撰文 | 吴先之  

编辑 | 王   潘

新旧年交替之间，人们的关注正在悄然变化。

无论是此前炮轰PPT的刘强东，还是张勇从“定”到“进”的转变，抑或是马化腾不再相信买量与李彦宏的内部讲话，科技巨头们在年前针对时弊，透露出两个明显特征，一个是重视一线工作实态，另一个是着眼于可持续的增长。

1月10日，百度Create AI开发者大会上，李彦宏在演讲中用2000年世界人均GDP变化，以宏大叙事讲述了一个基本常识：拉动经济增长的从来都不是风口，而是一次又一次科技革命。

与此同时，这些年不断有人提及第四次科技革命。

前三次科技革命都有如下共性，即：引发生产资料革命，改变传统价值链，从而提升整个社会效能。眼下，以深度学习算法为特征的第四次科技革命或许已经到来。

从人工驾驶到自动驾驶，从传统能源调度到智能调度，内容创作形式从PGC、UGC到AIGC，深度学习算法在方方面面加速落地，重构交通、政务、电力、教育、工厂、医疗、金融、文旅、农业等领域的价值链条。

科技革命的道路根本不是什么康庄大道，只有一条“独木桥”，那就是创新，这或许是大厂不约而同转向增长的内生动因。

盲人与魔方

“科技创新驱动了大的增长，那创新本身，它又是从何而来呢？”李彦宏提出问题的同时，也为行业提供了他的解法，即：反馈式创新。

为了解释这个抽象的名词，他在百度Create AI开发者大会讲了一个“盲人与魔方”的故事。

科学家把魔方打乱，交给盲人还原，假设盲人每秒转动一次，复原需要137亿年。如果盲人每转动一次魔方，有人提供一次接近目标的反馈，那么最快两分半钟即可完成复原——是反馈让结果有了云泥之别。

同样的道理，企业作为创新主体，也像盲人一样拆解着魔方，在没有得到正向反馈的情况下，一切创新都将陷入迟滞。因而，李彦宏在大会上才会有如下带有开放色彩表述：创新不是闭门造车而是有机会进入市场。

较为典型的案例便是百度自动驾驶商业化场景之一的萝卜快跑。

一年前，萝卜快跑每个季度都会发布订单数据，在市场眼中，订单增长情况通常只是狭义地反映商业化进程。过去五个季度中，除2022年第一季度受到众所周知的影响外，其余四个季度保持了环比高速增长的势头，一定程度上消除了外界对于tobotaxi变现难的担忧。

对百度而言，订单增长的价值要丰富得多。在订单面前，企业就像参与季考的学生一样，通过横向对比，从全球同行中完成自我定位。更为重要的是，每一笔订单就相当于提供了一次正向反馈，当一家企业长期保持订单规模上的绝对优势时，那么就能从中获得最多的市场与用户反馈，全面感知市场。

听起来就像人们耳熟能详的一句俗语：走过的路比你吃过的盐都多。

李彦宏在大会上提到，北京一位小伙，一年打了600多次无人车的次数已经超过传统出行方式，成为出行首选。大量社交媒体中，用户反馈的信息大多希望无人车能够开到家门口，这意味着robotaxi可能会比传统网约车，有更多可挖掘的服务潜力。

“司机师傅总能在早晚高峰时，找到让你位移的理由，而robotaxi只会无限接近你。”

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。

除了提升交通效率与节约社会能源成本，李彦宏在会上还预测，智能交通方案可以在2027年以前，让中国一线城市不再需要限购限行。此外，智能交通所激发的效率革命，还将从微观上为实体经济复苏注入活力。试想，如果解决了拥堵问题，限购随之松绑，汽车消费市场将迎来喷涌时刻。

困难与凯旋是一体两面

过去一年，人工智能这条路少不了崎岖。

哪怕是被寄予厚望的自动驾驶领域，也经历了一次次认知修正与路线变化。此前业内认为自动驾驶商业化落地会因循L2到L5的线性发展逻辑，然而L3的事故认定悖论，极有可能被L4替代。

L3一边言辞凿凿说要解放驾驶员的手脚，汽车独立完成几乎全部的驾驶操作，可是另一边又要求驾驶员保持注意力集中，以便随时介入、干预。这相当于在食品标签上标注一句“产品很营养，要吃得备药”。

目前来看，L2很可能跳过L3，直接过渡到L4。因而大众与上汽这类主机厂，才会同时开发L3与L4来规避前者的权责悖论。

智能交通这段曲折之路只是诸多落地场景中的一个，像AIGC版权与权责界定，内容质量不佳、效率提升并不明显等问题，都预示着人工智能的前途依然充满挑战。

对于百度而言，即便AI已过寒冬，但是依然春寒料峭，挑战无处不在，正如所有美丽的鸟儿，都会经历破壳时的声嘶力竭，一家伟大的公司也势必同时面对困难与凯旋。