一項技術能夠將它的觸角延伸至各行各業，靠的是其底層通用性。
“深度學習具有很強的通用性，呈現出標準化、自動化和模塊化的工業大生產特徵。”王海峰從更具廣泛支撐價值的角度指出，規模化的AI大生產已形成。人工智能的技術創新和產業發展，進入“深度學習＋”階段。
深度學習促進各行業加速發展
深度學習讓機器同時從海量數據和大規模知識中融合學習，效果更好、效率更高。例如，百度研製的文心產業級知識增強大模型，具備跨模態、跨語言的深度語義理解與生成能力，可應用於搜索、信息流、智能音箱等互聯網產品，並通過飛槳深度學習平台賦能製造、能源、金融、通信、媒體等各行各業。
芯片、深度學習框架、模型及應用構成了深度學習良性生態，使得應用需求和反饋傳遞到深度學習技術的各個環節，各環節持續迭代優化，加速AI技術創新和產業發展。此外，生態中的產學研用各方，也在攜手培養人工智能人才。
各行各業應用深度學習技術降本增效，創新產品和業務加快產業智能化進程，努力實現高質量增長。我國的產業體系品類齊全、體量龐大，深度學習驅動的人工智能創新應用，有助於形成產業良性循環，促進底層技術突破，加快現代化產業體系升級。比如，智能交通中“智能調度系統”，就是深度學習＋交通融合創新的智能應用。城市交通複雜多變，缺乏全局感知數據，難以全域協同控制。應用深度學習技術，可實現對整個區域交通流量的全局調控，最大限度地減少各方向綠燈的空放，減緩道路擁堵，節省出行時間。（來源：科技日報） |
