百度自然语言处理，百晓通是什么公司开发的？
北京百晓通科技有限公司
北京百晓通科技有限公司，于2023-03-15在北京市注册成立，主营行业为科技推广和应用服务业，我公司以一般项目：技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；工程和技术研究和试验发展；风力发电技术服务；软件开发；海洋生物活性物质提取、纯化、合成技术研发；人体干细胞技术开发和应用；企业形象策划；标准化服务；社会经济咨询服务；市场营销策划；公共安全管理咨询服务；咨询策划服务；安全咨询服务；人工智能应用软件开发；信息咨询服务（不含许可类信息咨询服务）；版权代理；量子计算技术服务；互联网销售（除销售需要许可的商品）；财政资金项目预算绩效评价服务；职工疗休养策划服务；法律咨询（不含依法须律师事务所执业的模式经营
众商宝ai卖货平台是和伏羲大模型玉言联合开发的吗？
经过查询，没有找到关于众商宝AI卖货平台和伏羲大模型“玉言”联合开发的明确信息。众商宝AI卖货平台可能是一个基于AI技术的电商平台，但具体的合作方可能需要进一步调查。同时，请注意，伏羲大模型“玉言”是由百度公司研发的一款AI大模型，主要应用于自然语言处理、机器翻译等领域。
小度师傅叫什么？
小度师傅是百度公司推出的智能语音助手，它的全名是“百度度秘”。作为一款人工智能产品，小度师傅能够通过语音识别和自然语言处理技术，为用户提供语音搜索、语音助手、智能家居控制等多种功能。小度师傅的目标是成为用户生活中的智能助手，帮助用户解决问题、提供信息、提供娱乐等服务。通过不断的学习和优化，小度师傅的功能和智能性能将不断提升，为用户提供更好的使用体验。
马云的达摩院有多少科技人才？
阿里巴巴达摩院成立于2017年10月11日，致力于探索科技未知，以人类愿景为驱动力，开展基础科学和创新性技术研究，2017年马云曾经宣布，要在未来3年之内，投入1000亿人民币用于阿里巴巴达摩院的技术研发，达摩院的目标就是打造全球最顶尖的研究机构之一。
所以自从达摩院成立之后已经引用了很多全球顶尖的科学家，虽然从绝对量来看，目前达摩院的人数并不是很多，但是他们每个人在自己的领域之内都具有很大的影响力，所以一个人可以顶上很多人。此外，达摩也依赖于阿里巴巴这个大家庭，实际上阿里巴巴目前所拥有的工程师队伍至少达到3万人以上，这些人随时都有可能会参与到达摩院的一些科学研究当中。
目前达摩院既有专职的科学家，也有一些兼职的科学家，这些科学家来自全球各地，他们主要分布在机器智能、数据计算、机器人、金融科技、 X实验室5个领域14个实验室里面，具体如下：
学术委员会成员。高文：北京大学博雅讲席教授、信息与工程科学部主任，中国工程院院士，IEEE Fellow，ACM Fellow，国家自然科学基金委员会副主任。
梅宏：北京理工大学教授、副校长，中国科学院院士，发展中国家科学院院士。
吴朝晖： 浙江大学校长，中国科学院院士，之江实验室副理事长。
黄如： 北京大学信息科学技术学院教授、院长，中国科学院院士。IEEE Fellow
Michael I. Jordan： 加州大学伯克利分校教授，美国工程院院士, 美国科学院院士, 美国人文与科学院士。
周以真：哥伦比亚大学教授、数据科学研究所主任，IEEE Fellow, ACM Fellow。
Henry M. Levy：华盛顿大学教授、计算机科学与工程学院院长，美国工程院院士，IEEE Fellow，ACM Fellow
George M. Church： 哈佛大学&麻省理工学院教授，美国工程院院士, 美国科学院院士，“人类基因组计划”领军人物
Avi Wigderson ：普林斯顿大学高等研究院教授, 美国科学院院士, 美国人文与科学院士 。
1、语音实验室致力于语音识别、语音合成、语音唤醒、声学设计及信号处理、声纹识别、音频事件检测等下一代人机语音交互基础理论、关键技术和应用系统的研究工作。形成了覆盖电商、新零售、司法、交通、制造等多个行业的产品和解决方案，为消费者、企业和政府提供高质量的语音交互服务。
研究团队
鄢志杰： 达摩院语音实验室负责人， 中国科学技术大学博士，IEEE高级会员。曾任微软亚洲研究院语音团队主管研究员。
付强： 达摩院语音实验室研究员，西安电子科技大学博士，曾获中国科学院杰出科技成就奖（2014年）、中国语音产业联盟先进个人（2016年）。
马斌： 达摩院语音实验室研究员，香港大学博士。加入阿里前，他是新加坡资讯通信研究院 （I2R）的语言技术部门负责人和资深研究员。曾获新加坡总统科技奖。
冯津伟： 达摩院语音实验室研究员，弗吉尼亚理工大学博士。曾主持开发基于麦克风阵列的视频跟踪系统。
李威： 达摩院语音实验室资深算法专家， 香港大学计算机系博士。曾任百度语音技术部资深工程师，负责百度语音识别声学模型、语音合成核心算法及训练流程的研究和开发工作。
高杰：达摩院语音实验室资深算法专家 ，中科院博士。曾任微软STC语音科学家，负责基于分布式计算平台的超大规模语音识别模型训练系统的研究和开发工作。
雷赟：达摩院语音实验室资深算法专家， 德州大学达拉斯分校博士。曾任Facebook和SRI的研究科学家。
王雯： 达摩院语音实验室资深技术专家， 普渡大学计算工程博士。在IEEE/ACL会议和期刊上发表了100篇以上的论文，曾任SRI资深研究科学家。
2、视觉实验室致力于研发与运用图像和视频的分析和理解、三维视觉等技术，构建以图像视频为媒介的产品和应用，提升商业效率或创造商业新机会，广泛应用于新零售、新媒体、新制造等领域。
研究团队
任小枫： 达摩院视觉智能实验室负责人， 华盛顿大学计算机科学与工程系客座教授，拥有加州大学伯克利分校博士学位，曾担任亚马逊资深主任科学家，负责Amazon Go计算机视觉算法的研发。
ZELNIK, Lihi：达摩院以色列实验室负责人， 曾任以色列理工学院电气工程系的副教授，纽约康奈尔大学的客座教授。拥有魏茨曼科学研究所计算机科学博士。
潘攀： 达摩院视觉智能实验室资深算法专家， 拥有伊利诺伊大学芝加哥分校博士学位。拍立淘以图搜图的创始人之一。
刘铸：资深技术专家，纽约大学博士，曾任AT&T科研实验室主任科学家，哥伦比亚大学和纽约大学的客座教授。拥有140多项美国专利。
Itamar Friedman：资深技术专家 ，拥有以色列理工学院电子工程学院的计算机视觉和机器学习硕士学位，他曾是Visualead的首席技术官。
3、语言技术实验室致力于实现人与机器之间用自然语言进行有效沟通的各种理论和方法。包含自然语言处理核心技术，如分词、词性、句法、语义等多语言基础模块，以及情感分析、信息提取、机器翻译和机器阅读理解等技术的研究，已经在客服、资讯、司法、医疗等场景有广泛的应用。
研究团队
司罗：达摩院语言技术实验室负责人 ，卡内基梅隆大学博士。曾任普渡大学计算机系终身教授。
黄非： 达摩院语言技术实验室研究员 ，卡内基梅隆大学博士。曾担任ACL、NLPCC等领域主席、IJCAI资深程序委员。曾在Facebook、IBM Watson等从事NLP相关工作。
葛妮瑜： 达摩院语言技术实验室研究员 ，布朗大学计算语言学博士。曾任职IBM研究院，从事自然语言处理和机器翻译工作。
陈博兴： 达摩院语言技术实验室资深算法专家， 中国科学院博士。曾是新加坡信息与通信研究所、加拿大国家研究委员会研究员。
骆卫华： 达摩院语言技术实验室资深算法专家， 曾任中科院计算所高级工程师，承担国家重大专项或自然科学基金课题十余项。
张琼： 达摩院语言技术实验室资深算法专家， 浙江大学博士，曾在雅虎工作。
刘晓钟： 达摩院语言技术实验室资深算法专家， 雪城大学博士。曾任印第安纳大学布卢明顿分校信息与计算学院终身教授。
李林琳：达摩院语言技术实验室高级算法专家， 萨尔大学计算机博士。曾就职于巴黎LIMSI-CNRS研究所、微软奥斯陆、百度。
4、决策智能实验室致力于通过研发与运用机器学习和运筹优化技术构建智能决策系统，提升业务运营效率、降低运营成本和增加运营收益。与合作伙伴在计算资源优化、新零售、智慧物流等行业构建多个创新系统，在各类公共事业的场景中提升人效、能效、物效。
研究团队
姚韬： 达摩院决策智能实验室研究员， 拥有斯坦福大学管理工程与科学系博士学位，美国宾州州立大学工业工程系终身教授。
许欢： 达摩院决策智能实验室资深算法专家， 加拿大麦吉尔大学电子工程系博士。曾任新加坡国立大学副教授，佐治亚理工大学助理教授。曾任NIPS领域主席。
谭剑： 达摩院决策智能实验室资深算法专家， 哥伦比亚大学电子与计算机系博士，俄亥俄州立大学电子与计算机系助理教授，IBM沃森实验室研究员。
张京桥：达摩院决策智能实验室资深算法专家， 拥有伦斯勒理工学院博士学位，曾任亚马逊Device部门应用科研资深经理。
杨程： 达摩院决策智能实验室资深算法专家， 10余年机器学习、数据挖掘等经验，曾负责搜索推荐、智能营销、供应链优化等商业化算法，多次参与双11等极端环境下的大规模实时机器学习项目，目前关注新零售场景中的在线学习、动态优化等智能决策研究。
5、城市大脑实验室致力于通过互联网和人工智能，打通城市数据管道，发掘数据价值，构建城市新的基础设施。已在杭州、苏州、上海、衢州、澳门、马来西亚等落地，覆盖交通、平安、市政建设、城市规划等领域。 是首批国家人工智能开放创新平台之一，是目前全球最大规模的人工智能公共系统之一。
研究团队
华先胜： 达摩院城市大脑实验室负责人 ，北京大学应用数学博士，IEEE Fellow，ACM杰出科学家。曾任ACM Multimedia、IEEE ICME等国际会议程序委员会主席，全球MIT TR35获得者。研究。
张磊： 达摩院城市大脑实验室高级研究员， 西北工业大学自动化学院博士，IEEE Fellow。曾在香港理工大学电子计算学系任研究助理和副研究员，加拿大麦克马斯特大学博士后。香港理工大学电子计算学系讲座教授。
6、计算技术实验室致力于计算、存储、互联方向的前沿性研究，探索从系统软硬件架构到芯片设计技术的全栈实现。采用自上而下基于应用驱动和自下而上基于新技术的研究方法，利用系统架构、计算机体系结构、芯片设计优化等领域的技术积累，在计算资源优化、新计算体系方向等构建创新系统，提升计算能力。
研究团队
谢源 ：达摩院计算技术实验室负责人 IEEE Fellow，普林斯顿大学博士。
骄旸： 达摩院计算技术实验室研究员， 负责组建芯片开发工程团队，目前的开发重点是人工智能芯片。曾在华为创建并领导美国和上海的技术团队进行全新GPU开发；在三星作为GPU团队的核心成员，参与项目的规划和创建团队。
何建德： 达摩院计算技术实验室资深技术专家， 曾在硅谷从事计算机绘图芯片设计工作。
陈义平： 达摩院计算技术实验室资深技术专家 ，美国佛罗里达大学电机硕士学位。曾先后就职于S3、AMD，并在AMD参与Machine-Intelligent系列产品开发。
李伟良： 达摩院计算技术实验室资深技术专家， 负责组建AliNPU上海ASIC团队。曾在S3 Graphics从事图形芯片的设计，后供职于AMD。
尹莉： 达摩院计算技术实验室资深技术专家， 负责芯片技术部软件部门，精于体系结构、编译器以及系统性能优化。曾在S3 graphics图形芯片架构部门，负责图形芯片可编程流水线以及后端编译器优化；后在Intel MLT部门从事二进制翻译、虚拟机以及spark性能优化。
张涛： 达摩院计算技术实验室Research Scientist， 宾夕法尼亚州立大学博士。曾在苹果担任高级平台架构师，起草iPhone内部SoC的性能标准制定以及内存性能建模和评估。
柳春笙： 达摩院计算技术实验室Research Scientist 杜克大学博士。曾就职于Nvidia，Altera（Intel），华为海思等设计公司。
蒲宇： 达摩院计算技术实验室Research Scientist， 荷兰TU Eindhoven博士。曾任日本东京大学特任研究员；IBM苏黎世实验室研究员；担任IEEE TCAS副主编与多个国际学术会议委员。
程超： 达摩院计算技术实验室Research Scientist， 明尼苏达大学电子与计算机工程博士。曾任职于高通，从事无线系统算法的研发，并曾任职于Intel和Marvell。
7、智能计算实验室致力于下一代海量、异构数据的分布式存储、管理、查询、分析和机器学习系统与算法的研究和应用。通过并行与分布式数据处理和云上系统资源管理，多场景、多模态、异构计算引擎融合统一系统智能与自治化，数据安全隐私计算等关键技术，为各行业、各场景提供高效的算法支持和安全、可靠、强有力的计算引擎。
研究团队
周靖人： 达摩院智能计算实验室负责人 ，哥伦比亚大学计算机博士，IEEE Fellow。拥有几十篇顶级会议和期刊论文，并持有多项专利发明。曾任微软研究院研究员、微软研发合伙人。
丁博麟： 达摩院智能计算实验室资深技术专家， 伊利诺伊大学香槟分校博士。研究成果发表于SIGMOD等多个领域的顶尖国际会议，曾担任美国微软研究院研究员。
钱正平： 达摩院智能计算实验室资深技术专家， 华南理工大学博士。在系统及相关领域顶级会议发表多篇论文，任微软亚洲研究院主管研究员。
杨红霞： 达摩院智能计算实验室资深算法专家， 杜克大学博士。拥有顶级论文30余篇。曾任IBM Watson研究员、Yahoo！主任数据科学家等职。
曾凯： 达摩院智能计算实验室高级技术专家， 加州大学洛杉矶分校博士，曾在美国加州大学伯克利分校AMP Lab从事博士后研究。曾任微软资深科学家。
于文渊： 达摩院智能计算实验室资深技术专家 爱丁堡大学博士。研究成果发表于SIGMOD等多个领域的顶尖国际会议，曾获SIGMOD2017和VLDB2010最佳论文奖，VLDB2017最佳演示奖。曾担任七桥科技CEO、美国Facebook 研究科学家等。
8、数据库与存储实验室致力于新硬件加速、智能与自治化数据库、云上数据管理和系统资源调配、多态数据引擎、非结构化数据管理、数据库核心算法、数据存储、并行与分布式数据处理、数据安全等关键技术研究，实现数据库系统和底层存储系统高并发、高可靠性、分布式处理、数据一致性以及高响应和深度的数据分析能力。
研究团队
李飞飞：达摩院数据库与存储实验室负责人， 犹他大学计算机系终身教授。曾获ACM、IEEE、Visa、Google、HP、华为等多个奖项，获IEEE ICDE 2014 10年最有影响力论文奖、ACM SIGMOD 2016最佳论文奖、ACM SIGMOD 2015最佳系统演示奖、IEEE ICDE 2004最佳论文奖、美国NSF Career Award、中国基金委海外重点研发奖，2018年ACM杰出科学家等。担任多个国际一流学术期刊和学术会议的编委、主席。
曹伟： 达摩院数据库与存储实验室资深技术专家， 阿里云数据库团队负责人，计算机协会数据库专委会委员。
吴结生：达摩院数据库与存储实验室研究员， 俄亥俄州立大学计算机博士学位。2014年加入阿里云西雅图，任职存储基础平台和云存储的负责人。曾就职于微软 Azure 存储团队 （2008-2014年）， Ask.com 基础设施团队（2004-2008年）和中国科学院计算技术研究所（国家智能计算机研究开发中心，1996-1999年）。
占超群： 达摩院数据库与存储实验室研究员， 集团数据库事业部 OLAP Platform负责人，先后担任多个阿里巴巴以及专有云大数据商业项目总架构师。
汪晟： 达摩院数据库与存储实验室Research Scientist ，新加坡国立大学计算机博士。曾留校从事博士后研究。
张铁赢： 达摩院数据库与存储实验室Research Scientist，曾就职于中科院计算所和卡耐基梅隆大学，CCF数据库专委委员，CCF大数据专委委员。
9、智能交通实验室致力于机器学习、自动驾驶、物联网通讯、云端调控等技术研究，满足传统物流配送行业在人力成本、货物安全、交付速度、节能环保等方面的诉求，打造“车-路-云”一体化的智能物流网络，实现智能、精准、快速、高效、安全、环保的货物流转和投递。
研究团队
王刚 ：达摩院智能交通实验室负责人， 伊利诺伊大学香槟分校博士，曾任新加坡南洋理工大学终身教授。全球MIT TR35获奖者，人工智能顶尖期刊IEEE TPAMI编委，ICCV 2017和CVPR 2018领域主席。研究领域包括深度学习及其在计算机视觉、自动驾驶上的应用。
10、金融智能实验室致力于满足金融领域对AI技术的安全性、可靠性、实时性、对抗性的更高要求，在图像识别、智能问答、知识图谱等方面有着业界领先的研究成果和成熟的商业产品，通过与商业伙伴的合作，提升其智能化的能力，推动金融业的智能进步。金融智能作为蚂蚁金服核心技术引擎之一，被广泛应用于智能客服、交易风控、支付营销、保险智能理赔、贷款准入、反欺诈反套现、财经资讯
研究团队
漆远： 达摩院金融智能实验室负责人， 蚂蚁金服副总裁，麻省理工学院博士，曾任普渡大学计算机科学系和统计系终身副教授。
宋乐： 达摩院金融智能实验室研究员， 悉尼大学博士，世界知名机器学习专家，曾任佐治亚理工学院终身副教授。
11、区块链实验室致力于区块链中共识协议、密码学安全、跨链协议等技术的研究和应用，以商业与金融等应用场景为突破口，率先实现有自主权的工业级/金融级区块链系统。
研究团队
张辉 ：达摩院区块链实验室负责人， 南加州大学计算机科学博士。现IEEE Senior Member，发表40多篇顶级学术论文。曾担任NEC Labs America部门主管。
俞本权： 达摩院区块链实验室研究员， 曾任谷歌主任工程师，并完成了YouTube E-Commerce 平台建设、youtube.com/movies的创建、承担Google Analytics的数据和后台系统架构设计，并主导下一代谷歌分析后台的研发。
闫莺：达摩院区块链实验室资深技术专家， 复旦大学计算机系博士，现任中国软件协会区块链创业学院及区块链专委会专家、中国电子学会区块链专家委员。曾任微软亚洲研究院主管研究员、区块链负责人。
胡丹青： 达摩院区块链实验室高级产品专家， 威斯康星大学麦迪逊分校经济学博士。曾就职于上海清算所发行托管部。
李书博： 达摩院区块链实验室高级技术专家， 北京邮电大学硕士。曾担任海航科技技术研究院研发总监、三星电子中国研究院云计算部门负责人。
李怀勇： 达摩院区块链实验室资深专家， 厦门大学MBA。精通大数据行业，带领团队实现了保护用户隐私下的数据安全共享新技术及新模式的突破。现负责区块链及安全计算平台业务发展。
殷山： 达摩院区块链实验室高级技术专家， 南京大学硕士。研究领域包括网络安全和密码学、大数据计算架构设计、机器学习平台方案实现。曾任趋势科技技术经理、三星电子中国研究中心创业事业部项目负责人。
12、生物识别实验室致力于各种模态生物识别核心技术的研发及其在金融和民生场景的应用，目前已经具备了人脸、眼纹、虹膜、声纹、掌纹、行为特征等多模态的生物识别核心算法研发能力，并且研发了全球独有眼纹技术专利和领先的活体检测，累积服务超过3亿用户。
研究团队
蒋国飞： 达摩院金融科技研究领域负责人 / 生物识别实验室负责人， 蚂蚁金服副总裁。拥有160多篇顶级论文，曾获SIGKDD等会议最佳论文奖。任NEC集团副总裁，领导NEC全球研发。
李亮 ：达摩院生物识别实验室资深算法专家 ，中国科学院自动化所博士，中国科学院大学博士后。曾就职于索尼中国研究院。目前负责蚂蚁金服生物识别算法与模型的研发以及基于生物识别的身份认证体系建设，在国际期刊和会议发表论文十余篇。
宋杨 ：达摩院生物识别实验室资深算法专家， 早稻田大学工学博士，2016年加入蚂蚁金服，目前从事多媒体和机器视觉系统的研发工作。曾在华为和富士通研究所（东京）工作，发表40篇论文。
陈继东： 达摩院生物识别实验室资深数据技术专家， 中国人民大学计算机应用博士，复旦大学计算机学院博士后。现任蚂蚁金服全球可信身份平台ZOLOZ亚洲区总经理，负责生物识别技术研发与全球化商业应用。带领团队将人脸识别技术在网商银行和支付宝等场景成功应用，实现刷脸支付全球首次在肯德基的商业落地。曾任EMC中国研究院大数据实验室主任。
13、量子实验室量子实验室的目标是实现量子计算的潜力。
研究团队
施尧耘： 达摩院量子实验室负责人， 北大计算机本科、普林斯顿计算机博士。在加州理工学院的量子信息中心做博士后研究后，他加入密歇根大学安娜堡分校，历任电子工程和计算机科学助理教授、副教授和正教授。研究涉猎量子信息科学的多个领域，包括量子计算复杂度、量子计算经典模拟和量子密码学。他在阿里巴巴致力于建设一个跨学科的国际团队，以实现量子计算颠覆性的潜力。
马里奥·塞格德：达摩院量子实验室科学家， 马里奥为芝加哥大学博士。在贝尔实验室和普林斯顿的高级研究所工作后，任职罗格斯大学计算机科学系教授。马里奥于2001年和2005年两获哥德尔奖，分别基于他在Probilistic Checkable Proofs和流计算的空间复杂度上的贡献。
14、人工智能实验室致力于研究前沿科技并与商业结合，将人工智能技术赋能机器，服务20亿消费者。当前孵化出天猫精灵个人助手等产品。实验室的使命是让机器拥有智能，让人性充满光辉，将基于阿里巴巴强大消费者沟通渠道和完善的服务生态，立志成为下一代人机交互入口。
研究团队
陈丽娟：达摩院人工智能实验室负责人， 淘宝网第一代产品经理，淘宝网产品团队总负责人；阿里旗下购物比价网站一淘网总经理；阿里巴巴智能生活总经理、阿里巴巴IoT创建人。
聂再清：达摩院人工智能实验室研究员， 美国亚利桑那州立大学博士学位（师从美国人工智能学会主席Subbarao Kambhampati教授），现任阿里巴巴达摩院人工智能实验室北京研发中心负责人，语音助手首席科学家，教育部人工智能专家组咨询组专家。曾就职于微软亚洲研究院，任首席研究员，负责微软自然语言理解、实体挖掘的研发工作。他是微软学术搜索，人立方，以及企业智能助理EDI的发起人和负责人，也是微软自然语言理解平台LUIS的技术负责人。
李剑叶： 达摩院人工智能实验室研究员 ，拥有清华大学美术学院文学硕士学位，德国iF学生设计奖评委，中国红星设计奖评委，清华美院工业设计系客座讲师，研究方向为智能硬件、机器人工业设计。有16年工业设计经验，曾任锤子科技设计副总裁，飞利浦香港设计中心资深顾问。
陈颖： 达摩院人工智能实验室研究员，芬兰坦佩雷理工大学博士，北京大学学士与硕士。现任阿里巴巴人工智能实验室人工智能与边缘计算首席科学家，边缘计算实验室负责人，负责IOT产品。加入阿里巴巴之前在美国高通公司担任首席工程师。曾担任MPEG国际视频编码标准(H.264/AVC,H.265/HEVC系列)联席主编，获得过国际标准组织及国际电气工程委员会ISO/IEC杰出贡献奖。
茹忆： 达摩院人工智能实验室研究员， 中国第一代智能手机和IoT产品的研发和制造者，15年智能硬件的研发经验。曾为摩托罗拉Linux内核研发负责人，负责摩托罗拉Ming系列智能手机Linux内核研发。2016年加入阿里巴巴负责天猫魔盒和电视系统的产品和研发，发布了桌面5.0系统，并开发了阿里第一款人工智能语音助手天猫精灵。建立阿里巴巴第一个具备全球领先水平的声学实验室，成为领先行业的智能声学测试标准和方法。
杜海涛： 达摩院人工智能实验室产品总负责人， 拥有14年互联网和人工智能产品经验。研究方向为面向用户的大数据、语音交互、图像视觉及多模态融合的新一代人机交流系统的相关产品研究工作。帮助AI Labs近两年拿下31项人工智能产品相关产品专利，开创性的研发了中文领域最新一代的人机交流系统及硬件产品-天猫精灵。
刘旭：达摩院人工智能实验室总监， 在HP工作近10年，担任HP中国研发中心Chief of Staff。
李名扬： 达摩院人工智能实验室资深算法专家， 毕业于加州大学河滨分校电子工程专业，博士毕业以后在Google Tango/Daydream 从事AR/VR算法研发以及基于不同的硬件设备的产品化的工作，在2017年底加入阿里巴巴人工智能实验室。
百度如何开垦智能时代的地图新大陆？
人们对地图的需求由来已久，地图的形式也从远古时代的羊皮纸地图、大航海时代的航海图、工业时代的纸质地图、互联网地图，到如今的人工智能地图。人类历史上每一次重大技术的突破都深远地改变了这个传统产业的形态，而如今，成熟的AI技术与即将到来的5G时代，又将为地图带来巨大的变革，人工智能正在为这一产业的基础赋能。
7月27日，百度地图事业部总经理李莹在2019年GMIC全球移动互联网大会（以下简称“GMIC广州2019”）的主题演讲中分享了AI技术在地图方面的落地进展，以及5G时代百度地图即将迎来的变革。
AI技术落地方面，百度地图已经实现了智能定位、精准规划、通行时间智能预估、智能语音交互、个性化推荐、AR步行导航、AI化数据生产等多项功能的升级。
会上，李莹表示，百度地图作为新一代人工智能地图，在5G时代还将会在亚米级高精度室内定位、免唤醒语音交互体验、超精细渲染绘制、智能交通等方面发生变革。
值得一提的是，伴随5G技术到来的不只是通信速度、网络带宽的提升，还使得海量设备连接成为可能。这为AI技术在5G时代落地普及提供了基础，基于海量设备连接所产生的数据，能够为百度地图背后的AI提供深度学习所需要的丰富“养料”，从而使其变得更加“聪明”。而更加“聪明”的AI又能使得百度地图的地图定位、道路规划等功能变得更加精准，并且与人的交互也能够变得积极主动起来。
百度大脑5.0布局5G+AI时代
显而易见，AI技术正在改变我们社会的方方面面，从工业4.0、互联网大数据、云计算、边缘计算等高大上的名词，到与人们日常生活息息相关的信息流、个性化推荐、手机地图等服务，AI技术无孔不入。
然而从基础出发，目前的AI技术却是从一个一个简单的数据中诞生的，这一技术的崛起源于近些年深度学习技术的巨大突破。尤其是移动互联网时代到来以来，海量的数据为AI提供了丰富的“养分”，帮助AI技术在图像识别、语音交互、自然语言处理、知识图谱等领域取得了实质性的进展。
而在即将到来的5G时代，更加庞大的数据将会为AI技术的成长提供更加“肥沃”的土地。抓住5G的风向，是所有以AI技术为重的企业当下的关注焦点，作为国内AI技术最为顶尖的几家企业之一，百度已经在这一领域进行了全方位的布局。
在上个月初的百度AI开发者大会上，百度CTO王海峰发布百度大脑5.0，在算法突破和计算架构升级的基础上，实现AI算法、计算架构与应用场景的融合创新，百度大脑成为“软硬一体的AI大生产平台”，加速产业智能化。
而在硬件方面，百度发布了“百度昆仑”与“百度鸿鹄”两款AI芯片，初步解决了5G时代人工智能所需的算力问题；同时，还发布了百度AI边缘计算技术白皮书以及边缘计算Baidu OTE系统，在此基础之上还有3款智能边缘硬件的面世。
李莹表示，百度已经在5G到来之前，进行了芯片到边缘计算，再到硬件设备的全方位布局。“我们已经为5G时代做好了充分的准备”，李莹说道。
同时她还指出，百度地图作为百度AI的基础能力以及落地的重要场景，在5G时代也会迎来相应的升级。目前，百度地图已经在探索5G通信技术条件下的高精度定位、多图层精细渲染、免唤醒语音交互以及智能城市交通体系等多个技术领域。
AI技术密集落地 地图智能化迎来高光时刻
尽管5G到来的脚步声已经是紧锣密鼓，但到目前为止，真正能够实现落地的5G场景只有eMBB（enhanced Mobile Broadband）增强移动宽带（即高带宽）一种，距离国际通信标准组织3GPP定义的5G三大应用场景中的另外两项URLLC（Ultra Reliable & Low Latency Communication）高可靠性低时延与MMTC（Massive Machine Type Communication）海量机器通信的实现还有一段距离。众多业内人士认为，距离5G网络真正的普及还有2年左右的时间。
在地图的AI化上，百度可以说是走得尤为坚决。2018年3月份，百度地图事业部正式并入AI技术平台体系（AIG），并迅速推出了新一代人工智能地图，将其作为自身AI技术落地的重要场景。
自新一代人工智能地图发布以来，百度就不断地利用自身的AI能力为其增添新的技能。到目前为止，百度地图已经拥有了百度语音技术、图像技术、深度学习技术、POI知识图谱、AR现实增强技术等多项AI能力的加持，成为了业界AI技术领先的智能地图。
地图AI化方面最值得一提的就是语音交互的出现与普及，而这一技术的诞生其实已经有相当长一段时间了。语音在地图方面最原始的功能其实只能被称之为是语音播报，目前已成为各大地图厂商的常规功能。
但语音交互这一新形态的交互方式却赋予了互联网地图新的发展思路，使用语音交互将能够告别触控操作的繁琐步骤。而随着AI技术的进一步发展，语音交互将能够以拟人的方式进行主动式交互，为用户提供个性化服务，真正做到“千人千面”。在此基础上更进一步，不远的将来，人与机器的关系将可能发生根本性的改变。这样美好的愿景，刺激了一众互联网公司朝着人工智能的方向大步迈进。
2013年同年，百度成立深度学习研究院，在图像智能、语音智能、无人驾驶等方面全面发力。
这样一套完整的人工智能体系为百度地图的智能化升级提供了坚实的基础，在前端方面，百度AI的研究成果赋予了百度地图强大的语音交互、路线规划与时间预估能力；而在后端方面，百度地图的全景地图采集车等地图采集设备也能够通过百度AI的图像识别能力快速地采集地图信息，做到地图的实时更新。
1、百度AI持续落地 智能语音助手成2.5亿用户“出行必备”
虽然语音技术在地图领域的尝试较早，不过其真正具备交互的性质，即具备“语音唤醒、语音识别、语义理解”三大能力的时间节点，却是从去年才真正开始。而推动这一技术全面落地的，正是百度地图。
在会后对李莹的采访中，她指出，百度地图的应用场景非常广泛，不同的场景下常常面临不同的干扰，因此，要做到全场景语音交互其实非常困难。以车内场景举例，人距离手机和车机常常有着半米以上的距离，在这一环境下，来自车内车外的诸多噪音也在干扰着百度地图的语音唤醒和语音识别。
百度在这方面使用了AI对人的自然语音进行分割判断，来辨别哪些是有效信息，同时将无效信息与噪音一同过滤，实现高精度的语音唤醒与识别功能。
人们日常使用地图的语音交互功能时，往往希望地图能够“习惯”自身的语言习惯，这对于地图的语音交互功能来说也是一大挑战，类似长语音交互、断点式交互这样的交互方式对于AI语音智能来说有着相当大的难度。
在去年百度AI开发者大会上，百度首席技术官王海峰向百度地图发出了一段60字的长语音，其中涉及了多个途经点并且还需要一条不堵的路线。最终，百度地图依然成功为其规划了一条合理智能的路线。由此可见，百度地图的语音交互已经克服了长语音交互等难题，能够满足人们较为复杂的需求。
2019百度AI开发者大会-百度CTO王海峰讲解语音助手
而在满足方面，百度地图则体现了智能交互的主动性的特征，在车载场景中，百度地图会根据车辆的定位以及用户的使用习惯，向用户推荐其可能感兴趣的地点或是服务，百度地图为这一功能定下的目标是达到“智能副驾”的智能化程度。
语音对于智能化地图的赋能是显而易见的，一个简单增加途经点操作，用触控来操作可能需要6-7个步骤，而语音交互只需1步，大大简化了人们使用地图的步骤。同时，由于人们往往是在驾车、步行这样的动态环境中使用地图，因此语音交互取代触控也能够提升人们出行的安全性。
语音交互的便利为百度地图赢得了大量的用户，在去年，百度地图智能语音交互的用户数量突破1亿，2019年2月4日，百度地图智能语音交互的用户数量达到了2亿，而现在，这一数据已经增长到2.5亿人。
百度地图智能语音助手用户数突破2.5亿
2、ETA+飞桨连纵赋能 深度学习为百度地图筑起AI高台
语音交互可以说是百度地图AI化进程中的一颗“明珠”，代表着百度目前最全面的AI实力以及未来的发展方向。不过落到地图这一领域，百度AI的另一项强大的技术——深度学习技术也在为其赋能。
通俗地说，语音交互可以视作AI技术的高点，而深度学习则是筑起AI高台的基础所在，其重要性不言而喻。
AI技术的基本思想神经学习网络其实由来已久，上世纪美国对于这一领域的探索走得很远，但苦于算法的限制，仅依靠硬件并没有办法让机器像“人”一样聪明。不过在2012年，谷歌与微软分别在图形与声音的深度学习算法上取得了重大的突破，这为AI技术的迅猛发展吹响了前哨。
在此后的数年里，以深度学习算法为基础的人工智能技术开始风靡，全球各大科技公司都在朝着人工智能的方向迈进，百度也同样抓住了这一股浪潮。由于从搜索引擎起步，深度学习所需要的海量数据正是百度的强项所在。因此，百度的AI研发进程十分迅猛，在不到十年的时间里，百度迅速成为了国内AI行业的领跑者，并在国际上拥有了一定的地位。
在深度学习领域，百度推出了自身的深度学习平台飞桨（PaddlePaddle），并将百度地图的“通行时间智能预估”（ETA）与之融合，实现了路线规划、时间预估效率的大幅提升。
李莹曾在7月3日的百度AI开发者大会上指出，这种产业实践能够为用户预测出最合适的路线以及更精准的用时。
二者结合的结果是百度地图的实时出行ETA与未来出行ETA，在实时出行ETA功能中，百度地图针对用户实时出行的时间预估，研发了基于飞桨的深度神经网络时间预估模型，在实时路况、轨迹速度等实时流量之外，还加入了多维度的时间编码信息，环境、突发事故等动态编码信息以及用户驾驶习惯、对路线熟悉程度等，以做到更精准的出行时间计算。当用户面临拥堵路段，百度地图还对预估模型进行了单独建模，精细化提升预估效果。
而在未来出行ETA功能中，百度地图全面综合了历史相同时刻的路况、路线用时，并考虑了出发时道路的限行、施工、红绿灯等信息，再结合用户个人的驾驶习惯，最终为用户计算推荐出一条最合适的出行路线，并给出预估时间。
百度地图ETA
通过百度强大的AI技术，百度地图做到了“五准”，即定位信息准、道路数据准、路况信息准、路线规划准和预估到达目的地时间准，并从被动地发现路况变化转变为主动地预测路况变化，为用户的出行提供了方便。在此前的成都暴雨中，百度地图通过对路况的深度学习，提炼动态事件导致拥堵的特征，对拥堵路段进行挖掘 ，直接定位到了立交桥积水点，直接向交管部门发出了预警，交警及时到场处理了险情。
3、地图采集生产全面应用AI技术 AI化达80%
语音交互与精准导航赋予了用户良好的体验，但其背后其实都是以百度地图实时准确的地图数据为依托的。百度地图的AI技术在地图数据的采集生产上同样有着不俗的体现。地图的数据生产是百度地图实现智能升级最基础的部分，在这一部分，百度地图80%的数据采集环节已经实现了AI化，其AI化地图数据生产包括了信息获取、数据采集、数据生产、动态修正四大环节。
2019百度AI开发者大会-百度CTO王海峰讲解百度地图AI化数据生产
在地图采集硬件方面，百度地图拥有全景采集车、骑行采集车、全景采集背包以及全景采集无人机四大采集设备，可以协同式地对多种地形进行道路数据采集。通过AI化的地图数据生产模式，百度地图的灵活性与时效性有了大幅的提升。
百度地图全景采集车
在这条数据采集生产的逻辑链上，百度的AI技术已经覆盖了外业数据采集以及内业处理、动态修正等大多数数据生产过程，地图更新的效率有了极大的提升，大范围地利用AI技术进行数据采集生产在国内地图产业也属于突破性的实践。
基于强大的数据生产能力，百度地图从2016年就开始进行涉及智能交通与智能城市建设相关的业务。目前，百度地图已经形成了集交通大数据感知和融合能力为一体的交通数据中台，在此基础上以百度人工智能、无人驾驶、大数据为核心能力，提供算法模型、数据订阅、研判学习、指挥调度四大服务，最终形成了三大类应用方案，包括服务用户的权威信息发布解决方案，为政府部门提供城市交通管理指挥调度解决方案，以及面向合作伙伴的公交、高速、物流、景区等更加垂直的解决方案。
百度地图智能交通布局
比如，2016年12月，百度地图成立了路况播报联盟，是当时业内首个路况播报联盟，到目前为止，已有超百家广播电台接入了这一联盟。2018年，百度地图对路况播报功能进行了革新，可根据实时路况数据生成可解读的文字，再借助语音合成技术为电台提供流畅的语音播报服务，使用AI进行路况播报，可实现24小时不间断的播报能力。在提高效率的同时，AI播报也降低了广播电台的人力成本。
在面向政府层面， 百度地图早前推出的实时交通监测与研判分析平台，可将百度地图实时的路况拥堵信息、交通事故信息以及道路意外情况实时反馈给交管部门，以提升交管部门对于交通紧急情况的处理能力。在使用这一平台之后，交管部门对于交通路况的处理由被动应对变成了主动干预调整，从事后的静态分析变成了实时动态评估。
4、POI知识图谱 基于大数据解决个性化+场景推荐
拥有AI数据采集生产技术为百度地图的精准性护航，百度地图也就拥有了探索更多智能化服务的基础。除了上文提到的智能语音交互与ETA功能，百度地图所应用的POI知识图谱也是其独有的特色之一。
据了解，百度POI知识图谱的形成经过了知识抽取、实体归一、知识解析、与知识计算推理四个步骤。通过将互联网上与一个实体相关联的各项信息抽取并分类，并根据已有信息生成新信息，百度POI知识图谱获取了海量的POI数据。在这一过程中，百度作为国内最大的搜索引擎连接的庞大数据成为其得天独厚的优势。据李莹透露，在全球范围内，百度地图的POI数据已超过了1.5亿个。
通过将已有的海量POI数据纳入百度地图的检索与关联层，用户在搜索某一地点时，在“发现周边”这一功能中，该地点周边推荐的地点名称、类别、标签、评分、周边信息都会一同呈现出来，以满足不同用户在不同场景下的需求，无论是触控操作还是语音交互，这一功能都能发挥个性化推荐的作用。
有意思的是，百度的POI知识图谱不光为自家的百度地图、小度OS、百家号等应用服务，还与三星、TCL、爱奇艺、步步高等公司达成了合作，为其智能硬件提供了POI知识图谱的解决方案与数据。
5、AR黑科技 为用户“刻画”真实世界
百度对于地图基础功能及其拓展的满足几乎是不留余力的，百度AI大量成熟的研究成果都已运用在了百度地图上。不过这仍然不是百度期望中地图的完美形态，李莹在会上表示，地图最终的目标还是为了“刻画真实世界”。
现场，李莹展示了百度地图基于AR黑科技的最新实践——“3D再现圆明园大水法”。 用户只需用百度地图扫描大水法遗址，即可在手机中看到等比例的大水法原貌，移动脚步转换摄像头位置，还可以360度看到大水法，再现大水法辉煌景象。
百度地图大水法遗址实景识别界面图
为了实现这一目标，百度地图利用AR现实增强技术，为用户提供了各个场景的沉浸式实景导航体验，具体的功能包括了AR双屏步导、AR导览以及AR周边探索。
其中，AR双屏步导实现了实景地图与常规地图的双屏显示，可让用户同时掌握自己身处的方位与前进的方向；AR导览可以为用户提供景点详情、最佳拍照点、推荐游玩路线以及语音讲解等一站式服务；AR周边探索则能够以全景地图的形式向用户展示周围的场景。
通过对语音技术、图像技术、深度学习、POI知识图谱以及AR增强现实技术等百度强大AI能力的深度融合应用，百度地图实现了数据的实时更新、智能交互、个性化使用以及模拟真实世界等功能，为用户智能出行提供了强而有力的支撑。
进击瞄准5G时代 以精耕细作打造最“有AI”的新一代人工智能地图
目前百度的AI技术在即将到来的5G时代还将继续助力百度地图智能化升级，李莹在此次GMIC广州2019的主题演讲中指出，百度地图已经在布局5G时代的高精度定位、多图层渲染、免唤醒语音交互以及智能城市交通体系等多个技术领域。
在高精度定位方面，百度地图将能够在GPS信号极弱的室内环境中，结合惯导、5G高密度基站的连接以及AI技术的加持，为用户提供持续的定位导航服务。5G时代，百度地图将能实现亚米级别的高精度室内定位。
而在多图层精细渲染方面，则体现了百度地图一直以来“刻画真实世界”的理念。在5G网络环境中，百度地图将能够实时获得更丰富的基础地图信息数据，从而实现更精细的地图制作。
在语音交互方面，5G通信技术则能够为百度地图提供更稳定的网络连接，可支持其在更复杂的地图出行场景中实现“免唤醒”，提升了用户的使用体验。
在智能城市交通体系方面，5G将能够加速百度地图智能交通建设落地，智能信号灯解决方案不仅可以实现智能调控红绿灯，还能够让用户提前得知前方红绿灯的变换时间；百度地图交通信息发布与研判平台也能够让交管部门获得更加及时、更加精细的城市交通实时变化信息与突发状况。
李莹认为，这些功能升级，正是百度地图为即将到来的5G时代与更加先进的AI技术所提供的落地场景。百度地图发展策略，就是基于AI技术不断升级，为AI提供落地环境，再利用技术的进步来服务人们出行的方方面面。
结语：百度地图AI战略正落地生根，并加紧冲刺进入5G新时代
百度地图作为百度AI技术重要的落地场景与基础能力之一，在出行服务、智能驾驶、智能城市等方面都发挥着重要的作用，语音交互、路况更新、道路规划等技术都代表着百度AI最前沿的产物。
在即将到来的5G时代，百度AI将能够借助高带宽、低时延、广连接的5G网络实时获取到更多用于深度学习的数据。从目前的情况来看，百度已经在算法、芯片、边缘计算等多个方面进行了布局，为5G时代的到来做好了准备。
从本次百度在广州放出的消息来看，百度地图在百度AI的战略布局中，处于关键地位，AI技术在地图领域的落地正在加速，对于即将落地商用的5G通信技术，百度地图已经进入了全面发力阶段。
还没有评论，来说两句吧...