今天，「2025百度十大科技前沿發(fā)明」亮相!

從大模型、深度學(xué)習(xí)框架到智能體、數(shù)字人、無人駕駛等AI技術(shù)突破，今年發(fā)布的十大科技前沿發(fā)明涵蓋了人工智能算力、框架、模型、場景應(yīng)用全棧技術(shù)體系。

歷經(jīng)十余年技術(shù)投入，百度在AI領(lǐng)域積累了豐碩創(chuàng)新成果，人工智能全領(lǐng)域?qū)＠堰B續(xù)七年居國內(nèi)第一。

《2025人工智能創(chuàng)新與專利白皮書》顯示，百度生成式AI、智能體專利中國第一，大模型專利申請量全球第二、中國第一，深度學(xué)習(xí)專利申請量全球第一，高級別自動駕駛專利族數(shù)全球第一。

同時，我們也在積極推進前沿科技發(fā)明在內(nèi)外部場景的應(yīng)用，加速創(chuàng)新成果落地轉(zhuǎn)化，為產(chǎn)業(yè)創(chuàng)造價值。

一同見證前沿發(fā)明引領(lǐng)智能躍遷

感受AI應(yīng)用效果涌現(xiàn)

1.自回歸統(tǒng)一建模的原生多模態(tài)大模型

本發(fā)明是新一代文心大模型的核心技術(shù)，提出了業(yè)界首個能夠同時支持語言、圖像、視頻、音頻統(tǒng)一建模的多模態(tài)大模型技術(shù)框架，實現(xiàn)了多模態(tài)原生統(tǒng)一的融合建模，可同時支持任意模態(tài)的理解與生成;在此基礎(chǔ)上構(gòu)建了一種面向大模型的獎勵系統(tǒng)，為多環(huán)境多任務(wù)場景提供高質(zhì)量的強化學(xué)習(xí)獎勵信號。

2.大模型訓(xùn)練全流程高效容錯技術(shù)

本發(fā)明提出了大模型訓(xùn)練高效容錯技術(shù)，構(gòu)建了完備高效的軟硬件故障自動召回定位恢復(fù)體系，創(chuàng)新性地提出基于大模型通信行為的全場景故障定位方法和零損失訓(xùn)練快照機制，攻克了集群訓(xùn)練中故障定位與召回恢復(fù)兩大關(guān)鍵難題。同時，通過研制層次清晰、架構(gòu)合理的容錯接入體系及全流程測試框架，在大模型訓(xùn)練過程中實現(xiàn)了高效部署與驗證，顯著提升故障恢復(fù)效率，降低系統(tǒng)故障概率。

3.劇本驅(qū)動的高說服力數(shù)字人技術(shù)

本發(fā)明構(gòu)建了高說服力數(shù)字人方案，依托數(shù)字人視頻生成大模型基座設(shè)計了多模協(xié)同、高表現(xiàn)力、超長時長的數(shù)字人視頻生產(chǎn)方案，涵蓋可控視頻生成技術(shù)、超擬真唇形驅(qū)動技術(shù)、劇本智能創(chuàng)作和AI大腦自主決策4個核心能力，突破大表情/大動作、音容話一致、人-物-場復(fù)雜交互等一系列業(yè)界難題。

4.基于多智能體協(xié)同的AI搜索引擎

該發(fā)明創(chuàng)新性地提出了一種AI搜索引擎技術(shù)，其核心框架Deep-Search以Master-Planner-Execu-tor-Generator四層智能體體系為技術(shù)底座，模擬人類信息處理的“感知-規(guī)劃-執(zhí)行-生成”全流程，動態(tài)適配從單輪事實查詢到復(fù)雜多階段推理的全場景需求。AI搜索引擎，系統(tǒng)地融合顯式任務(wù)規(guī)劃、動態(tài)工具調(diào)用與實時反思機制，為新一代智能搜索提供了核心技術(shù)支撐。

5.蒸汽機(文心專精)音視頻一體化生成大模型技術(shù)

本發(fā)明是全球首個中文音視頻一體化生成模型，通過多模態(tài)信息的精準(zhǔn)同步與自然交互，支持分鐘級多人有聲音視頻生成與交互;該發(fā)明由自回歸擴散建模、有聲一體化訓(xùn)練、高性能訓(xùn)推優(yōu)化三大技術(shù)核心構(gòu)成;通過極致的中文場景高質(zhì)量數(shù)據(jù)清洗與結(jié)構(gòu)化描述、訓(xùn)推一致性優(yōu)化，調(diào)教支持長視頻生成基座;搭載首創(chuàng)的Latent Multi Modal Planner技術(shù)重構(gòu)生成邏輯，實現(xiàn)視頻的全流程有聲一體化生成;極致工程優(yōu)化突破傳統(tǒng)擴散模型限制，壓縮視頻成本，滿足生成實時交互。

6.從芯片到集群的跨層級訓(xùn)推一體A基建系統(tǒng)性技水

本發(fā)明提出了從芯片到集群的跨層級協(xié)同優(yōu)化、訓(xùn)推一體的AI基建系統(tǒng)性創(chuàng)新技術(shù)，計算架構(gòu)上，首創(chuàng)Ultra Server柜級超節(jié)點，兼容多卡;自研XPULink與PD分離架構(gòu)，全棧優(yōu)化軟硬件協(xié)同;存儲系統(tǒng)上，自適應(yīng)元數(shù)據(jù)架構(gòu)突破大規(guī)模管理瓶頸，專屬kVCache加速方案適配Al業(yè)務(wù);網(wǎng)絡(luò)技術(shù)上，推理專屬2跳可達架構(gòu)+彈性生eRDMA，構(gòu)建低時延傳輸通道;云原生能力上，全鏈路智能運維(異常自感知/診斷/恢復(fù))，AI網(wǎng)關(guān)增LLM智能路由。

7.兼容端到端軌跡方案的自動駕駛橫縱聯(lián)合控制技術(shù)

本發(fā)明提出了一種可兼容端到端軌跡方案的自動駕駛橫縱聯(lián)合控制技術(shù)，基于車輛的橫縱耦合動力學(xué)，設(shè)計線性時變模型預(yù)測控制器，實現(xiàn)車輛運動的橫、縱向聯(lián)合協(xié)同控制，模型假設(shè)近似更少，對上游數(shù)據(jù)依賴更少，橫縱向指令更加穩(wěn)定，實現(xiàn)對傳統(tǒng)方案的升級和超越。該發(fā)明可完美適配Apollo ADFM的端到端上游軌跡方案，大幅提升安全性和乘坐舒適性，對于低速橫向晃動幅度可優(yōu)化70%，100%消除彎道橫向抽動的控制問題。

8.信息流端到端內(nèi)容理解與序列生成技術(shù)

本發(fā)明突破了現(xiàn)有推薦系統(tǒng)中內(nèi)容理解與分發(fā)模型相互割裂的局限，首創(chuàng)端到端多模態(tài)內(nèi)容理解與序列生成技術(shù)，構(gòu)建了“理解生成-分發(fā)反饋-再理解生成”的自增強閉環(huán)。通過全新的多模態(tài)語義對齊和動態(tài)Token統(tǒng)一量化技術(shù)，融合用戶快慢反饋，將多模態(tài)知識對齊與生成式行為建模深度融合，實現(xiàn)Feed信息流系統(tǒng)從記憶檢索，邁向深度理解生成推理的新階段。

9.飛槳科學(xué)計算高效求解技術(shù)

本發(fā)明基于飛槳的科學(xué)計算核心技術(shù)，通過組合算子拆分、高階自動微分、符號表達式的推理和神經(jīng)網(wǎng)絡(luò)編譯器技術(shù)，實現(xiàn)了微分方程的高效求解，解決了科學(xué)計算場景高階微分方程求解的難題。本發(fā)明的微分方程求解速度較傳統(tǒng)方法提升2到4個數(shù)量級，比PyTorch提速115%，被國際知名微分方程求解庫DeepXDE唯一推薦;已在飛槳框架中實現(xiàn)，集成于Paddle-Science、PaddleCFD等產(chǎn)品，并實現(xiàn)產(chǎn)業(yè)化應(yīng)用。

10.基于智能體的自進化應(yīng)用生成技術(shù)

本發(fā)明以大模型與強化學(xué)習(xí)為核心，構(gòu)建了由“需求模型、代碼模型、創(chuàng)意模型”組成的三重自進化學(xué)習(xí)架構(gòu)，通過自然語言理解用戶需求，經(jīng)由代碼模型實現(xiàn)高質(zhì)量代碼生成，并在用戶反饋與強化學(xué)習(xí)機制下形成持續(xù)優(yōu)化的數(shù)據(jù)飛輪。基于該發(fā)明技術(shù)的系統(tǒng)不僅能執(zhí)行代碼生成任務(wù)，更能在實踐中自我學(xué)習(xí)、逐步提升智能水平，真正實現(xiàn)“越用越聰明”的AI開發(fā)助手;其多模型協(xié)同機制與端到端軌跡學(xué)習(xí)技術(shù)，打破了傳統(tǒng)無代碼平臺的靜態(tài)瓶頸，形成可持續(xù)演化的智能體編程體系。

這些前沿發(fā)明是AI行業(yè)新技術(shù)趨勢的重要反映，其中不少技術(shù)已落地內(nèi)外部場景應(yīng)用。例如：

信息流端到端內(nèi)容理解與序列生成技術(shù)

該技術(shù)突破傳統(tǒng)內(nèi)容理解與分發(fā)模型割裂的局限，構(gòu)建了“理解生成-分發(fā)反饋-再理解生成”的自增強閉環(huán)，該發(fā)明所在的“心流”團隊于9月獲得今年百度最高獎。

劇本驅(qū)動的高說服力數(shù)字人技術(shù)

曾推動數(shù)字人技術(shù)進入高質(zhì)量、低成本、廣應(yīng)用的普惠時代，使數(shù)字人具備超擬真、高表現(xiàn)力、AI大腦靈活調(diào)度、劇本智能創(chuàng)作等特性。該技術(shù)曾支撐羅永浩數(shù)字人直播首秀創(chuàng)下GMV5500萬元行業(yè)紀(jì)錄。

兼容端到端軌跡方案的自動駕駛橫縱聯(lián)合控制技術(shù)

支撐了Apollo領(lǐng)先的控制技術(shù)方案，大幅提升自動駕駛車輛的安全性和乘坐舒適性。目前，蘿卜快跑已累計提供超1400萬次出行服務(wù)，安全行駛里程超2億公里。

……

想了解更多前沿技術(shù)?來!就在百度世界2025，11月13日，北京國家會議中心二期，一起見證AI效果涌現(xiàn)時刻。