李彦宏：创新不是闭门造车，摸着“反馈”才能过河

来源：雷达财经(ID：leizhuba)，作者：苏红，编辑：深海

李彦宏说，沿着这个思路，如果让其来判断第四次科技革命的标志，其认为是深度学习算法。

“过去一年，人们对‘风口’的讨论少了一些，对增长的健康度关注更多了。增长从何而来？”在1月10日举行的第五届百度 Create AI开发者大会上，李彦宏抛出了这个问题。

李彦宏分享了过去2000年世界人均GDP的曲线图。在更早的1800年里，世界人均GDP的变化不明显。而在最近的250年左右，人均GDP出现了爆发式的增长。这是人类历史上的几次科技革命带来的。

李彦宏说，沿着这个思路，如果让其来判断第四次科技革命的标志，其认为是深度学习算法。

“那创新本身，它又是从何而来呢？” 李彦宏总结为“反馈驱动创新”。

有科学家做过一个思想实验：把魔方打乱，交给一个盲人还原，假设盲人每秒转动一次，复原魔方需要137亿年。如果有人反馈，则只需要两分半钟的时间。

所以，创新不是闭门造车。创新，是不断从市场获得用户和客户的反馈，摸着“反馈”过河才能实现的。

据李彦宏介绍，百度在经营发展中，也有很多“反馈驱动创新”的实践经验。百度从一年前开始，每个季度都发布萝卜快跑的订单量。百度的目标是保持自动驾驶出行服务订单量全球领先，这背后也是“反馈驱动创新”的理念。订单量最大，意味着能够获得最多的市场和用户反馈。李彦宏认为，自动驾驶的落地速度，可能比预期要快。

以下为李彦宏演讲全文：

创新驱动增长，反馈驱动创新

各位开发者们，

大家好，今年是第五届百度 Create AI开发者大会，感谢大家的陪伴！每年我们都在这里，探讨技术发展和创新机会。

过去一年，我们看到，人们对“风口”的讨论少了一些，对增长的健康度关注更多了。

今天我的分享，就围绕“增长”这个话题展开。增长从何而来？什么会推动可持续的增长？

我这里有一张过去2000年世界人均GDP的曲线图。可以看见，在更早的1800年里，世界人均GDP的变化是不明显的。而在最近的250年左右，人均GDP出现了爆发式的增长。大家应该都已经想到了，这个爆发式的增长，是人类历史上的几次科技革命带来的。科技创新驱动了大的增长。

沿着这个思路，如果让我来判断第四次科技革命的标志，我认为是深度学习算法。这个技术能够带来的效率提升、能够驱动的经济增长，是比很多人想象的要更大的。与深度学习相关的重大创新，包括自动驾驶，也包括水电能等领域的智能调度系统。它们的应用会像汽车、互联网这些发明一样，产生重大社会影响，是重大创新。

所以，是科技创新驱动了大的增长。那创新本身，它又是从何而来呢？

我总结为“反馈驱动创新”。有科学家做过一个思想实验：把魔方打乱，交给一个盲人还原，假设盲人每秒转动一次，他需要多久才能将魔方复原呢？答案是137亿年。但如果盲人每转动一次魔方，就有人向他做一次反馈，告诉他是更接近目标了，还是更远离目标了，盲人需要多久能把魔方还原？答案是两分半钟的时间！没有外部反馈的时候需要137亿年，能及时获得反馈的时候只需要两分半钟，这就是反馈的神奇力量。

所以，创新不是闭门造车。创新，是你有机会进入市场，不断获得用户和客户的反馈，摸着“反馈”过河才能实现的。

百度在经营发展中，也有很多“反馈驱动创新”的实践经验。

我举个例子，百度昆仑芯片在AI芯片中性能非常领先，这是因为它已经为百度的搜索服务优化了十年。百度的搜索服务，每天响应几十亿次真实的用户使用需求，每天进行1万亿次深度语义推理与匹配，能够提供最真实、最及时的反馈，从而倒逼大模型、深度学习框架和芯片的优化。这就是一个典型的案例，大规模的真实反馈，驱动了创新。

再举个例子，百度从一年前开始，每个季度都发布萝卜快跑的订单量。我们的目标是保持自动驾驶出行服务订单量全球领先。这背后也是“反馈驱动创新”的理念。订单量最大，意味着我们能够获得最多的市场和用户反馈。北京有一个小伙，一年打了600多次无人车，打萝卜快跑，已经超过传统出行方式，成为他的出行首选。我们从社交平台看到，很多地方的网友，希望无人车出行服务能够开到自己家门口。这代表着，人们对自动驾驶的接受度很高，自动驾驶的落地速度，可能比预期要快。

很多时候，事物的实际发展路径，和最初的设想是大相径庭的。技术的发展，没有导航地图，只有指南针。在方向大致正确的情况下，基于实践反馈，一步步迭代，才能跑出有价值的创新。

百度是全球为数不多的、进行全栈布局的人工智能公司。我们所做的事情可以分为四层：芯片层、框架层、模型层和应用层。从高端芯片昆仑，到飞桨深度学习框架，再到文心预训练大模型，各个层面都有关键自研技术，每一层之间都有很多反馈，通过不断获得反馈，实现端到端优化。

这个技术架构，越往下越通用，越往上越专用。更通用，意味着不断降低行业使用技术的门槛；更专用，则是深入产业去深化应用。

具体来说，有两方面：

一方面，人工智能技术的通用性越来越好，开发和应用的门槛进一步降低。

比如说飞桨，是百度自研的开源深度学习框架。目前，飞桨凝聚了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，已经构建起一个繁荣的深度学习生态。飞桨就是人工智能时代的操作系统，让开发者能够像搭积木一样构建AI应用，大大降低AI的应用门槛。芯片卡脖子很要紧，但软件卡脖子一样要紧。必须要把软件的根扎下去，才能让创新持续发生，才能让顶层的商业更加繁荣。

2022年是大模型产业化应用元年，大模型已成为许多上层应用的技术底座。它能有效集成自然语言处理、计算机视觉、智能语音等多模态能力，可以结合多种行业和业务场景进行调优，从而摆脱传统AI应用碎片化、作坊式开发方式，为深度学习技术进入新阶段带来了机遇。百度文心已经累计发布了11个行业大模型。

另一方面，是人工智能深入产业，赋能实体经济发展。

比如智能交通，我把它看作一个“智能调度系统”，可以通过智能红绿灯控制交通流量，从而提升交通效率。通过对交通网络的智能化改造，可以把通行效率提升15%至30%。百度的智能交通方案已经落地全国63个城市，交通部也正式将百度列为交通强国的试点单位。我预测，智能交通方案可以使得，2027年之前，中国一线城市不再需要限购限行，从而激活汽车消费，为城市疫情之后的经济注入新活力。2032年之前，靠交通效率的提升，拥堵问题就基本可以解决。

智能交通的应用，为能源、电力、水务等领域创造了一个行业范式，依靠“智能调度系统”实现效率的显著提升。这正是开发者和创造者们的机会。

去年Create大会上我说，“随着技术应用门槛不断降低，创造者们将迎来属于人工智能的黄金10年”。今天，我想继续把这句话分享给大家。

这些发展的方向是明确的，但实现的过程却不会容易，甚至会非常困难非常有挑战。这就是技术发展的特点。技术战略，意味着长周期，而长周期不可能一帆风顺。

2000年1月，我回国创业。现在回头看，很多人会觉得赶上了好时机。但当时的实际情况是，就在我创业两个月后，互联网泡沫破裂，全世界蒸发了8万亿市值。那时候，很多人被困难动摇了信心，选择放弃、选择离开。最后，是那些坚持挺过寒冬的人，成就了互联网发展的黄金十年。

人工智能从今天走向未来的过程中，这样的起起落落还会发生。

积极的方面是，过去一年，无论是技术层面还是商业应用层面，人工智能都有了方向性的改变。技术层面，AI从理解内容，走向了自动生成内容，这包括AIGC用于作画、用于图文、视频等多类型的内容创作。

商业应用层面的改变，最具代表性的是自动驾驶。过去大家认为，从L2-L5是一步步来的。但其实L2之后，率先进入商用的很可能是L4，而不是L3。因为L2和L4的事故责任界定都是清楚的，L3的事故责任界定是不清楚的，因此普及需要更长时间。百度L4级自动驾驶落地很快，截至今年9月累计订单超过了140万单，在北京、上海等10多个城市运营，在重庆和武汉还开放了全无人商业化运营。

然而，我们必须意识到，挑战同样很大。事实上，实体经济很多领域的数字化改造尚未完成，而数字化本身并未能够带来效率的明显提升。智能化的广泛渗透还需要时间，智能化对实体经济的巨大拉升作用还没有成为广泛共识。因此人工智能的商业化还需在黑暗中摸索一段时间。

我用“危机和希望”为关键词，在百度AI作画平台一格上，由人工智能自动生成了这样一幅画。我觉得很传神。生机勃勃的新生命已经破冰而出，然而寒冷还没有完全褪去。所有伟大的企业、伟大的创造者也是一样，没有一帆风顺，只有不断地历经困难再凯旋。困难会刺激创新，而创新是增长的真正动力。

最后，百度将一如既往为社会、为产业培养AI人才。三年前，我们宣布五年内为社会培养500万AI人才，目前已培养了超过 300万。未来，百度会投入更多资源，与各位开发者们一道，为中国AI的发展尽我们最大的努力。