今天，「2025百度十大科技前沿發(fā)明」亮相!

從大模型、深度學習框架到智能體、數(shù)字人、無人駕駛等AI技術突破，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、場景應用全棧技術體系。

歷經(jīng)十余年技術投入，百度在AI領域積累了豐碩創(chuàng)新成果，人工智能全領域專利已連續(xù)七年居國內第一。

《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，深度學習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)明在內外部場景的應用，加速創(chuàng)新成果落地轉化，為產(chǎn)業(yè)創(chuàng)造價值。

一同見證前沿發(fā)明引領智能躍遷

感受AI應用效果涌現(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，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;在此基礎上構建了一種面向大模型的獎勵系統(tǒng)，為多環(huán)境多任務場景提供高質量的強化學習獎勵信號。

2.大模型訓練全流程高效容錯技術

本發(fā)明提出了大模型訓練高效容錯技術，構建了完備高效的軟硬件故障自動召回定位恢復體系，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練快照機制，攻克了集群訓練中故障定位與召回恢復兩大關鍵難題。同時，通過研制層次清晰、架構合理的容錯接入體系及全流程測試框架，在大模型訓練過程中實現(xiàn)了高效部署與驗證，顯著提升故障恢復效率，降低系統(tǒng)故障概率。

3.劇本驅動的高說服力數(shù)字人技術

本發(fā)明構建了高說服力數(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、超擬真唇形驅動技術、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，其核心框架Deep-Search以Master-Planner-Execu-tor-Generator四層智能體體系為技術底座，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)地融合顯式任務規(guī)劃、動態(tài)工具調用與實時反思機制，為新一代智能搜索提供了核心技術支撐。

5.蒸汽機(文心專精)音視頻一體化生成大模型技術

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、有聲一體化訓練、高性能訓推優(yōu)化三大技術核心構成;通過極致的中文場景高質量數(shù)據(jù)清洗與結構化描述、訓推一致性優(yōu)化，調教支持長視頻生成基座;搭載首創(chuàng)的Latent Multi Modal Planner技術重構生成邏輯，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、訓推一體的AI基建系統(tǒng)性創(chuàng)新技術，計算架構上，首創(chuàng)Ultra Server柜級超節(jié)點，兼容多卡;自研XPULink與PD分離架構，全棧優(yōu)化軟硬件協(xié)同;存儲系統(tǒng)上，自適應元數(shù)據(jù)架構突破大規(guī)模管理瓶頸，專屬kVCache加速方案適配Al業(yè)務;網(wǎng)絡技術上，推理專屬2跳可達架構+彈性生eRDMA，構建低時延傳輸通道;云原生能力上，全鏈路智能運維(異常自感知/診斷/恢復)，AI網(wǎng)關增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

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，基于車輛的橫縱耦合動力學，設計線性時變模型預測控制器，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.信息流端到端內容理解與序列生成技術

本發(fā)明突破了現(xiàn)有推薦系統(tǒng)中內容理解與分發(fā)模型相互割裂的局限，首創(chuàng)端到端多模態(tài)內容理解與序列生成技術，構建了“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，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.飛槳科學計算高效求解技術

本發(fā)明基于飛槳的科學計算核心技術，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)絡編譯器技術，實現(xiàn)了微分方程的高效求解，解決了科學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)化應用。

10.基于智能體的自進化應用生成技術

本發(fā)明以大模型與強化學習為核心，構建了由“需求模型、代碼模型、創(chuàng)意模型”組成的三重自進化學習架構，通過自然語言理解用戶需求，經(jīng)由代碼模型實現(xiàn)高質量代碼生成，并在用戶反饋與強化學習機制下形成持續(xù)優(yōu)化的數(shù)據(jù)飛輪?；谠摪l(fā)明技術的系統(tǒng)不僅能執(zhí)行代碼生成任務，更能在實踐中自我學習、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習技術，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)新技術趨勢的重要反映，其中不少技術已落地內外部場景應用。例如：

信息流端到端內容理解與序列生成技術

該技術突破傳統(tǒng)內容理解與分發(fā)模型割裂的局限，構建了“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。

劇本驅動的高說服力數(shù)字人技術

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

兼容端到端軌跡方案的自動駕駛橫縱聯(lián)合控制技術

支撐了Apollo領先的控制技術方案，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，安全行駛里程超2億公里。

……

想了解更多前沿技術?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。