李彦宏10年花了1000多亿！500万开发者撑起中国最大深度学习框架

新智元报道

当你仰望星空时，你在想些什么？

有执着的发问，就会有不曾想象的回音。

从方寸之间到寰宇之外，创造新宇宙的人，相信永远看不到天花板。

坚定的人，不会因为到达而停下，他们用创造的脚步丈量未知。

百度CREATE 2022大会，为我们展示了人类设计师和AIGC共同创意制作的绘画。

而就像这些绘画所描述的场景，百度，也不曾停下创新的脚步。

在大会开始，李彦宏就提出了一个令人深思的观点：第四次科技革命的标志，就是深度学习算法。与深度学习相关的重大创新，会像汽车、互联网一样，对我们的社会产生重大的影响。

真正的实践中，没有导航地图，只有指南针。而百度，也是摸准大致方向后，基于实践一步步迭代，才跑出了有价值的创新。

在大会上，李彦宏展示了这样一幅画。这幅画是他以「危机和希望」为关键词，在百度AI作画平台一格上生成的。

这幅画，很好地代表了人工智能面临的现状——经历起起落落，但充满希望。

是的，李彦宏依然坚持去年的观点——创造者们将迎来属于人工智能的黄金十年。

AIGC元年，来了

DALL·E2让文本生成图片火爆一整年，随后的Stable Diffussion、Midjourney，更是启发了无数人的艺术灵感，甚至让不少画手感到震惊。

而DALL·E2和谷歌发布的Imagen的模型，也吸引了许多AI学者参与研究。

其实，在2022年初，百度研究院早已预测到了AIGC在这一年的火爆。

超大规模预训练模型呈现知识增强、跨模态统一建模、多学习方式共同演进的趋势，并逐渐实用化。

例如AIGC （AI generated content，人工智能创造内容），借助大模型的跨模态综合技术能力，可以激发创意，提升内容多样性，降低制作成本，将会实现大规模应用。

而且，这已经不是百度研究院第一次做出神预测了。2020年，它预测的NLP模型在GPT-3上得到应验，而在2021年，它押中的数字人全面大爆。

而这次，百度对于AIGC领域的趋势，可谓是胸有成竹。

三个天才创作者，一键圆你导演梦

而李彦宏以「危机和希望」为主题生成的绘画，背后就是文心知识增强跨模态大模型一格，它就是接下来要出场的三位天才创作者的其中一位。

这次Create大会上，百度技术委员会主席吴华为我们介绍了三位能力超群的天才创作者。

它们分别是天才编剧——文心ERNIE3.0Zeus，天才插画师——文心ERNIE-ViLG 2.0，剪辑和动画大师——VIMER-TCIR。

有了这三位天才创作者，再配上自己设计的虚拟人演员，你也可以当上导演，拍出自己的影视大作了！

文心ERNIE 3.0 Zeus语言大模型，陪你聊到天荒地老！

作为ERNIE 3.0系列模型的最新升级，ERNIE 3.0 Zeus除了对无标注数据和知识图谱的学习之外，还通过持续学习对百余种不同形式的任务数据实现了全面掌握。

在对通用知识和专门知识「双管齐下」后，模型的泛化能力显著提升，不管是多语言理解，还是生成任务，都能轻松搞定，名副其实的「通才」了属于是。

无论是自主创作、自由回答，还是命题对话、情感分析，100多个层次化Prompt，ERNIE 3.0 Zeus都能顺利应对。

文心ERNIE-ViLG 2.0图像生成大模型，天才画师了解一下？

如果说文心ERNIE 3.0 Zeus是语言大师，ERNIE-ViLG 2.0就是作画大师。它能根据一句话或者一段描述文本，生成一幅精美的画作。

中文提示，想要什么画，直接开口说就行，只有你想不到的，没有ta画不出来的，看看这艘青花瓷战舰，像不像一尊精美的艺术品？就是不知道真的打起来，会不会被一炮干碎......

而要达成这个目标，离不开模型本身背后知识增强的扩散模型。

一句话或几句话的提示中，哪些是核心要素，需要在画作中突出展现，哪些是修饰要素，作用就是锦上添花，还不能喧宾夺主，这里边就有学问了。

为了尽可能实现精准作画，在学习过程中，ERNIE ViLG 2.0引入了语言、视觉等多源知识，引导模型更加关注文本和图像中的核心语义元素，实现精准的细粒度语义控制。

此外，ERNIE ViLG 2.0还可以针对不同阶段，选择不同网络（比如降噪）建模的框架，有效解决了不同阶段对模型能力要求不一致的问题，减少了降噪任务的互相干扰，提升了图像生成的质量。

无论是写实风、中国风、还是国潮、国画风，ERNIE-ViLG 2.0都能根据简短的中文提示生成切题、风格各异、且生动逼真的图像。

举个例子，比如下面这段艳丽飘逸的「天宫盛宴」：

基于ERNIE-ViLG 2.0的文心·一格，交出了可以说是面面俱到的作业，整体画风色调明艳，不失古代情调。

现在，我们只需要在百度「文心·一格」平台上输入几个关键词，也能分分钟得到风格独特的画作。

除了语言和图像外，在视频内容生成与编辑上，也是文心大模型大展身手的地方。

在视觉内容生成方面，视频生成大模型可以根据用户提供的一段描述文本，或者一幅图像，自动地生成高清、流畅的视频。

在视觉编辑方面，VIMER-TCIR多任务大模型，则可以利用对超分辨率、去噪、去模糊、去压缩等多任务的联合预训练，同时实现对多种不同情况的修复和编辑。

目前，VIMER-TCIR已经在老电影修复等场景实现落地，而且大幅提升了运行效率，每天单机就可修复视频28.5万帧，解决了绝大部分老电影画面的修复问题。

AIGC的浪潮已经到来，在未来，可以预见的是，AI作画、AI创作视频等等，很快就会变得像手机拍照一样简单。