百度沈抖：未来几年企业增长的动力将源于技术创新

12月27日，由百度智能云、中国电子技术标准化研究院主办的2022云智峰会 | 智算峰会上，百度智能云发布国内首个全栈自研的AI基础设施“AI大底座”。百度集团执行副总裁、百度智能云事业群总裁沈抖表示，智能化为产业创造价值的浪潮才刚开始，未来空间无限。百度智能云的“云智一体”能力已经在交通、工业、金融、政务等众多产业实践中得到了验证，目前已经可以标准化输出AI的底层能力，帮助企业实现“智能的随用随取”，真正降本增效。

（百度集团执行副总裁、百度智能云事业群总裁沈抖）

百度发布国内首个全栈自研的AI基础设施“AI大底座”

随着大模型、AIGC为代表的AI应用不断成为行业热议话题，AI原生时代正在加速到来，这对云计算的基础设施提出了新要求：全栈融合（需要提供芯片、框架、模型、应用在内的全栈方案）、端到端优化、提供极致的资源效能和模型效能，成为未来智能计算发展的三大主流方向。

但企业在构建云计算基础设施时，面临两大痛点：企业在用云时，需要把大量时间精力花在构建基础设施上，且这样的基础设施大多是拼凑组合的，没有发挥出最佳的性能和效率 ；基础设施中的核心部分，比如芯片、深度学习框架、大模型，需要大规模投入才能做好，一般企业无力支付巨额的研发成本。

针对行业痛点问题，百度智能云今日发布国内首个全栈自研的AI基础设施“百度AI大底座”， 面向企业AI开发和应用提供端到端自主可控、自我进化的解决方案，让企业可以快捷、低成本地实现“AI能力的随用随取”。

百度方面表示，“百度AI大底座”由AI IaaS层（百舸AI异构计算平台）、AI PaaS层（AI中台）两大部分组成。在AI IaaS层，整合百度自研的AI芯片“昆仑芯”，在AI计算、存储、加速、容器方面进行系统优化，提供高性价比的算力，承载海量数据的处理、超大模型的训练和推理。在AI PaaS层，整合百度两大核心自研产品（飞桨深度学习框架、百度文心大模型），打通百度的样本中心、模型中心、AI开发平台、AI服务运行平台，实现从数据存储到模型训练、生产、部署、测试的全链路、批量化生产，面向企业模型开发的全生命周期提供完整解决方案。

简单来说，“百度AI大底座”是百度各项底层AI技术的集大成者， 通过AI底层技术的通用化、模块化，实现AI服务的规模化，其目的本质上是帮助企业降本增效。

（百度智能云今日发布：国内首个全栈自研的AI基础设施“百度AI大底座”）

“AI大底座就是要帮助客户从上云，进入到用数、赋智的快车道，极大降低AI产业应用的门槛，提升效率，企业只需要把精力聚焦在场景业务上。”沈抖说。

未来几年企业增长的动力将源于技术创新

当前企业最关心的是增长。沈抖表示，当下增长的动力来源于技术创新，尤其是与深度学习算法相关的重大技术创新，像是自动驾驶、水电能的智能调度系统，能够提升产业效率，给产业带来超乎想象的变化。

但沈抖强调，技术创新不是凭空而来的，是通过产业反馈得到的。过去几年，百度智能云从能源、制造、交通、金融等行业的核心经营场景切入，已经形成一套低成本、可复制的产业智能化转型方法论。

今年9月，百度智能云提出“ 云智一体，深入产业”的全新战略及“云智一体3.0”架构。新架构主要分为四层。第一层是深耕行业、聚焦场景。选择切入几个重点行业里的核心场景，例如制造业中的质量监控、安全生产和工厂节能等，发挥AI的关键作用。第二层是AI通用产品。把不同行业的通用需求，沉淀到通用的AI产品中，打造成标准化产品，然后再应用到更多行业，例如智能客服、数字人等。第三层由AI IaaS和AI PaaS组成的“AI大底座”，整合百度自研的AI芯片“昆仑芯”、飞桨深度学习框架、文心大模型，面向企业AI开发和应用提供完整解决方案。第四层是通用cloud，满足海量的计算需求。

整体来讲，百度智能云这种云智一体、螺旋上升的业务模式，不仅可以实现同一行业、不同客户之间的复制，还可以实现不同行业、相似场景之间的复制和规模化，真正做到通过智能化解决方案降本增效。

（百度智能云“云智一体3.0”架构）

"自己的狗粮自己先吃。"沈抖表示，百度这些技术和方案，已经在百度内部进行了充分的验证和打磨。比如，在百度智能云的支持下，Apollo自动驾驶实现了日行百万公里的驾驶仿真，推动了Apollo自动驾驶测试里程突破4000万公里。智能云支持的弹性智能计算，支撑起百度每天数十亿次的用户搜索请求。

同时，百度智能云的“云智一体”能力也在工业、交通、金融等领域不断落地。国家电网基于百度AI中台，建设了“两库一平台”智能基础设施，可以快速打造AI精品应用。比如，通过高精度母线负荷预测系统，对110千伏母线整体预测准确率达到98.2%。通过无人机输电本体巡检，使人工图像复查工作量降低了60%。制造业龙头企业恒逸石化，依托云智一体能力，通过对模型算法设计、深度学习框架、芯片适配等环节，进行端到端的优化，使得质量检测能力提高了数十倍。

沈抖表示，智能化为行业创造价值的浪潮才刚刚开始，这就需要云计算厂商标准化地输出智能化的底层能力，把芯片、大模型、深度学习框架等高门槛的技术，变成像水电能一样供客户按需取用。