AI多元融合趋势明显
纵观人类历史上前三次工业革命，其核心驱动力如机械技术、电气技术和信息技术都具有很强的通用性。进入工业大生产阶段后，一方面，这些核心技术自身的产业链逐渐成熟，成为整个经济社会的基础设施；另一方面，各行业加速应用新科技，转型升级，新行业、新业态得以兴起。
在王海峰看来，以人工智能为重要驱动力的第四次工业革命，深度学习是其关键核心技术，具有很强的通用性，呈现出标准化、自动化、模块化的工业大生产特征，推动人工智能进入工业大生产阶段。
王海峰指出，当前人工智能的融合创新越来越丰富，在融合中趋向统一，在融合中孕育新方向和新模式；大模型进一步增强了人工智能的通用性，成为AI开发和应用的新基座，跨模态、统一大模型向着通用人工智能迈进；深度学习平台的标准化、自动化和模块化特征越来越显著，不断降低人工智能的应用门槛，规模化的AI大生产已然形成。
驱动技术创新和产业增长
到底该如何理解“深度学习+”呢？王海峰认为可以从技术、生态、产业三个角度来理解。
从技术角度来看，“深度学习+知识”，是人工智能技术进一步发展的重要方向。知识增强的深度学习，让机器同时从海量数据和大规模知识中融合学习，效果更好，效率更高；从生态角度来看，深度学习+上下游生态伙伴。芯片、深度学习框架、模型及应用构成了深度学习良性生态，使得应用需求和反馈传递到深度学习技术及应用的每个环节，各环节持续迭代优化，加速AI技术创新和产业发展。此外，生态中的产学研用各方，也在携手培养人工智能人才，百度联合社会各界已培养超过300万AI人才；从产业角度来看，深度学习+千行百业。各行各业应用深度学习技术降本增效，创新产品和业务，加快产业智能化进程，努力实现高质量增长。我国的产业体系品类齐全、体量庞大，深度学习驱动的创新有丰富的应用场景，有助于形成良性循环，促进底层技术突破，加快升级现代化产业体系。
王海峰表示，“深度学习+”驱动技术创新、产业发展，离不开深度学习产业链的完善和壮大，而深度学习框架平台和大模型贯通了从硬件适配、模型训练、推理部署，到场景应用的全产业链，为人工智能技术创新和产业增长夯实了智能化基座。
