产业智能化快速深入推进,人工智能基础设施的建设不可或缺。5月20日,由深度学习技术及应用国家工程实验室与百度联合主办的“Wave Summit 2020”深度学习开发者峰会在线上召开。百度CTO王海峰在致辞中表示,时代契机为飞桨的发展提供了最好的机遇,作为中国首个开源开放、功能完备的产业级深度学习平台,飞桨将与产业紧密融合,与开发者并肩前行。
王海峰公布了飞桨一连串的喜人数据:累计开发者数量194万,服务企业数量8.4万家,基于飞桨平台产生了23.3万模型,覆盖通信、电力、城市管理、民生、工业、农业、林业、公益等众多行业和领域。疫情期间,飞桨和开发者一起战斗,推出了口罩检测和人脸识别、社区疫情防控系统、疫情问答机器人、基于CT影像的肺炎筛查等等一系列产品和服务,依托飞桨平台和生态为疫情防控贡献科技力量。
王海峰认为,这些由开发者和飞桨共同努力创造的成果,得益于技术的成熟、平台的强大和生态的欣欣向荣,也跟社会的需求和时代的契机密切相关。
首先,算法、算力及数据的持续共同进步,使得技术的边界不断被拓展。飞桨深度学习平台高速发展,易用性不断提升,模型库日益丰富,工具组件愈发完备,部署更加便捷。进而,围绕深度学习平台的技术和产业生态日渐繁荣,推动人工智能进入工业大生产阶段,加速各行各业智能化升级,并不断催生新的应用、新的产业。
另一方面,疫情带来线上经济增长。远程办公、云课堂等复工复产新模式,公共安全、应急管理、城市治理等国计民生相关产业迫在眉睫的智能化需求,以及澎湃而来的新基建大潮,为技术创新创造了良好的机遇。以飞桨为代表的深度学习平台是新型基础设施的重要一环,与云计算、5G、物联网、数据中心等互相融合促进,加速产业智能化进程。
时代契机下,飞桨聚焦于满足旺盛的产业智能化需求和快速增长的AI生产规模,全新升级,包含飞桨开源深度学习平台和飞桨企业版。飞桨开源深度学习平台包括核心框架、基础模型库、端到端开发套件与工具组件,将始终保持开源,不断提升核心能力,为产业、学术、科研创新提供基础支撑。同时,随着企业应用的需求越来越丰富和强烈,首次推出飞桨企业版,助力各个企业拥有自己的AI中台,加速企业智能化升级的进程。
满足AI工业大生产需求之外,飞桨作为技术领先的深度学习平台,积极布局前瞻技术方向,发布量子机器学习,这使得它成为国内首个支持量子机器学习的深度学习平台。
在刚刚举办的ABC Summit 2020百度夏季云智峰会上,百度智能云“以云计算为基础,以人工智能为抓手,聚焦重要赛道”的新战略首次亮相。百度智能云融合了云计算、大数据、百度大脑等百度的核心技术,把人工智能输送到千行万业,促进各行各业的智能化升级,成为加速AI工业化大生产的关键力量,而飞桨则是其中的核心基础底座。
正如王海峰所说,“在产业智能化浪潮兴起、人工智能基础设施建设快速推进之际,飞桨以更敏捷的脚步,秉承开源开放理念,坚持技术创新,与开发者共同成长和进步,一起发展深度学习和人工智能技术及产业生态,加速产业智能化进程。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。