河的关键。

同时还有预训练的模型,像 ERNIE 这种是结合了数据,已经做了预训练的,这些让开发者的使用门槛降低了。同时在开发模型的部署工具上面,有了 Paddle Lite 等端上面的部署工具。在服务端有 Paddle Serving,还有 PaddleSlim 做压缩等等。从模型的搭建到开发,到部署全链条,每个环节都可以做很多,这还只是框架层面。

在平台层面,有些人希望从平台一些算力,不想自己去搞,所以百度有了 EasyDL、AI Studio,EasyDL是面向企业做企业开发的,AI Studio 是面向开发者或者教育领域的。

在 2019 年 11 月 28 日举行的百度大脑语音能力引擎论坛上,百度大脑宣布语音能力引擎日均调用量已经超过 100 亿次,应用规模业界第一。

EasyDL 百度最开始提出来的是,开发者一行代码都不用写,因为有一些领域,比如图像分类、物体检测、图像分割,这种东西的算法都已经非常成熟了,对开发者来说不用写算法,就把数据标好,把它传上去一点就有了,所以百度先在这个层面做了很多工作。后来百度又开始在 EasyDL 里面把 ERNIE 集成进去,把最好的数据集成进去,未来还会把 Paddle CV 的一些东西也集成进去。

这些成绩的取得,是百度的深厚技术积累加上 All In AI 的战略共同达成的,而同样不得不说的功臣,是背后的 150 万开发者生态。

降低 AI 门槛是个系统工程

那么百度是怎么做的呢?

雷锋网原创文章,。详情见转载须知。

 喻友平认为,AI 技术提供商要赚到钱,首先要让集成商和落地应用赚到钱,这才是一个良性的生态。

对百度 AI 技术生态部来说,AI 的商业化仍牌比较初级的阶段,收入还不是重点。喻友平介绍,

AI 是一把手工程,特别是对于传统行业来说,你不要想一个部门经理或者一个什么 VP 就能够搞定这个事情。真正让 AI 在整个业务里面能够起到变革性的或者说升级性的作用跟价值的,必须是一把手工程。所以说让一把手理解 AI,理解智能化,才是未来一个很关键的问题。

除了让想做 AI 的人能够更容易做到外,还需要打破阻碍 AI 普及的另一大障碍,就是相当多的人并不了解 AI,不知道能用它来做什么。谈到这里,喻友平不无感慨的说“AI 是一把手工程”。

要做到这些,关键点是降低 AI 门槛,“我们的重点是怎么样让这些工具和这些服务更加简单,更加低成本。因为我们认为,在当前 AI 的发展阶段,要想办法让技术应用的门槛降低。”喻友平在接受雷锋网(公众号:雷锋网)采访时表示。