“這是百度大腦歷史上最具跨越性的升級。”

近日的百度開發者大會上，百度首席技術官王海峰正式發布百度大腦5.0，并在下午的百度大腦分論壇，公布了其在AI算法、計算架構和應用場景各方面的新進展。

提出流式多級的截斷注意力模型SMLTA

升級后的百度大腦5.0更加強調AI技術的標準化、自動化和模塊化。

百度語音技術部高級總監高亮介紹，識別方面，百度提出流式多級的截斷注意力模型SMLTA，這是國際上首次實現局部注意力建模超越整句的注意力模型，也是國際上首次實現在線語音大規模使用注意力模型。

SMLTA在大幅提升識別速度的同時，也提高了識別準確率。在輸入法有效產品相對準確率提升15%，音箱有效產品相對準確率提升20%。

合成方面，針對現階段面臨風格遷移、音色模擬和情感擬人的三大挑戰，百度推出語音合成技術Meitron，可以將語音中的音色、風格、情感等要素映射到不同的子空間，在使用時，不同要素可以任意組合，靈活的控制合成語音的風格。同時降低語言合成門檻，僅需20句話就可以制作一個人的專屬聲音。

發布針對遠場語音交互打造的芯片——百度鴻鵠芯片

對于落地應用正在端側呈現出巨大需求，百度大腦語音團隊研發出一款針對遠場語音交互打造的芯片——百度鴻鵠芯片。

鴻鵠芯片的設計遵循“軟件定義芯片”的全新設計思路。該芯片采用雙核HiFi4架構，2.8M大內存，臺積電40nm工藝，在此硬件規格上，100mw左右平均工作功耗，即可支持遠場語音交互核心的陣列信號處理和語音喚醒能力。同時，按照車規級標準打造使鴻鵠芯片可滿足極嚴格的需求，將為車載語音交互，以及智能家居等場景帶來更大想象力。鴻鵠芯片流片的同時，即實現了量產。

交互升級包含一體化人機交互系統和大場景物理世界交互系統。簡單而言，一體化人機交互系統是人與機器、虛擬環境的自然交互與融合，該系統適用于實現AR特效的直播、小視頻、特效小程序等場景，已應用于百度多款視頻App。

大場景物理世界交互系統是將視覺定位與AR技術突破性結合，實現大范圍的虛擬信息與物理世界的精準疊加，從而建立起AI時代全新的交互系統。目前，軟硬件結合可以滿足應用場景更高效的視覺計算，以及更低延時的體驗，同時能保護數據隱私。百度視覺方面的軟硬件結合主要聚焦于模型壓縮平臺PaddleSlim、多模態FaceID開發組件以及軟硬件一體解決方案AI相機三部分。FaceID覆蓋設備量已超1200萬臺。

視覺語義化平臺更新至2.0

視覺語義化平臺2.0更新了許多先進的感知技術，也讓機器人技術實現新突破。

百度三維視覺首席科學家楊睿剛介紹，機器人就是一個智能體，除了感知技術，智能體需要決策和動作相關的技術，實現從環境感知到主動感知。目前，百度研究的智能體技術主要集中在自動駕駛Apollo、工程機械和服務機器人三大方面。

上午主論壇中王海峰現場與一只機械臂“茶博士”進行了互動對話，還完成了傳統的長嘴壺倒茶工作，其背后依靠的正是服務機器人方案。

基于百度3D視覺，機器人可以對茶杯的位置進行檢測和追蹤。通過機器人運動規劃和控制，機械臂可以對工作空間進行碰撞檢測，避開障礙物；實時規劃運動后，可自動生成倒茶軌跡；隨后，感知水流變化，，王海峰在演示過程中故意改變了茶杯位置，茶博士也準確識別出了相關位置并成功續茶。

迎接5G時代，發布新一代AI計算架構

百度大腦5.0不僅包含算法層面創新，在算力方面也實現重大突破。近年來，算法對算力需求增長近300,000倍，而芯片的計算性能僅提升30倍，兩者之間存在巨大鴻溝。

百度副總裁侯震宇為現場觀眾分享了百度新一代AI計算架構。面對AI計算的挑戰，需要能夠從端到端來提供AI計算能力，這要求計算系統從舊有的對海量數據處理能力、對IO高峰值的追求，轉變為滿足AI訓練功能方面IO密集、計算密集、通信密集的需求，和AI推理功能方面大吞吐和低延遲的需求。

侯震宇認為，面對即將到來的AI+5G時代，計算將無處不在。真正的計算會發生在設備（Device）、邊緣（Edge）和云（Cloud）中，因而D-E-C場景將會是接下來需要重點研究的問題；與此同時，包括芯片之間、系統之間、設備之間的互相連接，將幫助不同場景中的計算連接在一起，產生更大的計算力。