本文源自 太平洋證券 人工智能專題研究之一

證券分析師 王文龍、徐中華

信息化顧問團(tuán) 楊凱 整理

百度AI平臺將逐步開放，助力構(gòu)建百度AI生態(tài)圈

“云+大腦”打磨升級構(gòu)成百度AI平臺

百度AI開發(fā)者大會（Baidu Create 2017）上，百度AI平臺架構(gòu)圖首次完整亮相，全新開放了視頻、語音、AR/VR、機(jī)器人視覺、自然語音處理等五大類目共14項(xiàng)全新能力，此次開放的技術(shù)能力總共有60個(gè)，是目前最全面的AI技術(shù)開放平臺。百度AI平臺由百度大腦及百度云組成，分為云、大數(shù)據(jù)、算法層、感知層、認(rèn)知層、平臺層五大層次，核心能力的開放已達(dá)60余項(xiàng)。

圖表1：百度AI平臺的架構(gòu)

作為百度AI平臺的核心，百度大腦由算法層、感知層、認(rèn)知層、平臺層共同組成，是業(yè)界第一個(gè)完整清晰地把認(rèn)知層和感知層放在一起的人工智能平臺。

• 算法層包括大數(shù)據(jù)、深度學(xué)習(xí)，是百度大腦的底層基礎(chǔ)。

• 感知層包括語音識別、圖像識別、視頻理解和增強(qiáng)現(xiàn)實(shí)/虛擬現(xiàn)實(shí)4大核心技術(shù)能力，賦予機(jī)器“聽懂、看懂”的能力；

• 認(rèn)知層包括領(lǐng)先的自然語言處理、知識圖譜、用戶畫像能力，賦予機(jī)器“理解”能力。

• 平臺層即百度AI開放平臺，集合了百度所有的AI能力并將逐漸開放給所有開發(fā)者。

圖表2：百度大腦各層次能力

多領(lǐng)域在人工智能方向進(jìn)行戰(zhàn)略構(gòu)建

百度自2013年1月組建專注于Deep Learning（深度學(xué)習(xí)）的研究院—Institute of Deep Learning（簡稱IDL）開始，百度便已經(jīng)積極布局人工智能：

• 機(jī)構(gòu)設(shè)立方面：公司先后成立自然語言處理部（2010年）、百度硅谷人工智能實(shí)驗(yàn)室（2014年）、自動(dòng)駕駛事業(yè)部（2015年）、度秘事業(yè)部（2017年）、AR實(shí)驗(yàn)室（2017年）、智能駕駛事業(yè)群組（IDG，2017年）、深度學(xué)習(xí)技術(shù)及應(yīng)用國家工程實(shí)驗(yàn)室（2017年）等。其中：今年3月22日，百度通過內(nèi)部郵件宣布進(jìn)一步深度整合包括NLP、KG、IDL、Speech、Big Data等在內(nèi)的百度核心技術(shù)，組成百度AI技術(shù)平臺體系（Artificial Intelligence Group，簡稱“AIG”）。近期，百度對AIG進(jìn)行了調(diào)整：

• 單獨(dú)成立智慧機(jī)場業(yè)務(wù)部、智能客服與金牌銷售業(yè)務(wù)部。智慧機(jī)場業(yè)務(wù)部重點(diǎn)面向航空服務(wù)領(lǐng)域；智能客服與金牌銷售業(yè)務(wù)部，融合語音識別、自然語言處理等前沿技術(shù)，提升企業(yè)與客戶電話溝通中的效率和效能。該技術(shù)通過對呼叫中心的通話歷史語音進(jìn)行分析，提取客戶畫像、優(yōu)秀銷售經(jīng)驗(yàn)，并在通話過程中進(jìn)行實(shí)時(shí)語音識別及分析等方式，結(jié)合當(dāng)前客戶情況與銷售特點(diǎn)，個(gè)性化推薦適合的銷售思路與話術(shù)要點(diǎn)。

• 強(qiáng)化了AI應(yīng)用技術(shù)研發(fā)，原隸屬于研究院的幾個(gè)技術(shù)團(tuán)隊(duì)升格為獨(dú)立的技術(shù)部門，包括視覺技術(shù)部、人臉技術(shù)部、增強(qiáng)現(xiàn)實(shí)技術(shù)部等。

• 成立AI技術(shù)平臺與生態(tài)部，進(jìn)一步整合推動(dòng)百度所擁有的自然語言處理、知識圖譜、深度學(xué)習(xí)、語音圖像、大數(shù)據(jù)等技術(shù)。

• 人才儲備方面：2017年，百度與北京航空航天大學(xué)合作設(shè)立人工智能專業(yè)；目前，BAT的AI人才布局中百度總數(shù)領(lǐng)先，占比2.54%。

• 技術(shù)落地方面：語音開放平臺上線（2013年）、DeepSpeech深度語音識別系統(tǒng)（2014年）、小度機(jī)器人（2014年）、全球首個(gè)基于深度學(xué)習(xí)的大規(guī)模在線翻譯系統(tǒng)（2015年）、機(jī)器人助理“度秘”（2015年）、無人駕駛汽車相關(guān)技術(shù)（2015年）、AR技術(shù)幫助伊利等零售商進(jìn)行營銷（2016年）、針對移動(dòng)設(shè)備打造的增強(qiáng)現(xiàn)實(shí)平臺“度視”（2016年）、醫(yī)療大腦等百度大腦（2016年）、百度輸入法4.0引入人工智能（2016年）、百度AR先后與歐萊雅合作，帶來全新廣告營銷方式（2016年）、與KFC合智能推薦點(diǎn)餐（2016年）、與神農(nóng)架合作AR觀山（2016年）、《但丁密碼》AR面具海報(bào)（2016年）、G-1智能高清機(jī)頂盒（2016年）、烏鎮(zhèn)世界互聯(lián)網(wǎng)大會人臉識別閘機(jī)（2016年）、海爾與美的搭載DuerOS打造智能家居（2017年）、家庭陪伴型機(jī)器人“分身魚”（2017年）、國航用人工智能進(jìn)行人臉識別（2017年）。

• 資本投入方面：自2016年開始，公司先后投資美國科技公司ZestFinance、激光雷達(dá)公司Velodyne LiDAR、人工智能語音助手平臺開發(fā)商Raven Tech、計(jì)算機(jī)視覺公司xPerception、以色列視頻捕捉技術(shù)公司Pixellot、投資上海漢楓科技及室內(nèi)導(dǎo)航公司IndoorAtlas、參股新西蘭VR/AR/3D成像公司8i、收購專注于語音喚醒和自然語言理解的人工智能創(chuàng)業(yè)公司KITT.AI（2017年）等。

2017年1月，陸奇先生加入百度擔(dān)任集團(tuán)總裁兼CEO，圍繞人工智能在集團(tuán)架構(gòu)、業(yè)務(wù)以及人事方面大刀闊斧進(jìn)行改革，包括將自動(dòng)駕駛事業(yè)部（L4）、智能汽車事業(yè)部（L3）、車聯(lián)網(wǎng)業(yè)務(wù)（Car Life etc）合并組建新的智能駕駛事業(yè)群組（IDG），并向汽車行業(yè)及自動(dòng)駕駛領(lǐng)域的合作伙伴提供一款名叫Apollo的開放軟件平臺。

國外方面，Amazon、Facebook布局人工智能主要是為了智能其各自的傳統(tǒng)主業(yè)以使自身在各自領(lǐng)域保持競爭力，而Google及IBM則是從集團(tuán)層面對其人工智能生態(tài)建設(shè)進(jìn)行了整體規(guī)劃。國內(nèi)方面，阿里巴巴在人工智能方面的行動(dòng)主要是針對具體的應(yīng)用場景進(jìn)行智能化，而騰訊則主要是通過在各事業(yè)部組建AI團(tuán)隊(duì)來推進(jìn)集團(tuán)人工智能的發(fā)展。

圖表3：其他科技巨頭在AI的布局概況

可以看到，百度在AI方面的布局已經(jīng)相對完善，無論是從AI部門的設(shè)置、集團(tuán)戰(zhàn)略定位，還是從開放的各類技術(shù)平臺，均能夠幫助百度更快地構(gòu)建生態(tài)圈，以此帶來更多場景應(yīng)用的落地。

AI平臺開放、百度生態(tài)建設(shè)延伸至端

百度AI平臺以百度智能云為基礎(chǔ)、百度大腦為核心，目前開放DuerOS和Apollo兩大平臺向終端下沉，與云端一起初步構(gòu)建起AI生態(tài)圈。同時(shí)，深度學(xué)習(xí)開放平臺PaddlePaddle具備易用、高效、靈活和可伸縮等特點(diǎn)，使程序員可以快速應(yīng)用深度學(xué)習(xí)模型來解決各種實(shí)際問題，加快實(shí)驗(yàn)室技術(shù)在各類場景的應(yīng)用落地，促進(jìn)百度AI生態(tài)的擴(kuò)散。

圖表4：百度AI平臺與生態(tài)構(gòu)建

百度AI平臺的開源有助于百度吸引更多優(yōu)秀的開發(fā)者參與進(jìn)來，在幫助完善AI平臺功能的同時(shí)，培養(yǎng)用戶的使用習(xí)慣，構(gòu)建起開發(fā)者生態(tài)。此外，還可以通過開發(fā)者使實(shí)驗(yàn)室技術(shù)更快地在具體場景落地。百度可憑借開放的平臺尋找到更多的合作者，構(gòu)建起合作伙伴生態(tài)，共同推出行業(yè)解決方案和生態(tài)合作方案。

DuerOS：開放的對話式人工智能系統(tǒng)

百度在2017CES上推出了DuerOS。此外，百度還發(fā)布了DuerOS智慧芯片，具有：“三低、三高”的特點(diǎn)—低成本、低門檻、低消耗、高安全、高集成、高附加。這款DuerOS智慧芯片已將DuerOS與紫光展銳RDA5981完美集成；還采用了ARM公司mbed OS內(nèi)核及其安全網(wǎng)絡(luò)協(xié)議棧，實(shí)現(xiàn)了與云端的安全連接，降低了設(shè)備商應(yīng)用開發(fā)門檻。

7月15日，在Baidu Create 2017上，度秘事業(yè)部總經(jīng)理景鯤發(fā)布了DuerOS開放平臺。該平臺以DuerOS對話系統(tǒng)為核心層，應(yīng)用層為智能設(shè)備開放平臺，能力層為技能開放平臺。其中技能開放平臺目前已經(jīng)擁有10大品類、100多項(xiàng)原生技能且支持第三方資源和內(nèi)容接入。作為中國版Alexa，未來百度將以DuerOS為切入點(diǎn)，進(jìn)一步推動(dòng)集團(tuán)人工智能生態(tài)的構(gòu)建。

圖表5：DuerOS開放平臺整體架構(gòu)

【參考資料：Alexa】

Alexa是Amazon推出的一款語音助手，可以對語音指令進(jìn)行處理并做出語音回復(fù)或執(zhí)行相應(yīng)操作，截止2017年6月底，Alexa語音助手已擁有超過1.5萬項(xiàng)技能，比官方2月份公布的1萬多項(xiàng)增長了一半多。

圖表6：語音助手技能數(shù)量（單位：項(xiàng)）

目前Alexa主要應(yīng)用于智能音箱、智能家居、可穿戴設(shè)備、購物助手等。亞馬遜允許設(shè)備制造商通過使用Alexa語音服務(wù)（AVS）將Alexa不斷增長的語音功能集成到自己的連接產(chǎn)品中。該語音服務(wù)（AVS）是一種云服務(wù)，提供基于云的自動(dòng)語音識別（ASR）和自然語言理解（NLP）。

Alexa的語音識別系統(tǒng)框架主要包括四大塊：信號處理（Signal processing）、聲學(xué)模型（Acoustic model）、解碼器（Decoder）和后處理（Post processing）。

首先將收集來的聲音進(jìn)行一些信號處理，將語音信號轉(zhuǎn)化到頻域，每10毫秒的語音生成一個(gè)特征向量，發(fā)送到后面的聲學(xué)模型。聲學(xué)模型把音頻分成不同的音素。接下來解碼器可以解出概率最高的詞串。最后一步是后處理，把單詞組合成易讀取的文本。

圖表7：Alexa語音識別步驟

其中，聲學(xué)模型就是一個(gè)分類器，輸入的是向量，輸出的是音頻類別對應(yīng)的概率。該模型是一個(gè)典型的神經(jīng)網(wǎng)絡(luò)，底部是輸入的信息，隱藏層將向量轉(zhuǎn)化到最后一層里的音素概率。

一個(gè)美式英語的Alexa語音識別系統(tǒng)，會輸出美式英語的音素。以美式英語為基礎(chǔ)的Echo，錄了幾千小時(shí)的美式英語語音來訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，這個(gè)成本非常高。但是，世界上還有很多其它的語言，比如德語，如果再從頭用幾千小時(shí)的德語語音訓(xùn)練，成本太高。所以，這個(gè)神經(jīng)網(wǎng)絡(luò)模型有趣的地方就是可以“遷移學(xué)習(xí)”，它可以保持原有模型中其它層不變，只把最后一層換成德語。兩種不同的語言，音素大部分是不一樣的，但是仍然有不少相同的部分。因此，僅使用少量的德語語音數(shù)據(jù)，就可以在稍作改變的模型上得到較準(zhǔn)確的德語結(jié)果。

現(xiàn)在，DuerOS可以將搭載Alexa的智能音箱變成能聽懂中文。未來，百度將把DuerOS打造成AI時(shí)代的“安卓”，為AI開發(fā)者鋪墊好技術(shù)基礎(chǔ)，幫助其更方便快捷地開發(fā)智能語音交互設(shè)備，從而打造以DuerOS為入口的智能語音生態(tài)鏈。

Apollo：自動(dòng)駕駛開放平臺

百度AI的核心突破口當(dāng)屬自動(dòng)駕駛，首先是成立智能駕駛事業(yè)群組（IDG）。緊接著于今年4月在上海車展上發(fā)布了“Apollo”計(jì)劃，向汽車行業(yè)及自動(dòng)駕駛領(lǐng)域的合作伙伴提供開放的、完整的、安全的軟件平臺，幫助他們快速搭建一套屬于自己的自動(dòng)駕駛系統(tǒng)。Apollo開放平臺的發(fā)布標(biāo)志著百度在人工智能的系統(tǒng)級開放進(jìn)程更進(jìn)一步，這也是全球范圍內(nèi)自動(dòng)駕駛技術(shù)的第一次系統(tǒng)級開放。百度將致力于將Apollo打造成汽車工業(yè)時(shí)代的安卓，但是比安卓更開放、能量更大。

7月5日百度AI開發(fā)者大會上，百度首次對外公布Apollo詳細(xì)的路線圖、技術(shù)框架以及首期開放Apollo 1.0的能力。會上，百度宣布Apollo生態(tài)合作伙伴聯(lián)盟規(guī)模超50家，目前Apollo生態(tài)合作伙伴聯(lián)盟已輻射OEM、Tier1、地圖公司、芯片公司、基金投資、個(gè)人開發(fā)者、創(chuàng)業(yè)公司、研究機(jī)構(gòu)及政府機(jī)構(gòu)等，成為全球最強(qiáng)大的自動(dòng)駕駛生態(tài)。

Apollo將提供一套完整的軟硬件和服務(wù)系統(tǒng)，包括車輛平臺、硬件平臺、軟件平臺、云端數(shù)據(jù)服務(wù)等四大部分。此外，百度還將開放環(huán)境感知、路徑規(guī)劃、車輛控制、車載操作系統(tǒng)等功能的代碼或能力，并且提供完整的開發(fā)測試工具。并且，百度還會在車輛和傳感器等領(lǐng)域選擇協(xié)同度和兼容性最好的合作伙伴，推薦給接入Apollo開放平臺的第三方合作伙伴使用，進(jìn)一步降低自動(dòng)駕駛的研發(fā)門檻。

Apollo核心技術(shù)的總體技術(shù)框架由4個(gè)部分組成：

• Apollo的開放的軟件平臺，核心有四個(gè)模塊：

• （1）自定位模塊，百度具備業(yè)界領(lǐng)先的高精地圖與傳感器的能力融合，能夠?yàn)槊恳粋€(gè)車輛提供低成本、全天候的精準(zhǔn)定位。

• （2）感知模塊，感知是自動(dòng)駕駛工業(yè)當(dāng)前的創(chuàng)新重點(diǎn)，百度的感知模塊將多個(gè)傳感器組合在一起，通過人工智能技術(shù)，使每一輛車都能看清、看懂路況，看到每一個(gè)行人、每一個(gè)車輛、每一個(gè)障礙物。

• （3）車輛規(guī)劃控制，使用AI+大數(shù)據(jù)以及最安全的駕駛策略，可以精準(zhǔn)控制每一輛車，同時(shí)可以適合各個(gè)不同的路況。

• （4）底層的運(yùn)行框架，核心是安全性、可靠性和實(shí)時(shí)控制，能支持Intel和NVIDIA不同的芯片。

• Apollo的服務(wù)平臺：

• （1）高精地圖服務(wù)，是自動(dòng)駕駛的基礎(chǔ)。

• （2）仿真引擎，快速累積海量的數(shù)據(jù)，能夠使開發(fā)者日行百萬公里。

• （3）安全服務(wù)。百度將為開發(fā)者提供持續(xù)、高度安全的服務(wù)。

• （4）DuerOS，為每一輛提供智能化車內(nèi)體驗(yàn)。參考硬件平臺和參考車輛平臺，能支持各種各樣的不同的計(jì)算硬件，從CPU到GPU到FPGA。同時(shí)還支持各種不同的傳感器，從GPS到IMU到攝像頭、激光雷達(dá)、雷達(dá)等等。通過將各個(gè)模塊的融合，Apollo為每一個(gè)開發(fā)者提供了從零到一的能力進(jìn)入自動(dòng)駕駛研發(fā)。

圖表8：2017年7月發(fā)布的Apollo路線圖

圖表9：Apollo平臺開放情況（紫色為Apollo1.0開放部分，紅色部分為Apollo1.5開放部分）

2017年9月20日，百度宣布Apollo1.5正式開放，包含障礙物感知、決策規(guī)劃、云端仿真、高精地圖服務(wù)、端到端的深度學(xué)習(xí)（End-to-End）等五大核心開放能力，并支持晝夜定車道自動(dòng)駕駛。其中，原本計(jì)劃于年底開放的端到端的深度學(xué)習(xí)（End-to-End）在9月20日宣布提前開放。

能力一：障礙物感知

感知模塊的目標(biāo)是在給定從激光雷達(dá)傳感器獲得的三維點(diǎn)云數(shù)據(jù)后提供感知障礙的能力。它能檢測、分段和跟蹤以高精度地圖ROI方式定義的障礙。此外，它預(yù)測障礙物的運(yùn)動(dòng)和姿態(tài)信息(如航向、速度等)。核心的3D感知模塊是基于大規(guī)模點(diǎn)云數(shù)據(jù)訓(xùn)練的深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)的障礙物檢測和分割算法，包括高精地圖ROI過濾、基于CNN的障礙物檢測與分割、MinBox障礙物框構(gòu)建和HM物體跟蹤。

圖表10：3D感知模塊的組成部分

止目前Apollo已有70多家合作伙伴。新增合作伙伴包括OEM主機(jī)廠、Tier1供應(yīng)商、開發(fā)者生態(tài)公司。同時(shí)百度宣布Apollo基金“雙百計(jì)劃”，將在三年內(nèi)投入100億資金，完成超過100家項(xiàng)目的投資，未來將進(jìn)一步壯大Apollo平臺的生態(tài)聯(lián)盟。

能力二：決策規(guī)劃

決策規(guī)劃模塊根據(jù)實(shí)時(shí)路況、感知模塊輸出的信息、道路限速等信息做出相應(yīng)的軌跡預(yù)測和智能規(guī)劃，同時(shí)兼顧安全性和舒適性，提高行駛效率。決策規(guī)劃模塊主要由障礙物檢測、路徑規(guī)劃、選擇與控制三部分組成。

圖表11：決策規(guī)劃模塊的組成部分

能力三：高精度地圖

高精度地圖與普通電子地圖的主要區(qū)別是高精度地圖擁有更精確的車輛位置信息和更豐富的道路元素?cái)?shù)據(jù)信息，起到構(gòu)建類似于人腦對于空間的整體記憶與認(rèn)知的功能，可以幫助汽車預(yù)知路面復(fù)雜信息，如坡度、曲率、航向等，更好地規(guī)避潛在的風(fēng)險(xiǎn)。是實(shí)現(xiàn)自動(dòng)駕駛的關(guān)鍵所在。此外，高精度地圖還起到了車輛間共享路況信息、識別交通標(biāo)志的作用。

能力四：云端仿真

其中開放云端仿真功能作用極為重要，在正常的產(chǎn)品開發(fā)過程中，良好的仿真測試環(huán)境將方便產(chǎn)品開發(fā)者在模擬環(huán)境中快速測試產(chǎn)品的性能、可靠性等，加快產(chǎn)品的迭代測試周期從而提高產(chǎn)品測試效率：

圖表12：云端仿真功能的作用

能力五：端到端

按照2017年7月百度發(fā)布的規(guī)劃，端到端深度學(xué)習(xí)能力比原定的2017年12月提前了3個(gè)月，開放速度有所加快。本次開放的障礙物感知和決策規(guī)劃能力使車輛能夠?qū)崿F(xiàn)不分晝夜的精準(zhǔn)障礙物識別，并能通過深度神經(jīng)網(wǎng)絡(luò)精準(zhǔn)預(yù)測行駛路徑，從而做出最終的駕駛決策。

百度IDG部門的郁浩在百度技術(shù)沙龍上的演講中提到，和Apollo中端到端學(xué)習(xí)相對的是傳統(tǒng)無人駕駛項(xiàng)目中主要使用的規(guī)則式系統(tǒng)，這是過去二十多年無人駕駛研究的主流方向。規(guī)則式系統(tǒng)從車輛開始是一個(gè)閉環(huán)：從車輛到車上的傳感器，獲取輸入信息，這些信息經(jīng)過感知層處理，提取出道路、行人和車輛等各種信息。在感知到的信息的基礎(chǔ)之上，再加入高精地圖等一些靜態(tài)信息，把動(dòng)態(tài)信息和靜態(tài)信息結(jié)合到一起形成較完備的世界模型（World Model）——對外部環(huán)境的完備描述。在此基礎(chǔ)之上就可以進(jìn)入到?jīng)Q策模塊產(chǎn)生決策，然后控制模塊把決策信號傳遞給車輛。

圖表13：規(guī)則式系統(tǒng)

上圖是一個(gè)很簡單的閉環(huán)模式，也有很多人提出了相關(guān)的或類似的架構(gòu)，比如國際汽車工程師學(xué)會（SAE）在上邊閉環(huán)的基礎(chǔ)上，更細(xì)化分成大環(huán)、小環(huán)和各個(gè)模塊之間的關(guān)系。

圖表14：國際汽車工程師學(xué)會（SAE）推薦的系統(tǒng)架構(gòu)圖

為了使規(guī)則式系統(tǒng)能夠滿足自動(dòng)駕駛的需要，需要不斷細(xì)化、得到更復(fù)雜的功能模塊圖，真正系統(tǒng)落地時(shí)往往有上千個(gè)模塊。因此規(guī)則式系統(tǒng)有3個(gè)特點(diǎn)：

• 系統(tǒng)十分復(fù)雜，需要人工設(shè)計(jì)上千個(gè)模塊；

• 高精地圖成本很高：規(guī)則式系統(tǒng)對外界有很大依賴，高精地圖精度要到厘米級。這也帶來需要及時(shí)更新等問題；

• 對車載硬件計(jì)算能力要求很高，規(guī)則式系統(tǒng)中每一個(gè)模塊都有相應(yīng)的深度學(xué)習(xí)應(yīng)用，部署在車上的每個(gè)模塊都對計(jì)算資源需求很高，車上可能需要運(yùn)行幾個(gè)，甚至十幾個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)。

簡單地歸納一下，與規(guī)則式系統(tǒng)相比，端到端學(xué)習(xí)更像是在模擬、貼合人的思考過程，包括人的下意識思考。相對規(guī)則式系統(tǒng)而言，端到端學(xué)習(xí)成本更低，但需要大量優(yōu)質(zhì)數(shù)據(jù)來讓機(jī)器進(jìn)行學(xué)習(xí)、篩選各種情況下有效的路徑。

圖表15：Rule based與End-to-End比較

端到端的已有案例

Apollo1.5的合作者M(jìn)omenta基于定車道晝夜自動(dòng)駕駛能力，很快完成了實(shí)車驗(yàn)證。實(shí)際道路測試表明，搭載了Apollo1.5的平臺即使在夜間可視度不佳的情形下，依舊能完成各種復(fù)雜的交通場景識別。

另一個(gè)合作伙伴智行者科技在Apollo平臺上打造的無人駕駛掃路車，目前已經(jīng)在北京一家園區(qū)正式落地，開創(chuàng)了Apollo自動(dòng)駕駛作業(yè)車的先例。2017 CES Asia展會上，百度聯(lián)合長城汽車、NVIDIA，在哈弗H7展示了基于單目攝像頭+百度深度學(xué)習(xí)技術(shù)的端到端自動(dòng)駕駛解決方案，進(jìn)行了公開試乘。

圖表16：封閉園區(qū)的固定路線的接駁

Apollo平臺目標(biāo)實(shí)現(xiàn)生態(tài)，開源廣納合作者參與

自Apollo1.0發(fā)布2個(gè)多月后，其在知名開源平臺Github上已經(jīng)聚集了6000多的開發(fā)者，位居開源平臺前列。Apollo GitHub將自己定義為一個(gè)開放的、完整的、安全的自動(dòng)駕駛平臺，以靈活和高性能的技術(shù)架構(gòu)，為全自動(dòng)駕駛提供支持。

Apollo開源代碼資源可以分為三部分，分別是apollo、apollo-platform、apollo-kernel。

第一部分，apollo該部分有入門文檔，介紹了Apollo的基本信息。modules文件夾中是各個(gè)模塊（如感知模塊perception，預(yù)測模塊prediction，端到端e2e）的開源內(nèi)容。還有一些其他文件夾：docker沙箱，scripts腳本，third_party第三方開源代碼，tools工具。說明文檔推薦使用已經(jīng)設(shè)置好的沙箱模式。

第二部分，apollo-platform該部分內(nèi)容用來提供平臺支持，目前主要是一套經(jīng)過修改的ROS（機(jī)器人操作系統(tǒng)）。

第三部分apollo-kernel，該部分內(nèi)容用來提供核心支持，目前Apollo核心使用的是修改過的Linux Kernel 4.4.32。

Apollo生態(tài)鏈及標(biāo)的公司

無人駕駛快速落地，行業(yè)生態(tài)起到了關(guān)鍵性作用，對比手機(jī)的Android系統(tǒng)來看，在Android系統(tǒng)2009年面世之前，各個(gè)手機(jī)廠家都有自己的操作系統(tǒng)，而在Android系統(tǒng)出來后，短短幾年內(nèi)，各大手機(jī)廠商操作系統(tǒng)都統(tǒng)一在開源的Android系統(tǒng)之下(蘋果公司的IOS除外)，而沒有跟上這個(gè)趨勢的廠商(如諾基亞、摩托羅拉等)很快就銷聲匿跡了。現(xiàn)在Apollo平臺，正如Android系統(tǒng)初生之時(shí)，在國內(nèi)有一統(tǒng)平臺的潛質(zhì)，Apollo目前已經(jīng)擁有70多家合作伙伴，已有多家合作伙伴采用公司的平臺進(jìn)行產(chǎn)品研發(fā)，未來前景良好。因此，如果關(guān)注A股上市公司，建議投資者重點(diǎn)關(guān)注參與到Apollo產(chǎn)業(yè)鏈的公司，尤其是那些細(xì)分行業(yè)的龍頭，具有良好的爆發(fā)性機(jī)會。

圖表17：Apollo合作伙伴分類

Apollo保持著每周數(shù)十次頻率的代碼更新，從2017年7月到9月兩個(gè)多月時(shí)間新增6.5萬行代碼。同時(shí)，Apollo獲得全球開發(fā)者的積極響應(yīng)。截止2017年9月20日，共有1300多個(gè)合作伙伴下載使用了Apollo開源代碼，近百個(gè)合作伙伴通過Apollo官網(wǎng)申請開放數(shù)據(jù)。上線當(dāng)月，在全球最大的開源社區(qū)Github的全球C++類項(xiàng)目中排名第一，6000多個(gè)開發(fā)者推薦使用Apollo開源軟件。

PaddlePaddle：深度學(xué)習(xí)開放平臺

PaddlePaddle前身是百度于2013年自主研發(fā)的深度學(xué)習(xí)平臺，一直為百度內(nèi)部工程師研發(fā)使用。2016年9月，百度宣布其深度學(xué)習(xí)平臺PaddlePaddle在開源社區(qū)Github及百度大腦平臺開放。2017年年初，PaddlePaddle可在Google開源的Docker容器集群管理系統(tǒng)Kubernetes運(yùn)行，并成為目前唯一官方支持Kubernetes的深度學(xué)習(xí)框架，兩個(gè)開源項(xiàng)目的結(jié)合意味著深度學(xué)習(xí)對于廣大開發(fā)者正變得“觸手可及”。

PaddlePaddle具備5大優(yōu)勢：

• 靈活：PaddlePaddle支持大量的神經(jīng)網(wǎng)絡(luò)架構(gòu)和優(yōu)化算法，支持任意復(fù)雜RNNs結(jié)構(gòu)。

• 高效：PaddlePaddle會每一級的計(jì)算、內(nèi)存、架構(gòu)及通信進(jìn)行優(yōu)化，以充分利用異構(gòu)計(jì)算資源。

• 可擴(kuò)展：PaddlePaddle能通過優(yōu)化通信，獲得高吞吐量和性能。

• 易用：Paddlepaddle可以使開發(fā)者更加專注于模型的高層結(jié)構(gòu)。

• 可快速部署：由于PaddlePaddle簡單、可擴(kuò)展的特性，因此可被快速部署到各類應(yīng)用場景中。

圖表18：幾類深度學(xué)習(xí)平臺的比較

• TensorFlow：大部分功能可以通過從庫里直接調(diào)取代碼實(shí)現(xiàn)，不需要手動(dòng)編程。內(nèi)存占用較大，且不支持時(shí)間序列的卷積。

• Theano：相較于深度學(xué)習(xí)，其更適合數(shù)值計(jì)算優(yōu)化。它允許自動(dòng)功能梯度計(jì)算。但目前不具備多GPU支持和水平功能。

• Caffe：注重計(jì)算機(jī)視覺，靈活性不夠，安裝過程較繁瑣。如果有新的改動(dòng)，需要使用C++和CUDA進(jìn)行編程；對于較小的改動(dòng)，可以使用其Python或Matlab來完成。

• Torch：是一個(gè)很好的平臺，但是開發(fā)語言Lua較小眾，學(xué)習(xí)成本大。實(shí)現(xiàn)并且優(yōu)化了基本的計(jì)算單元，使用者可以在此基礎(chǔ)上編寫自己的算法。

• MXNet：支持Python、R、C++等多種語言，特別受R語言使用者的歡迎，并且有獨(dú)特的多GPU擴(kuò)展功能。

• PaddlePaddle：使用界面類似于Caffe，并且較好地支持RNN與NLP以及多CPU/GPU并行計(jì)算。相較于較TensorFlow，PaddlePaddle能幫助開發(fā)者聚焦于構(gòu)建深度學(xué)習(xí)模型；相較Caffe，PaddlePaddle支持更多應(yīng)用場景。

圖表19：Paddle與TensorFlow在RNN下的表現(xiàn)

目前，PaddlePaddle已經(jīng)被應(yīng)用于百度的30多個(gè)主要產(chǎn)品，如外賣菜品識別、預(yù)估出餐時(shí)間、海量圖像識別分類、字符識別（OCR）、機(jī)器翻譯和自動(dòng)駕駛等領(lǐng)域。

百度“能聽會看”作為觸手、帶動(dòng)技術(shù)領(lǐng)域的商業(yè)化落地

從“能聽”走向“能聽懂”的學(xué)習(xí)之路

1、百度以語音識別為切入點(diǎn)，構(gòu)建人工智能生態(tài)圈。

2017年，百度語音開放生態(tài)2.0。目前，百度語音開放生態(tài)已經(jīng)構(gòu)建起包括模型層、功能層、交互層、接入層的四層開放架構(gòu)，已有近25萬開發(fā)者納入生態(tài)圈，日調(diào)用總數(shù)達(dá)20億次。在開放生態(tài)2.0中，百度將開放遠(yuǎn)場識別及喚醒技術(shù)、定制化語音合成、語音合成音色等技術(shù)：

• 遠(yuǎn)場語音識別及喚醒技術(shù)：百度通過數(shù)據(jù)增強(qiáng)技術(shù)，復(fù)用百度積累的海量搜索語音數(shù)據(jù)和世界領(lǐng)先的語音模型識別，將近場語音技術(shù)完整遷移到遠(yuǎn)場。此外還適配包括Intel、科大訊飛、科勝訊在內(nèi)的主流麥克風(fēng)陳列。同時(shí)對家居場景進(jìn)行定向噪聲優(yōu)化；

• 定制化語音合成技術(shù)：包括定制化文本轉(zhuǎn)語音技術(shù)、語音合成標(biāo)注語言標(biāo)簽語言、基礎(chǔ)標(biāo)簽及百度擴(kuò)展內(nèi)容；

• 開放音色合成：包括自然音色和個(gè)性化及明星合成音色；

圖表20：語音技術(shù)開放現(xiàn)狀

目前，百度已與聯(lián)想、中興、長虹、索尼、iReader、攜程、特斯拉等品牌合作，構(gòu)建包含模型層、功能層、交互層、接入層的語音開放架構(gòu)。

語音識別的目標(biāo)是以電腦自動(dòng)將人類的語音內(nèi)容轉(zhuǎn)換為相應(yīng)的文字，其應(yīng)用包括語音撥號、語音導(dǎo)航、室內(nèi)設(shè)備控制、語音文檔檢索、簡單的聽寫數(shù)據(jù)錄入等。

直到第三次人工智能熱潮來臨，深度學(xué)習(xí)的崛起、高性能計(jì)算和大數(shù)據(jù)的迅速發(fā)展才使語音識別從實(shí)驗(yàn)室走出并開始實(shí)現(xiàn)商業(yè)落地。近年來語音識別準(zhǔn)確率得到了極大的提升。2016年11月，搜狗、百度、科大訊飛相繼宣布其中文語音識別率達(dá)到了97%。

圖表21：語音識別錯(cuò)誤率在近幾年得到了極大降低

語音識別作為人工智能核心技術(shù)之一，目前各科技巨頭都將其作為切入點(diǎn)，積極布局人工智能。在智能語音領(lǐng)域方面的布局，科技巨頭和初創(chuàng)公司的打法有所差異，具體表現(xiàn)為：

• 科技巨頭：圍繞主業(yè)，開放應(yīng)用平臺，同時(shí)通過收購、戰(zhàn)略合作等手段補(bǔ)齊短板，打造人工智能生態(tài)圈；

• 智能語音成熟公司：基于原有技術(shù)優(yōu)勢，從單一技術(shù)廠商向人工智能產(chǎn)業(yè)生態(tài)構(gòu)建者進(jìn)軍；

• 其他創(chuàng)業(yè)公司：深耕細(xì)分領(lǐng)域，重點(diǎn)布局家居、車載、機(jī)器人。

2、自然語言處理技術(shù)賦予機(jī)器認(rèn)知能力

人類語言與計(jì)算機(jī)之間相互作用的研究領(lǐng)域稱為自然語言處理（簡稱NLP）。它結(jié)合了計(jì)算機(jī)科學(xué)、人工智能和計(jì)算語言學(xué)。開發(fā)人員利用NLP可以組織和構(gòu)建知識，執(zhí)行自動(dòng)總結(jié)、翻譯、命名實(shí)體識別、關(guān)系提取、情感分析、語音識別和主題分割等任務(wù)。目前，中國在自然語言處理領(lǐng)域的專利數(shù)量占比僅次于美國。

自百度誕生之日起，中文分詞這種的基礎(chǔ)NLP技術(shù)便已經(jīng)應(yīng)用于搜索引擎。自然語言處理專家王海峰博士加入百度后對百度NLP工作進(jìn)行了重新梳理。在加強(qiáng)分詞、專名識別、query需求分析、query改寫等傳統(tǒng)方向的同時(shí)還拓展了機(jī)器翻譯、機(jī)器學(xué)習(xí)、語義搜索、語義理解、智能交互、深度問答、篇章理解等新的技術(shù)方向。在他的帶領(lǐng)下，NLP團(tuán)隊(duì)已經(jīng)包括了算法開發(fā)、系統(tǒng)實(shí)現(xiàn)、學(xué)術(shù)研究、語言學(xué)、產(chǎn)品設(shè)計(jì)和架構(gòu)、前端、客戶端工程開發(fā)等多領(lǐng)域的人才，全面支持百度各種產(chǎn)品應(yīng)用。

圖表22：百度自然語言處理技術(shù)概要

歷經(jīng)17年的積累，2013年百度首次開發(fā)了NLP Cloud平臺，擁有20多種NLP模塊，每天的請求數(shù)超1000億次，每日流量達(dá)數(shù)十億次，已為超2萬個(gè)企業(yè)和開發(fā)者提供百度翻譯API，應(yīng)用于百度搜索、Feed、O2O和廣告等業(yè)務(wù)與產(chǎn)品方向。此外，百度還提供語音翻譯及利用字符識別技術(shù)進(jìn)行的圖片內(nèi)容翻譯。

在Baidu Create 2017上，百度開放了基于百度自然語言處理技術(shù)的理解與交互技術(shù)平臺UNIT（Understanding and Interaction Technology Platform），包括詞法分析、情感分析、機(jī)器翻譯、語義表示、語言模型、語義相似度等技術(shù)，為機(jī)器賦予“理解”能力。

圖表23：UNIT整體框架

UNIT基于百度海量的搜索數(shù)據(jù)、問答數(shù)據(jù)、網(wǎng)頁數(shù)據(jù)等為對話系統(tǒng)的開發(fā)提供大數(shù)據(jù)保障，為每個(gè)不同的對話任務(wù)智能推薦相關(guān)數(shù)據(jù)，以供進(jìn)一步的訓(xùn)練數(shù)據(jù)標(biāo)注。并首次推出理解與交互“對話訓(xùn)練師”模式讓普通開發(fā)者乃至零編程基礎(chǔ)的人都能成為訓(xùn)練師。對話系統(tǒng)通過與訓(xùn)練師對話便可不斷完善系統(tǒng)功能、提升對話能力。目前，UNIT已經(jīng)應(yīng)用于車載、客服、家居等場景。

圖表24：訓(xùn)練師模式

全方位視頻理解技術(shù)使機(jī)器不僅“會看”，還會理解

在Baidu Create 2017上，百度發(fā)布了全方位視頻理解技術(shù)，包括視頻分割技術(shù)、語義理解、人臉識別及機(jī)器人視覺等。

• 視頻分割技術(shù)是無人駕駛/機(jī)器人的核心技術(shù)，對數(shù)據(jù)和精度要求很高，需要像素級別的輸出信息和更多的視頻訓(xùn)練數(shù)據(jù)。目前百度具有世界第一個(gè)室外語義分割RGBD視頻數(shù)據(jù)集。

• 語義理解技術(shù)包括視頻封面選摘技術(shù)、視頻分類/標(biāo)簽技術(shù)、視頻智能對比技術(shù)、視頻審核色情識別技術(shù)、視頻公眾人物識別技術(shù)、視頻結(jié)構(gòu)化分析技術(shù)，并將上線視頻細(xì)粒度識別技術(shù)。

• 人臉識別：百度已經(jīng)運(yùn)用200萬人的2億張照片進(jìn)行人臉識別基礎(chǔ)模型訓(xùn)練，實(shí)現(xiàn)人臉檢測、人臉對比及人臉查找，并已應(yīng)用于百度魔圖、百度網(wǎng)盤、百度識圖等產(chǎn)品中。此外，百度人臉識別還具備活體識別功能。

• 機(jī)器人視覺開放平臺由攝像機(jī)IMU模組、SLAM、障礙物檢測、地圖重建、語義識別5大部分構(gòu)成且已開源。其中，SLAM采用雙目視覺慣性算法，定位結(jié)果延遲小誤差低；云端API提供人臉識別、物體檢測和字符識別功能。

計(jì)算機(jī)視覺是最主要的人工智能基礎(chǔ)技術(shù)之一，主要包括信息采集、模型訓(xùn)練及識別。目前，計(jì)算機(jī)視覺在圖像識別和人臉識別兩大領(lǐng)域的準(zhǔn)確率都已經(jīng)超過人類極限。計(jì)算機(jī)視覺技術(shù)主要包括圖像及視頻處理、人臉識別、文字識別、智能監(jiān)控等，其中人臉識別已經(jīng)廣泛應(yīng)用于安防、公安、金融等行業(yè)。在計(jì)算機(jī)視覺領(lǐng)域，我國與國外的差距較小。2014年3月，香港中文大學(xué)湯曉鷗教授團(tuán)隊(duì)的GaussianFace算法在人臉識別數(shù)據(jù)庫LFW上準(zhǔn)確率達(dá)98.52%，在全球首次突破人眼識別能力。目前，中國在計(jì)算機(jī)視覺方面的專利已躍居世界第一,占當(dāng)前全球?qū)＠_數(shù)量的55%，并且增長勢頭強(qiáng)勁。

圖表25：計(jì)算機(jī)視覺專利數(shù)量分布（單位：%）

今年1月，百度研究院成立AR實(shí)驗(yàn)室，同時(shí)推出AR開放平臺DuMix供開發(fā)者及內(nèi)容創(chuàng)作者使用。在Baidu Create 2017上，百度發(fā)布全新DuMix AR開放平臺，提供基礎(chǔ)的AR技術(shù)，包括AR SDK、內(nèi)容制作工具、云端內(nèi)容平臺和內(nèi)容分發(fā)服務(wù)4大部分：

• Dumix AR SDK：支持本地識別跟蹤、語音交互、SLAM等20多項(xiàng)功能，幫助移動(dòng)APP集成AR。

• 內(nèi)容制作工具：開發(fā)者可以使用素材模版庫和制作工具開發(fā)AR內(nèi)容，也可以使用百度認(rèn)證的內(nèi)容供應(yīng)商體系，快速為開發(fā)者提供全面專業(yè)的內(nèi)容制作服務(wù)。

• 云端內(nèi)容管理平臺：通過云平臺方式，提供內(nèi)容管理、更新，渠道管理，數(shù)據(jù)統(tǒng)計(jì)等多種內(nèi)容管理服務(wù)；

• 內(nèi)容分發(fā)服務(wù)：百度還會在手機(jī)百度APP、搜索/Feed等百度系入口上提供優(yōu)質(zhì)AR體驗(yàn)的分發(fā)服務(wù)，通過Dumix AR制作和接入的AR，將可以觸達(dá)百度的億級用戶。

圖表26：DuMix AR的能力特點(diǎn)和技術(shù)優(yōu)勢

未來，DuMix AR開放平臺將通過打通手機(jī)百度上內(nèi)容分發(fā)渠道,提供更多場景的AR行業(yè)解決方案，賦能各行各業(yè)，共同探索AR價(jià)值。

總結(jié)：人工智能仍在探索階段，各家技術(shù)方向并不完全趨同，又涉及整個(gè)產(chǎn)業(yè)鏈的融合能力，因此，最終落地形態(tài)和成熟的商業(yè)場景存在較大的不確定性。