百度智能云持续的高速增长，进一步凸显了百度「云+AI」计策的精确性，特殊是在 9 月百度全面升级「云+AI」计策后，进一步整合了百度智能云与 CTO 体系，智能云的地位在短短一年内两次提升，由内部资源整合带来的增长势头迅猛，根据 Canalys 发布的中国公有云做事市场报告，百度智能云在中国市场增速第一，持续缩小与 Top3 的差距。
8 月尾的云智峰会上，百度表露了面向 AI 赋能行业的「AI 工业化」方法论，正如百度副总裁、智能云奇迹群组总经理尹世明所言，「第四次工业革命正在中国发生，这场智能革命正在从根本培植阶段跃升到工业化阶段」。
换句话说，站在 2019 年的韶光节点往前看， AI 的下一站不再是算法如何提升、模型如何优化，而是该当如何实现工业化。
百度智能云在财报中所展现的高速增长，也向行业透露了一个旗子暗记：当 AI 进入到一个全新阶段，百度已经在基于云的 AI 工业化思考与实践中探索出一条新路。接下来，我们试着去复盘百度 AI 工业化的方法论，从理解 AI 工业化的实质开始，详细解读百度推动 AI 工业化的思路与实践。
过去几年，AI 在根本研究领域的打破，已经让各行各业看到了 AI 各项技能的巨大潜力。企业对付 AI 的疑问，也从「是否该当采取」变成了「如何运用」。
对付任何一个行业的企业而言，支配 AI 都是一件颇具寻衅性的事情。
首先，AI 对付算力的需求非常大，如果在本地通过 GPU 演习模型，且不说价格有多昂贵，只说当下机器学习模型算力的发展速率，早已超越了摩尔定律「18 个月翻一番」的行业规律。根据 2018 年 OpenAI 的调查数据，自 2012 年开始，机器学习演习所用的算力需求，均匀每 3.43 个月便会翻倍，这也意味着，利用本地 GPU 演习机器学习模型是一个「无底洞」，本钱高昂、演习效率低下。
其次，AI 支配是一套流程冗长的事情，以机器学习开拓为例，在这个流程里，涉及到数据网络、数据标注、模型演习、算法调参优化、模型支配等多个阶段，不同阶段有着不同的打算需求，比如，由数据科学家和机器学习研究职员完成模型构建和演习，而支配则由软件工程师、机器学习工程师和数据工程师来完成，再比如，模型演习常日由多人在多台虚拟做事器上完成，而支配模型须要具备扩展能力，能够处理海量的 API 要求。
第三，学术领域的 AI 发展用「日月牙异」来形容一点也不为过，只需翻看学术领域的期刊、论文就能感想熏染到技能发展有多快，但这些学术领域的算法打破，即便已经开源开放，每每局限在实验室的环境里，企业还须要花大气做大量适配事情，才能运用到实际业务中。
上述三个方面构成了企业支配落地 AI 的三大痛点。过去几年里，从亚马逊、Google 到百度、阿里巴巴、华为，都在试图破解上述三大难题，为企业 AI 落地供应办理方案。
这个中，百度长久以来在 AI 领域的研发上风以及 AI 开放平台积累的企业和开拓者资源上风，也随着这个季度「AI 工业化」方法论的出炉，逐步显现。
强大、多场景算力是 AI 工业化的紧张命题正如上文所言，算力始终是制约 AI 发展的难题。这里的算力难题包括两个方面，其一，面向 AI 的打算能力，传统 CPU、GPU 之外，还须要更多专属 AI 的根本举动步伐；其二，在面向物联网以及 5G 的场景里，AI 打算的场景开始变得多元化，须要适配数据中央、终端设备以及边缘设备等多个场景。
这正好是百度 AI 工业化办理的紧张难题。在这次财报覆盖的这个季度里，百度发布了自主研发的云端全功能 AI 芯片「昆仑」，其打算能力比最新基于 FPGA 的 AI 加速器的性能提升了近 30 倍，真正做到了「让中国最好的AI跑在自己的做事器上」。
搭载「昆仑」芯片的云做事器能得到如此大的性能提升，既离不开「昆仑」芯片的功劳，也得力于百度自研的深度学习平台飞桨。飞桨的代价同样表示在企业级 AI 开拓平台BML4.0 的特性中。BML 4.0 涵盖从数据到模型再到做事的AI全流程，支撑端、边、云一体化。内置的飞桨，集成超过70个飞桨自研模型，超过60个高性能算子。
而在打算场景上，百度智能云目前可以覆盖云打算、边缘打算、设备-端打算、稠浊云打算等场景。以视频打算场景为例，百度智能云拥有智能多媒体平台「天像」，这是一个以视频处理和智能理解为核心的一站式智能视频平台，不仅供应视频多媒体的根本打算能力，还将 AI 的图像识别、视觉殊效等纳入个中。
百度在 AI 打算和多场景打算需求的研发能力和产品能力，构成了 AI 工业化最底层的技能架构，也为「ABC+X」供应了无限想象空间。不同行业、规模的企业，可以充分利用这些根本技能和能力，快速构建企业的AI 根本举动步伐。
更进一步，在根本的打算架构之上，AI 工业化的另一大现实命题也浮出水面：赋能行业。
让 AI 从实验室走入各行各业本日财报发布后，百度创始人、董事长兼 CEO 李彦宏在内部公开信中透露了一组数字：「从7月初浦发数字人初次亮相，到9月尾的数字人开放平台推出，百度智能云的家当智能化进展快速，已覆盖工业、农业、金融、电信、医疗、教诲等各行各业。百度AI开放平台得到更广泛遍及，9月，开拓者数量超过150万。」
当打算机具备了超越人类视觉的视觉能力，当机器可以理解并转化人类措辞，当海量数据被网络和打算，机器具备了可媲美人类的洞察能力，如何将这些技能运用到各行各业，成为 AI 工业化必须要办理的难题，百度又是如何做的呢？
首先，在打算机视觉领域，「天像」（面向多媒体）、「天智」（AI）、「天工」（面向物联网）三大产品线构成了工业级的视觉智能方案，从而将机器视觉的能力赋能到互联网视频生产、城市交通管理、智能制造质检和工厂巡检等场景之中。
以被誉为业界第一的视频 AI 生产系统 VideoMind 为例，这个产品可以供应给视频从业者从数据标注开始，到模型演习、模型评估、模型自动支配的全流程工具平台。换句话说，一个没有机器学习博士的创业团队乃至个人开拓者，都可以将 AI 能力集成到自己的视频产品里。
其次，百度在人机对话领域拥有丰富的技能积累，这些技能也表示在一系列智能对话产品里。在过去的这个季度，采取 Easy Talk 的「ABC Robot」连续升级，不仅有人形机器人、智能大屏和智能自助机 3 种形态，还具备了垂直做事的理解能力，目前覆盖交通、零售、医疗、银行、教诲、政务 6 大行业场景。
全新升级的 ABC 智能客服也颇具看点。过往的客服中央人力本钱高、做事效率低下，百度在对话技能领域的研发打破以及运用为客服中央的改变供应了巨大想象空间。详细在智能客服的场景中，新的对话引擎增加了一系列预置对话的新能力，像打断、沉默、语义去噪等能力，可以大幅降落通话中的非常处理本钱。
第三，在面向企业的 AI 开拓中，百度供应了「天智」平台，它供应了全面的根本 AI 开拓平台矩阵与工业级模型库，可以帮助企业快速构建 AI 开拓平台，而无需关注太多底层环境，极大节约了 AI 开拓本钱。
上述三点，构成百度 AI 工业化方法论的另一壁，通过 AI 的核心技能能力与行业特性相结合，不仅为企业供应「开箱即用」的行业运用，还帮助企业搭建开拓平台与模型库，从而知足不同行业、不同规模的企业对付 AI 运用的需求，推进企业自身业务发展与行业的智能化转型。
与之遥相呼应的是，这些已经在各行各业落地生根的行业运用，也是不雅观察百度智能云未来发展的主要视角。基于 AI 工业化的方法论以及「云+计策」，百度智能云的行业运用落地还会加速，从点状到网状，从单点打破到规模化落地，也将为百度智能云接下来持续高速增长供应「燃料」。
写在末了：AI 工业化大生产时期即将到来百度 CTO 王海峰曾有一个论断：AI 已经进入到工业大生产的新阶段。就像过往三次工业（技能）革命所展现的那样，AI 的各项技能正在成为如蒸汽、电一样平常的根本技能举动步伐，在这样一个强大而多场景的打算架构之上，各行各业可以构建自己的 AI 产品与做事。
这是百度智能云所努力的方向，同时也是 AI 工业化方法论的落脚点。
过去的这个季度，在算力、开拓平台与行业运用的研发之外，百度也在开源社区与家当生态中不断推进。2019 开源网络峰会上，百度智能边缘打算框架 BAETYL 捐赠给社区，成为中国首个 LF Edge 捐赠项目；14.43亿元计策投资东软控股，通过百度智能云的核心能力，双方将在医疗、教诲等领域加速推进家当智能化。更进一步，透过这一季财报里的营收数字，也进一步证明了市场与客户对付百度 AI 工业化的认可。
从强大多场景的打算到瞄准行业痛点的运用以及开源、家当生态的搭建，共同构成了百度面向 AI 工业化大生产的方法论，而支撑这统统的，既有百度在根本举动步伐领域的技能积累，也离不开百度过去几年不断打造的 AI 技能护城河，终极，这些技能与能力将通过「(智能打算智能运用)^智能生态」的 AI 工业化公式赋能各行各业。（完)