百度万亿级图检索引擎！四大预训练模型开源，还“发糖”15亿元!

雷锦·陈梦发自奥菲神庙qubit报道|微信官方账号QbitAI

又是一年520，又是一年爱情...

停下来。这不是打开它的方法。

看~也是为了“节”，却吸引了五湖四海的开发者聚集于此。

这就是深度学习开发者的“既定”活动——Wave Summit 2021。

百度Feipaddle作为国内最大的深度学习平台，也在520这样的日子里为开发者带来了不少“糖”:发布Feipaddle开源框架新版本2.1，发布全新大型地图检索引擎开源文心厄尼四大预训练模型，发布全新推理部署导航地图...

此外，还有15亿资金，其中10亿将“分配”给10万家企业和百万产业AI人才。

与以往不同的是，本次峰会透露出一种全新的基调——大融合、大创新。

百度首席技术官王海峰表示:

从技术角度看，多技术融合创新，知识与深度学习的结合，突破了知识增强的深层语义理解，在相同参数尺度条件下，效果大幅提升，可解释性更强。

从平台上看，深度学习平台与芯片软硬件融合创新，面对各种不同硬件配置的生产环境，满足不同计算能力、功耗、时延等多样化需求。，实现AI应用的最佳效果。

从产业角度来看，人工智能技术越来越深入地与产业结合，在产业需求的驱动下，不断打磨AI技术和平台能力，与应用场景融合创新。

△百度首席技术官王海峰

此外，降低AI门槛是本次峰会的另一个重点，这是加速多元化和产业化进程的核心。

至于整合创新，降低AI门槛，如何将AI价值带入行业，实现高效率、高质量的量产，百度集团副总裁吴添认为:

AI工业量产首先是在企业的生产活动中一步步实现的。进一步发展，将从企业内部的多人多任务分工走向全社会的AI量产协同。

△百度集团副总裁吴添

接下来，我们来看看WAVE SUMMIT 2021。六个新版本

飞桨开源框架2.1版

作为国内最大的深度学习平台，本次峰会再次迎来升级——2.1版本。

专注！

四大功能重点优化:设置自动混音精度优化:以ResNet50和BERT为例，启动该功能后，训练速度可提高3倍。动态图形功能增强:新增原地操作功能，内存占用减少17%；优化Python/C++交互开销，训练速度提升10%。高级API:新支持GPU预处理、混合精度和模型共享机制。尤其是自定义运算符功能的升级，大大降低了学习和开发自定义运算符的成本，大大提高了开发的灵活性。

于是，一张2.1版本升级后的百度飞桨全景图上线了。

在这张全景图中，除了上面提到的核心框架开发功能的优化，百度Feipaddle这次的升级远不止于此。

大规模图形检索引擎

分布式训练中百度飞桨2.1的发布，是一个大规模的地图检索引擎，核心亮点如下:

支持万亿边分布式图的存储和检索，支持线性扩展。

比如在与网易云音乐的合作过程中，“主播推荐”就使用了这个功能。

支持亿边图模型的训练，有效解决冷启动问题，提高主播推荐场景的有效播放率。

不难看出，大规模地图检索引擎的发布，让百度Feipaddle具备了更强的工业场景应用特性。

文厄尼的四个前期训练模型都是开源的

在框架层之后，是模型套件层方面。

介绍了开源文新ERNIE的四个预训练模型:ERNIE-Gram:提出了一个显式n-gram掩码语言模型。通过引入多粒度语言知识，增强了预训练模型的效果，领先于五个典型的中文文本任务。ERNIE-Doc:针对长文本建模不足的问题，提出了回溯建模技术和增强记忆模型的机制，并在13个长文本理解任务中取得了领先效果。ERNIE-ViL:针对跨模态理解问题，基于知识增强的思想，实现场景知识融合的跨模态预训练，在5个跨模态理解任务中成绩领先ERNIE-UNIMO:进一步增强不同模态间的知识融合，通过跨模态比较学习同步提升跨模态语义理解和生成、文本理解和生成的效果，在13个跨模态和文本任务中成绩领先。

但在复杂的语义理解需求下，这四种预训练模型都能发挥各自的长处。

同时也可以实现技术融合，达到“1 > 2”的创新效果。

不仅能理解语言，还能理解图像，实现统一的跨模态语义理解。

推进器推理部署工具链和导航图

除了开发、训练和套件，推理部署工具链的节点也进行了升级:PaddleSlim:进一步优化剪枝和压缩技术，增加非结构化稀疏工具；率先支持OFA压缩模式，保证压缩后的精度。Paddle Lite:面向移动开发者的开箱即用工具集LiteKit发布，大幅降低了端侧AI开发者的开发成本。Paddle Serving:增加一个完全异步的流水线模式，更好的支持真实业务中模型组合的问题。Paddle.js: New支持多种后端和主流的图像分割和分类模型，兼容性强，性能高。

除了升级现有的推理部署工具链，飞桨还提供了推理部署导航图。

据了解，目前已经覆盖了300多条完全验证的部署路径，从而形成了如下图所示的导航地图。

在这棵树中，从根到每个分支的路径都是完整的路径，可以帮助开发者成功实现AI部署。

而之所以这么做，百度Feioar给出了他的理由:

每一次“成功”都有迹可循，每一次“失败”都可以追根溯源。

硬件生态成就

除了“软”的一面，发布部署也有“硬”的一面。

据了解，飞桨已与百度昆仑等22家国内外硬件厂商合作，开展适配和联合优化工作，31款芯片或IP已经完成或正在适配。

这包括英特尔、英伟达、华为、广海、瑞芯微、安霸等芯片公司。

更具体地说，有超过50个模型的螺旋桨适应广海DCU。

可见，在部署环节的硬件生态方面，百度Feipaddle已经全面覆盖国内外硬件厂商。

云原生机器学习核心PaddleFlow

随着人工智能技术向行业应用发展，出现了更广泛的AI开发场景，对平台提出了更多样化的需求:针对更广泛的垂直行业AI应用开发需求，针对深度定制的AI开发平台需求，有AI原生容器服务。

基于此，百度AI产品R&D部总监新舟宣布正式启用——PaddleFlow，即paddle企业版的“核心”。

△百度AI产品R&D部总监，新洲

简而言之，这是一个专为AI平台开发者设计的云原生机器学习核心系统，易于集成。

它的特点也非常明显，就是云原生、性能优秀、轻量易用等。

可以帮助AI平台开发者高效构建更加细分的场景和深度定制的AI平台。

……

除了以上六大版本，还有一些重大升级。

去年正式发布了propeller PaddleHelix，但今天正式升级到了1.0版本，增加了复合预训练模型ChemRL，并将ChemRL模型应用于更多的下游任务。

凭借propeller的能力，百度于今年3月在国际权威的图形神经网络OGB上获得了HIV和PCBA两个涉毒数据集上的双冠军。

作为国内首款支持量子机器学习的测桨，与飞桨框架2.0及以后版本同步更新，整体运行速度大幅提升，平均提升21.9%，核心应用场景最高提升40.5%。

同时在测桨中加入了量子核方法等特征提取方法。

针对难度较大的纠缠纯化任务，测桨增加了优化的量子纠缠处理框架，给出了目前业界最佳的可实施的纯化方案。还“送糖”15亿元。

除了上面提到的“六大发布”，在本次浪潮峰会2021上，百度飞桨的“分糖”还在继续。

而且是很实在的一种“糖”——给钱，15亿。

在百度飞桨的“大航海”计划中，除了去年年底上线的高校AI人才培养“启航”，还包括:“大航海”护航计划和“大航海”领航计划。

“大航海”护航计划

10亿元，这是护航计划未来三年的资金投入。

对谁？

10万家企业，百万工业AI人才。

怎么会？

整体上分为技术、人才、生态三个方面。

为企业保驾护航，就要实现智能化升级，通过技术赋能、市场营销、资源引入等方式，缩短从技术创新到商业落地的路径，包括:飞桨技术合伙人计划、飞桨企业版(Gravity)、飞桨中国行。

为人才保驾护航的是AI私人俱乐部、AI快速通道、AICA首席AI架构师培养计划。

△百度AI技术生态部总经理刘谦

“大航海”试点计划

这个计划是针对核心开发者的，目标是与社区开发者一起构建开源生态系统，探索前沿技术。

包括PPDE(飞螺开发者技术专家计划)、PPSIG(飞螺社区特殊兴趣小组)、飞螺飞行员小组、博士协会等组织形式。

与行业内优秀开源社区和开源项目合作，系统设置研发方向，包括探索生物计算、量子计算等前沿方向。

据了解，目前已有120个PPDE获得认证，飞桨城市/高校试点群体已覆盖150个城市。

AI人才产教融合培养计划正式发布。

事实上，在《领航》和《护航》发布之前，百度飞桨早在去年年底的WAVE SUMMIT+2020就已经启动了《大航海》系列的航行计划:

未来三年，飞桨将投入价值5亿元的资金和资源，支持全国500所高校，重点培养5000名高校AI教师，联合培养50万名AI学生。

时隔近半年，这个计划取得了什么成果？

基于丰富的行业实践，飞桨在高校人工智能实践课程开发中，开设了包括人工智能全技术层面在内的50多个实战案例，到7月底将积累100多个案例。

高校教师深度学习师资培训，目前Feipaddle已举办14期，为570所高校培训200医学教师，帮助226所高校开设学分课程。

承办过中国大学生计算机大赛等多项比赛，为大学生提供实习项目和就业指导，培养适应行业需求的复合型人才。

会上还举行了飞桨与三所高校创新创业实验室合作签约仪式。

包括清华大学基础产业实训中心、吉林大学创新创业实验室、郑州大学人工智能工程应用实验室。

他们将与飞桨一起，共同推动产学研融合发展，打造智能产业后备军，开启产教融合新时代。

最后，除了六大发布和三大生态计划，浪潮峰会还联合信通院发布了《飞橹开源生态报告》(后台对话框回复“信通院”获取)。

报告指出，人工智能行业已经进入工程应用爆发的窗口期。开源框架可以降低整个行业智能化升级的难度，提高其广度和深度。

飞橹以区域化、特色化、规模化发展，开启国内开源新生态，加速产业链跨界协同创新，构建人才培养体系。

该网站还正式宣布了开源框架前沿模型再现比赛。

这是由传播学院主办的人工智能创新与应用大赛的子赛道，将由百度承办，希望挖掘和培养更多人才，沉淀更多前沿模型，推动整个人工智能的发展。整合是为了更好的创新。

融合，这是贯穿常态峰会始终的一个“主旋律”。

那么百度Feioar力推“集成创新”的背后是一种怎样的逻辑呢？

首先，集成创新是时代的需求。

不同于以往的算法优先，人工智能进入工业量产阶段，需要算法、数据、计算力的合力发挥，碰撞出更多创新的新价值。

这一次，在开发、培训、部署等环节，百度飞桨的细节技术升级都是基于这样一个原则。

比如文心厄尼开源的四种前期训练模式，在技术上不是“单线程”，而是“1 > 2”，产生更多的创新价值。

其次，企业发展到一定程度后，面对激烈的行业竞争，单靠技术的发展是无法突破固有瓶颈的。

只有跨界融合，模式创新，才能适应日益严峻的竞争。

但除了技术和跨界的融合，还有一点很重要，不可或缺。

那就是深度学习平台开源生态的整合与创新，包括行业、开发者社区、人才培养。

这对应了百度飞桨的“大航海”系列计划。

截至目前，飞桨已聚集320万开发者，服务12万家企业，创造36万个模型，涉足医疗、金融、娱乐、环境、能源、工业制造等多个领域。

之所以能达到这样的规模，正是因为技术、模式、人才、跨界等诸多方面的融合创新，大大降低了AI开发的门槛，丰富了产生的价值。

既能创建灵活全面的建模方法，又能满足定制场景的需求。

那么，集成创新下的AI价值应该以什么样的路线带入工业生产活动？

对此，百度集团副总裁吴添总结了一条三段式路线:为了支持开拓者在寻路阶段的快速验证落地，Feioar为行业引入AI验证提供了真实场景打磨的工业模型库，通过便捷的多终端、多平台部署推理机，解决AI落地的“最后一公里”问题。为了帮助工场应用阶段的团队应用AI创新，百度飞桨降低了门槛，让小团队不用重复做轮子，从移植重用到针对性重写再到完成自研的全流程提供支持。为了支持工业量产阶段的多人多任务协作，通过对计算能力资源的高效管理和开发者的集成开发环境，提高整个过程的效率。开源并支持多种硬件，可以实现多个企业间的社会化协同生产。

可见，飞桨已经走过了AI产业化应用的整个阶段，为大家找到了一条可借鉴、可实现的道路。

你觉得这个百度飞桨和这个520够诚意吗？

结束-

量子QBITAI头条号签约

关注我们，第一时间了解前沿科技动态。