微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 陆奇喊出百度 All in AI 的口号:开发者成功,百度就成功

陆奇喊出百度 All in AI 的口号:开发者成功,百度就成功

2017-07-05 14:11
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2017-07-05 14:11 CNET科技资讯网

CNET科技资讯网 7月5日 北京消息(文/周雅):“百度将All in AI,我们在AI时代的核心战略就是开放赋能,我们的将来必须建立在与每个开发者共赢的基础上。”今天,在百度AI开发者大会上,陆奇表示,“开发者的成功,就是百度的成功,这是百度AI平台的核心价值观。”

百度

1、AI技术与其他技术的不同之处在于,数据起到了重要、特殊的作用。

我们必须通过系统+数据,经过学习和训练,来获取能力;数据是观察世界的桥梁,是观察知识的载体,用好的算法,加上软件和硬件,我们可以自动从数据中获取知识。

2、AI是新一代的计算平台。

历史上,计算平台经过好几代的演变,从PC,到互联网,到移动,到云。每一代的技术平台都由前端和后端构成:前端主要是通过人机交互的能力来驱动,后端主要是由计算资源的规模来驱动。AI时代的计算平台将向前迈进一大步。

AI平台的后端是智能云,它不但提供大规模计算资源,还将提供大量的各个行业的知识,比如医疗大脑、教育大脑、出行大脑……随着海量数据的累积,智能云将提供越来越多的知识。

AI平台的前端不再只是通用计算设备,它将由传感器,硅晶片,智能软件组成。每一台冰箱、每一台空调、每一台电视、每一户家庭、每一辆汽车……世界万物,都可以成为端,都能听、说、看,都能跟智能云连在一起,越来越听得懂每一句话、看得懂每一张图。

“AI平台将是社会的巨大的推动力,与互联网时代相比,它能把我们的社会进入一个唤醒万物新世界。”陆奇表示。

3、AI是中国的历史性机遇。

目前世界43%的AI论文由华人撰写;我们有足够大的技术积累,中国的互联网公司在AI核心技术上做了早期的着陆和长期的研发;我们有大量的资金;我们有世界上最大、最活跃的用户群,中国的网民规模达7.3亿;我们有良好的政策环境,AI在今年两会人工智能已经列入了政府工作报告。中国有结构化的优势,因为中国能提供更多更好的数据资源,为AI发展提供强大的驱动力。

“中国可以再一次领先世界!”陆奇说。

4、百度是一家AI公司,核心能力是AI技术、数据和人才。

百度用AI来提升我们搜索、信息流、手机百度等现有的核心业务,用AI来建设金融服务、智能云、DuerOS、自动驾驶汽车等一系列基于AI的新业务。

5、百度AI生态战略的方向,是建立和引领新一代的AI计算平台。

在前端,百度将提供DuerOS,它是中国领先的基于自然语言的新一代的交互平台,能让每一个设备、器件都能听得懂、交互、提供有效的服务;

在百度战略上还有一个特殊的端是汽车,百度将提供Apollo——全球第一个自动驾驶开放平台;

在后端,百度将提供百度大脑和百度智能云,为开发者提供一流的AI开发工具和有效的AI行业解决方案。

综合而言,DuerOS、Apollo、百度大脑和百度智能云等综合在一起,将成为一个强大的AI生态,为中国的AI发展提供越来越多的推动力和贡献。

分享至
1赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-