若幹年來，科技界反複在讨論兩件事：一是第四次科技革命可能在中國發生，二是 AI 将成為第四次科技革命的核心驅動技術。
如果我們把兩件事融合在一起，就能夠很簡單的推理出一個結論：中國必須結合自身的實際情況，發展出一條前所未有，且其他國家和地區難以複刻的 AI 之路。隻有如此，才能解釋 AI 技術帶來的新科技革命，為什麼将會在中國而不是其他地方完成。
就像第一台簡單的蒸汽機是在 1688 年由法國人德尼斯 · 帕潘發明，卻在近百年後的英國成為驅動科技革命的通用性技術。如何将 AI 轉化為新的通用性、底座型技術，是中國經濟發展遇到的曆史性機遇。
自深度學習技術為代表的第三次 AI 興起進入中國後，中國 AI 産業經曆了十餘年探索。結合中國實際，面向第四次科技革命的 AI 之路，開始逐漸由懵懂走向清晰。
1 月 10 日，百度 Create AI 開發者大會于線上召開。期間，百度 CTO 王海峰發表了《" 深度學習 +"，創新發展新引擎》主題演講，提出人工智能的技術創新和産業發展，進入 " 深度學習 +" 階段。
對于很多朋友來說，深度學習這個概念或許并不陌生。但 " 深度學習 +" 應該還是首次聽到。這個新的概念背後，卻是中國 AI 十餘年的積累，AI 底層技術與基礎設施的漫長凝聚，以及千行百業應用深度學習技術的銳意探索。
這些因素融合起來，讓中國 AI 技術與産業智能化發展得以百尺竿頭更進一步，中國智能化的新轉折點，也正醞釀在這個新的階段。
激流十餘載：
中國深度學習的崛起之路
想要了解 " 深度學習 +"，我們必須回到深度學習技術在中國落地生根的曆史當中。
2006 年，辛頓等人意外發現了多層神經網絡帶來的全新可能性，就此将上世紀 80 年代已經産生的機器學習技術，推動到了深度學習的新階段，而深度學習技術在一系列 AI 測試任務上的優異表現，也重新燃起了人們對 AI 的期待。客觀來說，經曆了兩次寒冬的 AI 技術，能夠再次複興的核心要素就是深度學習技術的出現。
但在此後的多年時間裡，深度學習還僅僅停留在非常小衆的範疇裡，甚至在學術界中也非常小衆。2010 年，當時剛剛來到百度的王海峰發現了深度學習技術所蘊藏的巨大潛能。很快，百度内部高度認可了王海峰的發現，并早早在 2012 年就開始探索深度學習技術與應用。2013 年 1 月，百度率先建立全球首個專注深度學習研究的深度學習研究院 ( IDL ) 。同時，百度也開始布局深度學習開發框架的研發。就這樣，非常幸運同時也非常必然，在王海峰的敏銳發現與百度的當機立斷下，中國企業沒有在 AI 浪潮中掉隊，甚至成為了全球 AI 探索的領路人。
此後多年時間，可以視作中國深度學習技術的創生期。在此期間，百度為代表的 AI 行業取得了一系列成績，比如自主深度學習框架飛槳的問世與發展，多種深度學習算法的進步提升。随着 2017 年全球 AI 熱潮的到來，中國發布《新一代人工智能發展規劃》，深度學習技術的戰略地位與社會需求也水漲船高。面向新的形勢，百度最大化發揮了自身的深度學習技術積累與平台優勢，快速進行了一系列戰略升級與産業成長。
當時間來到 2019 年，深度學習技術在框架、算法、産業空間等一系列要素上都已經趨向成熟。這一年 4 月，王海峰曾提出，深度學習具有很強的通用性，呈現出标準化、自動化和模塊化的工業大生産特征，推動人工智能進入工業大生産階段。
至此，王海峰明确了深度學習技術在整體産業智能化中的核心作用，将第四次科技革命的目标與深度學習技術進行直接、清晰的關聯，指明了深度學習技術，是能夠驅動科技革命的新一代通用性技術。
接下來這個階段，可以看作中國深度學習技術的戰略發展期。這個階段，深度學習不再僅僅是 AI 企業與 AI 行業的事，而是事關社會經濟發展與國家戰略規劃。王海峰就曾指出，深度學習框架在人工智能産業鍊中的位置，可以類比 PC 時代的操作系統 Windows、移動時代的操作系統 IOS 和安卓，是 " 智能時代的操作系統 "。在科技自立的大背景下，深度學習技術的重要性獲得了更多關注。
2021 年 12 月，經國家發改委批複，深度學習技術及應用國家工程研究中心納入新序列管理，這是業内首個也是目前唯一的深度學習領域國家工程研究中心，" 深度學習國家隊 " 應運而生。
從最初的先見之明，到算法、框架、工具的步步積累，從核心技術領先，到 " 國家隊 " 的建立，王海峰與百度，伴随中國深度學習走過了激流勇進的十年。當時間來到 2023 年，多項因素準備就緒，深度學習可以進入全面為社會經濟服務，成為核心增長動力的新階段。
這就是中國深度學習的全面成熟期—— " 深度學習 +" 的轉折點已經到來。
轉折點：
深度學習，為什麼需要 "+"？
提到 " 深度學習 +"，我們自然而然就會想到 " 互聯網 +"，所謂 " 互聯網 +"，就是當互聯網技術在中國進入全面成熟後，網絡、終端、平台全面普及之後，出現了互聯網與各行業、社會生産生活的各方面深度融合的全新現象。從而創造了新的發展生态，湧現了大量發展機遇。" 互聯網 +"，既是互聯網産業的轉折點，也是中國數字經濟的轉折點，創造了一系列經濟騰飛的佳話乃至神話。
" 深度學習 +" 的邏輯也可以這樣理解，當深度學習的核心技術、核心開發平台與開發工具、産業生态、應用空間全面成熟之後，深度學習技術可以成為各行業、社會生産生活各領域能夠全面利用，深度融合的通用性技術。
從全球 AI 産業發展的角度看，深度學習的這一特性已經清晰展露了出來，這項技術也成為國際頂尖科技公司與全球主要國家都在探索的戰略高地。整體而言，深度學習框架平台 + 大模型是目前最具代表性的深度學習發展方向，也是頂級 AI 公司的 " 标準配置 "。
早在 2015 年，谷歌發布了深度學習框架 TensorFlow 并很快将其開源，如今已經成為谷歌 AI 生态的基礎。而從 2018 年開始，谷歌陸續發布了 BERT、Muse 等大模型，積極探索預訓練大模型在 AIGC、文本對話等領域的可能性。另一家受到全球關注的科技公司 Meta，也積極發展自身的深度學習框架。2018 年，Meta 将 Caffe2 代碼并入 PyTorch，推動 PyTorch 進入了發展快車道。而在大模型方面，Mate AI 實驗室發布了 NLP 大模型 OPT 等一系列成果，推動 Meta 在深度學習領域保持競争活力。
根據弗若斯特沙利文（Frost & Sullivan）發布的《中國深度學習軟件框架市場研究報告（2021）》顯示，在中國深度學習框架市場，百度飛槳競争力綜合排名第一，其次是 Meta 的 PyTorch 和谷歌的 TensorFlow。深度學習框架三足鼎立的局面已經形成。
而與美國、歐洲等地的科技發展不同的是，中國具有更廣泛、深厚的深度學習産業應用土壤。這也就是今天我們所說 " 數實融合 " 社會化動力。深度學習技術将全面推動中國的産業智能化發展，激發出智能時代的生産力解放與經濟騰飛——這是中國 AI 産業的轉折點，也是中國智能化的轉折點。
這裡需要解釋的是，我們很多人應該都聽過 "AI+"、" 人工智能 +" 的提法。它們與 " 深度學習 +" 究竟有什麼不同？
從技術意涵上看，AI 技術覆蓋的區域更廣闊，深度學習技術僅僅是 AI 技術當中的一種。因此上，"AI+" 中所使用的 AI 技術可能也會過于寬泛。一家企業應用了智能語音助手，一座車站應用了人臉識别閘機，或許都可以視作 "AI+" 的範疇。
但如此寬泛的指向，存在這樣幾個問題：
1. 産業所能夠獲取的技術大多是簡單化、标準化的，技術深度不足。
2. 企業用戶的 AI 模型的開發、訓練、部署，缺乏全流程的掌握，無法構建自身的開發能力與開發優勢。
3. 企業難以基于深度學習，滿足深度定制化，釋放核心生産力的智能化訴求。
在此基礎上，基于深度學習平台、大模型等要素實現的 " 深度學習 +"，是更加深層化、進階化的 AI 發展階段。企業可以實現深度學習模型從開發、訓練、部署，再到應用的全流程可控，實現深度定制的智能化效果。
而之所以能夠醞釀出 " 深度學習 +" 的轉折點，得益于中國科技多方面的合力。
技術、生态、産業：
深度學習 + 的深層價值
就像在中國能夠實現 " 互聯網 +"，需要天時地利人和一樣 ," 深度學習 +" 能夠率先在中國實現，既離不開百度這樣的頭部企業，在技術上的銳意進取，也離不開産業生态與千行百業的共同支持。
這些力量的統一和整合，才構建了 " 深度學習 +" 能夠實現的土壤，讓智能化在中國生根發芽。
在百度 Create AI 開發者大會，王海峰對 " 深度學習 +" 進行了三個維度的展開，分别從技術、生态、産業三個角度解釋了 " 深度學習 +" 為何能夠實現。
從技術角度看，深度學習技術想要持續發展，接連創造巨大價值，就需要依托于新的技術方向與技術路徑。在目前階段來看，深度學習 + 知識恰好肩負起了這一使命，知識增強的深度學習，已經展現出了模型效果更好，訓練部署效率更高，并且擁有更強的可解釋性。
百度研制的文心産業級知識增強大模型，就探尋了深度學習 + 知識這條路徑的衆多可能性。将行業知識與大模型結合，是文心大模型探索深度學習 + 知識的最新陣地。以文心通用大模型為基礎，通過從行業及企業的特有數據和知識中融合學習，提升大模型對行業應用的适配性，文心與合作夥伴聯合打造了巍巍壯觀的行業大模型體系，這不僅是百度在業内的首創，更是大模型産業化的關鍵舉措。技術的有效差異化，是 " 深度學習 +" 的根本保障。
從生态角度看，" 深度學習 +" 并非一家企業，甚至一類企業的事，而是需要相關企業組成高效且繁榮的産業生态。通過産業鍊協作，打通深度學習 + 上下遊生态夥伴，構建包含芯片、框架、模型及應用的深度學習良性生态。
深度學習良性生态的形成，可以使産業端的需求與反饋，準确傳遞到深度學習技術及應用的每個環節，推動産業角色持續叠代優化。這樣的生态發展思路，也是飛槳一路走來的核心動力。以硬件生态為例，飛槳截止目前已有超過 30 家硬件廠商與飛槳深度融合優化，國内外主流芯片基本都已适配飛槳。
從産業角度看，" 深度學習 +" 的最終落腳點是要在千行百業中發揮價值，幫助各行各業應用深度學習技術降本增效，創新産品和業務，加快産業智能化進程。也隻有如此，才能發揮出中國産業體系完善、體量巨大、場景豐富的核心優勢，構築起 " 為什麼第四次科技革命在中國 " 的核心答案。在千行百業的智能化道路上，" 深度學習 +" 已經扮演了不可替代的角色。
在北京亦莊，百度智能信控系統幫助實現了 " 綠燈自由 "，通過給紅綠燈裝配上深度學習能力，信号燈可以實現精準預測、全域調控，按照車流量分配紅綠燈時間，最大化降低擁堵。如今，這樣的能力百度智能信控系統，助力城市交通的效率優化。
總體而言，" 深度學習 +" 需要持續面向産業應用的技術升級，需要完善的工具與平台，需要繁榮成熟的産學研用生态，更需要廣泛、深刻的産業實踐。
為了實現這些條件，百度與中國 AI 産業已經經曆了十年積累，也隻有中國的 AI 奮發力量，廣闊的産業空間，全社會的創新熱情，才能打通這條前所未有之路。
一條前所未有之路
當世界第一封郵件被發出的時候，不會有人想到互聯網技術最終在中國取得了如此碩果。不僅推動了千行百業的 " 互聯網 +" 創新，更将豐碩的成功經驗與商業模式反哺世界。
時代的車輪滾滾向前。或許如今我們已經可以開始設想 " 深度學習 +"，又将開拓一條怎樣的前所未有之路？
對于企業與行業來說，" 深度學習 +" 帶來的直觀改變，是深度學習的開發能力，以及大模型為代表的先進技術，将快速完成成本大幅下降、門檻極速降低的轉變。在一段時間以前，深度學習開發與大模型或許還是讓企業聞所未聞的技術，不久之後，這些技術或許可以用一名員工就能全部實現，帶來的智能化效果則直線上升。與此同時，企業與行業的特殊需求、特殊經驗，将廣泛且深刻地融入到 " 深度學習 +"。AI 再也不是簡單、基礎的幾項能力，而是企業核心生産力的組成部分。企業可以深度定制 AI 技術，便捷獲取全球最前沿的 AI 能力。
對于科技産業來說，" 深度學習 +" 的成熟，将以龐大、完善的生态為支撐。而這也讓更多科技産業的角色，有機會加入到 " 深度學習 +" 生态，在其中貢獻力量，收獲價值。原本距離較遠産業角色，将獲得開放、繁榮的明天，高效率完成協作，組成立體的産業空間。" 深度學習 +" 生态本身，就将成為新的産業集群孵化器，成為經濟發展的直接推動力。
對于國家科技戰略來說，" 深度學習 +" 是抓住 AI 技術機遇，探索自立自強科技戰略的曆史性契機。" 深度學習 +" 本身既融合了中國領先全球的技術發展與平台搭建，同時也深刻激活了中國産業經濟中的生态優勢、行業優勢與産業鍊優勢。可以說是極具中國特色，走出前所未有道路的科技發展方向。
這條路上，已經可謂碩果累累，比如說百度産業級深度學習開源開放平台飛槳，就是深度學習技術及應用國家工程研究中心最核心的成果。飛槳的出現與成熟，讓中國 AI 底層基礎技術與國際巨頭并駕齊驅，并在部分領域實現了國際領先。中國與美國一起，成為了全球唯二擁有自主技術、繁榮生态深度學習框架的國家。這意味着中國打造了自主可控的 AI 操作系統，有了自立自強的智能化發展機遇。
而對于更多普通人，對于你我來說，" 深度學習 +" 意味着大量的機會。更多的學習機會、創業機會、發展機會，就明确藏在深度學習技術當中，藏在 AI 開發與大模型落地的産業過程中。深度學習依舊是 AI 技術體系的王冠，但不同的是，" 深度學習 +" 讓人人都可以戴上它。
基于 " 深度學習 +"，可以驅動 AI 技術引領的新一輪科技革命和産業變革浪潮加速到來，助力中國現代化産業體系升級，推動經濟社會進入智能時代。
在過去，互聯網不發源于中國，卻在中國起飛，如今，深度學習技術正在實現新的中國奇迹——構建一個技術自立，生态繁榮，産業智能化深度發展的智能中國。
" 深度學習 +"，構成了一個轉折點——中國 AI 從跟随轉向領航，從懵懂轉向成熟。
在這個轉折點之後，第四次科技革命的路标已經清晰可見。
