观察者网追踪的多个投融资事件数据库均显示，2021年人工智能领域国内融资频次与金额，已超过去年全年，两项指标双升的势头，也是2018年以来首次出现。
资本市场对这一赛道的兴趣，自2018年以来划出了见顶、俯冲、回升的清晰轨迹。
恰如一条经典的高德纳技术成熟度曲线（Gartner Hype Cycle）。
权威技术咨询机构高德纳，在评价今年人工智能技术趋势时，也给出了相当积极的观点，认为创新正在快速进展（at a rapid pace）。
显然，在经历泡沫生灭后，这个行业正在发生积极而重大的变化。
观察变化的最好场合，莫过于业内重要活动。
12月12日，国内人工智能领域年内最后一场重要活动—WAVE SUMMIT+2021深度学习开发者峰会在上海召开。
深度学习技术及应用国家工程实验室主办的此次活动，由实验室主任、百度CTO王海峰拉开帷幕。
王海峰提出，人工智能产业呈现出“融合创新”和“降低门槛”的特点，深度学习技术，特别是面向工程实现的技术平台发展，正推动人工智能进入工业大生产阶段，“面向技术和产业发展需求的AI大生产平台可以让AI技术以标准化、自动化和模块化的方式输出给千行百业，实现规模化应用，同时以平台为基础促进融合创新、共同发展”。这是一个相当重要的趋势洞察。
无独有偶，高德纳方面提出的2021四大AI技术趋势，除了监管与合规，其他三项（小样本、敏捷开发、精益利用），均可与王海峰对AI大生产平台“融合创新”、“降低门槛”的展望相互映射，可被视为对同一潮流的不同修辞描述。
如果说2016到2019年，是在供给维度上，对人工智能技术的探索期，那么2021年，则明显呈现出从需求维度上，对人工智能产业生态建设的重视。
事实上，这也是对上一轮人工智能热潮经验教训的重要总结，大量热钱在加速支撑技术演进的同时，并没有帮助初创企业趟出一条商业模式落地的金光大道，创业者们对业务的思考普遍稚嫩，“难以落地”，ROI算不过来，甚至上市出口收窄，让这门已经异化为ToVC的生意急速“入冬”。
今年人工智能赛道冬去春来的景象，则是行业洗去浮躁，从技术导向向应用导向转变的自然结果。
王海峰谈到的“融合创新”和“降低门槛”，明显体现出应用导向的理念，技术越来越需要与产业专有知识融合创新，越来越需要跨模态多技术融合、软硬一体融合、技术与场景融合，这样的复杂融合，服务于一个明确的目的，那就是降低开发与应用的门槛。
百度的理念及其实践，集中体现在其深度学习平台—飞桨的更新迭代上。
作为发布于2016人工智能元年的我国首个自主研发的深度学习开源开放平台，飞桨在技术和生态两方面的最新进展，是此次峰会的重要议题。
会上，王海峰公布了飞桨最新成绩单：凝聚406万开发者、创建47.6万模型、服务15.7万企事业单位，在中国深度学习平台综合市场份额第一。
此次峰会，飞桨发布多项最新技术和生态进展。
技术方面，飞桨全新发布的开源框架v2.2，保持了其技术在全球深度学习框架中的前沿技术水平，具备四大特性：新增大量科学计算API；支持超大模型训练的端到端自适应大规模分布式训练技术；全流程加速文本任务，解决文本领域开发在性能和训推一体方面的痛点问题；多层次、低成本的硬件适配方案，极大降低框架与芯片的适配成本。
在模型算法上，去年“大力出奇迹”的GPT之后，AI大模型，已经显示出技术能力和商业落地模式的全新潜力，通过OpenAI等公司的早期实践，已经显现出“AI即服务”、“模型即服务”的未来想象空间，“吞金”的人工智能大模型，也无形中树立起行业的资金和技术双重壁垒，有助于领先巨头们构建竞争优势。毫不奇怪，飞桨的产业级模型库此次也新增了百度最新发布的知识增强文心大模型；官方支持的产业级开源算法模型超过400个，并发布13个PP系列模型，在精度和性能上达到平衡，将推理部署工具链彻底打通。
产业落地方面，飞桨还推出了业界首个产业实践范例库，从真实产业场景分析、完整代码实现，到详细过程解析，直达项目落地，覆盖数十个高频应用场景，推动AI落地可复制和规模化。
面向产业场景提升开发效率和资源使用效能的飞桨企业版，升级了自动高效的模型部署功能，同时推出可快速安装、本地一站式高效建模的飞桨EasyDL桌面版。
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/scizixun/34316.html
