发布AI芯片昆仑和百度大脑3.0、L4自动驾驶巴士量产下线,这是百度All in AI一年后的最新答卷

简介: 去年的 7 月 5 日,百度在北京国际会议中心开办了首届「AI 开发者大会」。在会上,百度首次喊出了「All in AI」的口号。一年的时间过去了,今天在同样地点举行的第二届开发者大会上,李彦宏说道:去年我吹过一个牛,百度的 L4 级别无人驾驶车的量产,会在 2018 年的 7 月份。今天我要说的是,这个牛,马上就要实现了!而百度的最新战略、技术实力、以及生态发展也在这场大会上一一展现在我们的面前。

本次大会的亮点:


  • 全球首款 L4 自动驾驶巴士「阿波龙」量产下线
  • 中国第一款全功能云端 AI 芯片「昆仑」
  • 发布百度大脑 3.0
  • 推出百度智能小程序


全球首款 L4 自动驾驶巴士「阿波龙」量产下线


首先亮相的是百度创始人、董事长兼首席执行官李彦宏。在大会的主 Keynote 环节中,李彦宏介宣布,全球首款 L4 级自动驾驶巴士量产下线。此自动驾驶巴士由百度与金龙客车合作制造,取名为阿波龙。当前,阿波龙巴士在北京雄安、广州、深圳、东京等地开始商业运营。其中阿波龙客车在东京的商业运营,是百度与软银合作进行的。


微信图片_20211129224033.jpg


百度称,「阿波龙」搭载了「面向量产的解决方案」,它会成为 Apollo 3.0 的核心。此次发布的三套自动驾驶解决方案,可帮助开发者及合作伙伴三个月内即可打造出属于自己的「阿波龙」。


李彦宏介绍说,一年前刚刚推出的 Apollo1.0 有 3 万 5 千行代码,而现在 Appolo3.0 已有超过 22 万行代码。「自动驾驶刚刚实现了从零到一,未来一定会实现从一到百、千、万」,李彦宏表示,「而这些都将由我们的开发者来实现。AI 时代的汽车进化逻辑是内部软件数量的增长。」


除了「行」之外,AI 也在改变着我们的「住」。


在自动驾驶之后,李彦宏展示百度在人机交互方面的应用。大会现场播放了两段录音,展现了百度开发的 AI 大会客服与参会者打电话的情景,AI 客服可以通过电话确认观众是否参会以及提供餐饮信息。


微信图片_20211129224037.jpg


在这个环节,李彦宏透露了百度过去几年来在 AI 技术研发上的投入,「百度每年会把 15% 左右的收入投入到 AI 技术的研发中。」从上万名 AI 工程师,到百万台服务器组成的集群,以及千亿级的参数、样本及特征训练而成神经网络,这样的投入支撑了演示中的智能化生活。


微信图片_20211129224041.jpg


百度希望让人们平等便捷的获取信息,利用数据、算力和算法的不断迭代来填平「智能鸿沟」,让每一个开发者都能够使用最先进的 AI 能力。「过去讲,用电量是衡量经济的指标,而以后,用脑量会是衡量行业智能化发展水平的标准。」李彦宏表示。AI 可以把人从重复、低效、繁重的判断工作中解放出来,极大地提高生产力。例如,百度和某工厂合作,利用人工智能技术去进行地板质量检测,使每天检测量翻倍。此外李彦宏还提到,百度希望各行业的人都能平等便捷获取 AI 能力。例如一位来自西藏林芝的医生,通过百度的 easyDL 去识别寄生虫虫卵,诊断准确率达到 97%。


大浪潮下的 AI 芯片


随着人工智能技术的发展,计算硬件也经历了从 CPU、GPU 到专用芯片的过程。今日,李彦宏宣布正式发布百度自研的中国第一款云端全功能 AI 芯片"昆仑",其中包含训练芯片昆仑 818-300,推理芯片昆仑 818-100。


微信图片_20211129224044.jpg


「昆仑」是中国在大规模 AI 运算实践中催生出的芯片,基于百度 8 年的 CPU、GPU 和 FPGA 的 AI 加速器的研发,20 多次迭代而生。李彦宏称,「昆仑」是迄今为止业内设计算力最高的 AI 芯片。据介绍,它采用了三星 14nm 工艺;260Tops 性能;512GB/s 内存带宽;100+w 功耗,由几万个小核心构成,它可以同时满足训练和推断的需求,除了常用的云端深度学习计算需求,还能适配诸如自然语言处理,大规模语音识别,自动驾驶,大规模推荐等具体终端场景的计算需求。


中国著名计算机专家,首批中国工程院院士倪光南表示,「中兴事件发生后,各界都十分关注发展我国芯片产业,许多互联网企业和传统电子企业纷纷表示,要大力投入资金和队伍发展芯片事业,这种积极性应当肯定。这次百度发布了 AI 芯片,说明他们说到做到,这无疑是对我国芯片事业做出了贡献。


百度一贯重视 AI,这次做 AI 芯片,可以发挥他们在 AI 方面的积累的技术优势,而且做出的芯片可以首先在它自己的 AI 平台及其应用上得到应用,通过应用可以推动芯片的发展,形成一个良性循环。当然,如果这个芯片使用效果好,就可以被更多的用户所采用。大家知道,芯片的成功,需要有生态的支持,这方面百度有较好的条件。」


最后,百度方便表示,未来该芯片将面向智能汽车、智能硬件、图像语音等更多应用开放。


发布百度大脑 3.0


去年,百度在开发者大会上推出了自然语言处理系统 DuerOS 和自动驾驶系统 Apollo,以及百度大脑 2.0。在今天的大会上,百度宣布这些技术都已演进到了 3.0 版,涵盖了技术、平台、生态落地全栈布局。百度高级副总裁王海峰介绍说,今日发布的百度大脑 3.0 开放的能力已经达到了 110 多项。


image.gif微信图片_20211129224048.jpg


王海峰表示,「其最核心的是多模态深度语义理解。这意味着对于图像、语音和视频等多模态信息,不仅让机器可以听清、看清,更要深入理解其背后的含义,从而更好地支撑各种应用。」


image.gif微信图片_20211129224052.jpg


基于语义的数据,百度的人工智能可以进行进行理解、总结和提炼,并形成知识,为用户提高生产力。在会上,百度展示了视觉语义化在无人超市购物场景中的应用,其可以识别购物者在商店中的所有行为,并利用刷脸进行结算。此外,目前新版的百度地图中的小度语音助手已经可以理解复杂的语义请求,并帮助用户进行导航。


在阅读理解上,「我们最近又将深度注意力匹配模型引入到了系统中,让 AI 系统对话的效果进一步提升。」王海峰表示,「百度大脑一直在不断学习,目前已经阅读了超过千亿篇文章。」


在上面介绍的 NLP、计算机视觉技术之下,是百度的深度学习框架。百度自 2013 年开始自主研发深度学习平台,2016 年 9 月对外发布了自己的深度学习框架 PaddlePaddle,而在今天,百度发布了 PaddlePaddle 3.0。


image.gif微信图片_20211129224055.jpg


王海峰介绍说,除了核心框架升级以外,还提供了三个非常好用的平台,EasyDL 快速应用平台,AutoDL 网络结构自动化设计,以及 AI Studio 在线实训平台。


微信图片_20211129224059.jpg


在这里,王海峰对比了人工设计的网络结构与 AutoDL 网络的效果。


微信图片_20211129224103.jpg


谈到深度学习框架与 AI 生态的关系,王海峰认为深度学习框架可以类比为 AI 的操作系统。向下,它可以与 AI 芯片结合。AI 芯片在对 AI 模型的计算进行专门优化后,性能会有很大的提升。从这个角度看,百度认为,深度学习框架相当于 AI 芯片的指令集。


微信图片_20211129224107.jpg


最后,王海峰总结说,「目前百度大脑 3.0 开放了 110 多项能力,每天调用次数已经超过了 4090 亿次。调用的人中既有 AI 工程师,也有零『AI』基础的初入门者,还有来自各行各业希望用 AI 创新业务、为业务转型升级的企业。」


百度智能小程序


在上午的大会上,百度除了介绍百度大脑 3.0、DuerOS 3.0 以及 Apollo 3.0 等更新换代的产品以外,还推出了「智能小程序」。


百度认为,互联网近几年来正在从开放走向封闭——越来越多的用户流量被圈定在极少数的平台上,这种趋势形成了围墙花园的形态,一些巨头通过尽可能多的服务来阻止用户使用其他公司的服务。然而,用户的需求往往是多元的,我们急需一个完整的解决方案来重塑这种生态。


「构建自然的用户体验系统,打造 AI 时代的最佳移动体验。」百度副总裁沈抖介绍道。「通过智能小程序,我们能够给用户提供一种无缝的端内体验。」百度还会把在移动端的 AI 框架开放给开发者,帮助他们实现更多的应用。


image.gif微信图片_20211129224112.jpg

目前,智能小程序已经在百度 APP 中上线。沈抖表示,百度智能小程序全面接入百度大脑 3.0,开发者通过几行代码就可以调用。同时,智能小程序将于今年 12 月全面开源。未来,智能小程序不仅可以运行于百度系 App 上,还将可以运营于哔哩哔哩、58 同城等外部合作伙伴 App 上。


结语


一年一度的百度 AI 开发者大会的主题词「Create」来自编程语言中用于创建新内容的函数,更意味着从无到有地创造新事物,在已知已有的领域进行革命性创新。如同李彦宏所描述的愿景:「Everyone can AI」,开发者将成为 AI 时代的核心生产力。



本文为机器之心报道,转载请联系本公众号获得授权

相关文章
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
AI自己长出了类似大脑的脑叶?新研究揭示LLM特征的惊人几何结构
近年来,大型语言模型(LLM)的内部运作机制备受关注。麻省理工学院的研究人员在论文《The Geometry of Concepts: Sparse Autoencoder Feature Structure》中,利用稀疏自编码器(SAE)分析LLM的激活空间,揭示了其丰富的几何结构。研究发现,特征在原子、大脑和星系三个尺度上展现出不同的结构,包括晶体结构、中尺度模块化结构和大尺度点云结构。这些发现不仅有助于理解LLM的工作原理,还可能对模型优化和其他领域产生重要影响。
52 25
|
10天前
|
传感器 机器学习/深度学习 人工智能
AI在自动驾驶汽车中的应用与未来展望
AI在自动驾驶汽车中的应用与未来展望
60 9
|
25天前
|
人工智能 并行计算 程序员
【AI系统】SIMD & SIMT 与芯片架构
本文深入解析了SIMD(单指令多数据)与SIMT(单指令多线程)的计算本质及其在AI芯片中的应用,特别是NVIDIA CUDA如何实现这两种计算模式。SIMD通过单指令对多个数据进行操作,提高数据并行处理能力;而SIMT则在GPU上实现了多线程并行,每个线程独立执行相同指令,增强了灵活性和性能。文章详细探讨了两者的硬件结构、编程模型及硬件执行模型的区别与联系,为理解现代AI计算架构提供了理论基础。
64 12
|
22天前
|
人工智能 数据安全/隐私保护 数据中心
“芯片围城”下国产AI要放缓?答案或截然相反
12月2日,美国对华实施新一轮出口限制,将140余家中国企业列入贸易限制清单。对此,中国多个行业协会呼吁国内企业谨慎选择美国芯片。尽管受限企业表示影响有限,但此事件引发了关于AI领域芯片供应的担忧。华为云推出的昇腾AI云服务,提供全栈自主的算力解决方案,包括大规模算力集群、AI框架等,旨在应对AI算力需求,确保算力供给的稳定性和安全性,助力中国AI产业持续发展。
|
1月前
|
传感器 机器学习/深度学习 人工智能
自动驾驶汽车中的AI:从概念到现实
【10月更文挑战第31天】自动驾驶汽车曾是科幻概念,如今正逐步成为现实。本文探讨了自动驾驶汽车的发展历程,从早期的机械控制到现代的AI技术应用,包括传感器融合、计算机视觉、路径规划和决策控制等方面。尽管面临安全性和法规挑战,自动驾驶汽车在商用运输、公共交通和乘用车领域展现出巨大潜力,未来将为人类带来更安全、便捷、环保的出行方式。
|
27天前
|
机器学习/深度学习 人工智能 并行计算
【AI系统】芯片的编程体系
本文探讨了SIMD与SIMT的区别及联系,分析了SIMT与CUDA编程的关系,深入讨论了GPU在SIMT编程的本质及其与DSA架构的关系。文章还概述了AI芯片的并行分类与并行处理硬件架构,强调了理解AI芯片编程体系的重要性,旨在帮助开发者更高效地利用AI芯片算力,促进生态繁荣。
48 0
|
27天前
|
机器学习/深度学习 存储 人工智能
【AI系统】谷歌 TPU v2 训练芯片
2017年,谷歌推出TPU v2,专为神经网络训练设计,标志着从推理转向训练的重大转变。TPU v2引入多项创新,包括Vector Memory、Vector Unit、MXU及HBM内存,以应对训练中数据并行、计算复杂度高等挑战。其高效互联技术构建了TPU v2超级计算机,显著提升大规模模型训练的效率和性能。
45 0
|
2月前
|
机器学习/深度学习 人工智能 自动驾驶
2024.10|AI/大模型在机器人/自动驾驶/智能驾舱领域的最新应用和深度洞察
本文介绍了AI和大模型在机器人、自动驾驶和智能座舱领域的最新应用和技术进展。涵盖多模态大语言模型在机器人控制中的应用、移动机器人(AMRs)的规模化部署、协作机器人的智能与安全性提升、AR/VR技术在机器人培训中的应用、数字孪生技术的优化作用、Rust语言在机器人编程中的崛起,以及大模型在自动驾驶中的核心地位、端到端自动驾驶解决方案、全球自动驾驶的前沿进展、智能座舱的核心技术演变和未来发展趋势。
184 2
|
2月前
|
人工智能 安全 芯片
【通义】AI视界|谷歌 Tensor G5 芯片揭秘:1+5+2 八核 CPU,支持光线追踪
本文由【通义】自动生成,涵盖黄仁勋宣布台积电协助修复Blackwell AI芯片设计缺陷、苹果分阶段推出Apple Intelligence、OpenAI保守派老将辞职、英伟达深化与印度合作推出印地语AI模型,以及谷歌Tensor G5芯片支持光线追踪等最新科技资讯。点击链接或扫描二维码,获取更多精彩内容。
|
2月前
|
机器学习/深度学习 人工智能 算法
Nature子刊:AI模型测大脑年龄,究竟哪些因素会加速大脑衰老?
【10月更文挑战第7天】《自然医学》杂志近期发布了一项研究,介绍了一种名为BrainAge的人工智能模型,该模型可预测个体的大脑年龄并分析影响大脑衰老的因素。研究团队来自美国加州大学旧金山分校,利用英国生物银行的近50,000名参与者的数据,发现高血压、糖尿病、肥胖、吸烟、饮酒、缺乏运动及遗传因素均与大脑衰老有关。尽管存在数据集限制等局限性,BrainAge模型仍为研究大脑衰老和相关疾病提供了重要工具。
70 1