投影仪|十年千亿，百度知春( 二 ) 音箱|数码

这表明，创新技术驱动的全新场景，并不是只有商业价值这一个维度，而是企业究竟能有多少渠道感知市场反馈，从而完成“创新-修正-创新”的螺旋上升过程。
另一个李彦宏没有在大会上深入展开的案例是AIGC ，眼下它正在显著改变传统内容生产形式。
上一次内容市场变革由“两微一抖”引发， PGC独霸市场的格局，因为UGC崛起而发生改变，内容去中心化大潮让两种生产模式平起平坐。然而无论UGC还是PGC ，都只是内容创作主体发生变化，无涉创作本身，而AIGC则直接改变了传统内容生产形式。
TTV为纯图文创作者提供了“两低一高”（低门槛、低成本、高效率）的视频化解决方案；AI作画平台“文心一格”能够满足个性化图片的需求。大模型响应需求的同时，也在感知来自市场的反馈信息。
百度大脑是百度AI能够实现“反馈式创新”的基石。芯片层、框架层、模型层和应用层，为AI应用创新提供了一片广袤的试验田。
“反馈式创新”的实质其是本体与客体的交互，回溯历次科技革命可以看到，创新从理论到实践的周期，很大程度上取决于规模化与商业化实践的广度与深度。
创新应用既要“通”还得“专”“盲人魔方”是反馈式创新最经典的叙述，然而创新本身是需要长久的耐心与持续不断的投入才能实现。
如果没有过去十年，持续投入上千亿研发资金，百度不可能建立自己的AI技术架构，事实上，这套由芯片层、框架层、模型层和应用层组成的AI技术架构本身就是一系列反馈式创新的结果。
百度的搜索服务，每天响应几十亿次真实的用户使用需求，并进行1万亿次深度语义推理与匹配，使搜索引擎能够提供真实与及时的反馈，从而倒逼大模型、深度学习框架以及芯片的优化。
此前百度所发布的昆仑芯片能够从一众AI芯片中脱颖而出，便是仰赖其十年优化的搜索服务所提供的正向反馈。在数实融合的大背景下，百度四层AI技术架构的通用性与专用性有了横向与纵向的拓展空间。
随着人工智能技术走向成熟，开发与应用的门槛和成本势必下降。
例如百度自研的开源深度学习框架百度飞桨，聚集了535万开发者，服务20万家企事业单位，基于飞桨创建了67万个模型，已建立起一个繁荣的深度学习生态。可以将飞桨视为AI时代的OS ，开发者可以像搭积木一样开发AI应用，加速各类场景落地。

此前，人们关注硬件卡脖子问题，而忽略了软件卡脖子的问题，基于飞桨的大模型大规模部署，让人们看到了解决AI新型基础设施自主可控的希望。
在数字经济与智能经济时代，基础软件自主可控关系到个人与整体安全。一个眼前的案例便是俄罗斯遭受Oracle、Apple、Google等科技巨头断供，这场危机所造成的后果完全不亚于基础硬件方面的断供危机。因此，软件层面的独立自主创新如何强调也不为过。
过去的一年，对于人工智能而言是大模型产业化的元年。由于大模型集成了NLP、CV、ASR与TTS ，具备多模态能力，结合多种行业和业务场景的调优，解决了传统AI应用低效、分散的开发方式，截至目前，百度文心已经累计发布了11个行业大模型。
大模型的通用性，类似于蒸汽机、内燃机以及第三次科技革命中的核反应堆与发电机。而专用性则为人工智能深入产业创造了条件，如同蒸汽机、内燃机、核反应堆与电机在交通、制造、能源领域的应用一样。
智能交通所创造的价值链条将多层次激活实体经济，如城市交通拥堵所吞没的成本、传统拥堵治理徒耗的资源以及不断增长的人货流通问题。