深度契合企业应用需求 百度飞桨（PaddlePaddle）落地多行业

在智能时代，深度学习框架起到承上启下的作用，下接芯片，上承各种应用，是智能时代的操作系统。

作为国内最早开源、也是当前唯一一个自主研发、功能完备的，端到端的深度学习平台，百度飞桨(PaddlePaddle)集深度学习核心框架、工具组件和服务平台为一体，帮助广大开发者和企业利用工具化、平台化的方式进一步降低深度学习应用门槛。因深入契合企业应用需求，已被中国企业大量使用。目前，飞桨已经在农业、工业、金融和医疗等多行业落地，加速推动产业智能化变革。

赋能农业，稳定国民经济生产

农业是国民经济的重要根基，无农不稳。农业从原始的刀耕火种，发展到铁犁牛耕再到机械化农业，如今已经发展到智能农业。人工智能技术在农业生产中的作用愈发重要，信息感知、定量决策、智能控制、可视化远程技术在农业中的应用将带来深刻变革。百度飞桨发挥在深度学习方面的优势，赋能农业生产的各个环节，可以提升农业生产技术水平，实现智能化的动态管理，降低农业生产成本，促进人工智能在农业领域的规模化应用发展。

京东方智慧植物工厂是一座占地面积达4160平方米的现代化农业种植基地，通过对温室内生产环境的调控，用工业化的方式生产蔬菜。在早期的实际业务推进中，京东方智慧植物工厂遇到了农业人才短缺、人工确认生长情况效率低下等问题，导致具备诸多优点的无土栽培技术无法大规模推广应用。百度利用飞桨平台对工厂原有业务进行赋能升级，研发了克重识别模型、虫害监控模型、生长影响因素模型等多种产品，全方位保障工厂农业生产，实现了降本增效。经过几年发展，京东方智慧植物工厂已经实现了无纸化管理且周年稳定生产。

此外在林业上，中国的植被森林区长期被一种名叫“红脂大小蠹”的害虫侵犯，每年危害的森林面积不断扩大,严重影响到自然生态并带来巨大经济损失。因此，在病害期对红脂大小蠹的密度及分布进行监控成为了林场管理的重要工作内容。传统的监测方式主要依赖具有专业识别能力的工作人员进行实地检查，工作专业要求高，且周期长。北京林业大学基于百度飞桨打造了一套林业虫情监测系统，通过PaddlePaddle平台训练得到目标检测模型Yolo v3，可准确识别红脂大小蠹，在Paddle派-210板卡上运算效率达30FPS，实现了小时级数据回传与监测，可在野外工作长达一年，并达到IP65防水等级。可以远程监测病虫害情况，将原本需要两周的检查任务缩短至1小时，大大提高了检测效率，有效监测林业虫害情况。

赋能工业，把握国民经济命脉

工业是国民经济的重要命脉，也是主导产业，无工不富。但在原材料和人力成本不断攀升的背景下，我国工业正面临着前所未有的挑战，转型升级成为当务之急。人工智能技术为工业的转型升级提供了一个难得的契机，它在工业的设计研发、生产管理等各个环节都有着巨大的应用潜力，可以推动工业产生新的变革。百度飞桨正与工业领域的合作伙伴共同推动中国制造业的智能化升级。

始于西周，中国熔炼技术历史悠久，如今已是熔炼大国，近十年一直保持产量世界第一。在传统的熔炼过程中，需要人工计算合金配比，存在多次调试和品质难以稳定等问题。精诺数据基于PaddlePaddle平台研发了一套智能熔炼解决方案，利用深度学习技术，挖掘最优模式、利用生产数据沉淀专家知识。智能模型主要采用监督学习与强化学习相结合的方式，不但有效避免了因人为原因造成的用量不当、原料添加混乱等问题，更重要的是通过自有专利模型发现最优配比方案，快速、准确地提供数据驱动的生产辅助决策，有效帮助企业降低成本、保证质量、增产增效。

在工业质检领域，成立于1991年的大恒图像一直致力于机器视觉在工业质检方面的应用，提供工业质检、交通、汽车、物流等多行业整体解决方案。传统工业质检基于机器学习的特征工程方法，对外观缺陷类质检无法快速进行场景切换，场景与场景之间的迁移研究成本高，识别效果差。大恒图像与百度飞桨合作,在深度学习的框架下生成一个模型,将产品缺陷分类,之后进行流水线上的检测，其检出率可达99.8%,节省大量人力，场景迁移速度和检测效果得到的显著提升。

赋能金融，推动行业全面转型

金融是实体经济的血脉，为实体经济服务是金融的天职。金融行业正在经历全面转型，人工智能等新兴技术成为推动金融行业不断演变的关键技术推动力。

当前，互联网金融快速发展，每天在平台上会发生数以万计的借贷、还款等行为。传统人工处理不仅对从业审核人员要求非常高，效率、审核标准的统一性都无法保证。传统的风控建模技术会基于监督学习的二分类模型，利用协同训练和迁移学习等方法，在一定程度上对企业进行评分评级，拦截欺诈用户。但缺少好的语言模型，无法理解上下文关系，提取上下文重点，导致对用户的理解出现偏差。

百度自研知识增强语义理解框架ERNIE充分利用海量数据和飞桨多机多卡高效训练优势，通过深度神经网络与多任务学习等技术，持续学习海量数据和知识，助力各NLP任务显著提升。目前，百度对外发布基于该框架的ERNIE 2.0预训练模型，该模型累计学习10亿多知识，全面刷新16个中英文NLP任务效果。在度小满用户风控场景中，利用ERNIE对用户行为信息进行语义层面深度建模，结合用户风控少量训练数据进行精细Fine-tune，在较短的时间内即可完成用户风控模型的收敛并且具备更好的泛化能力。实现度小满金融风控模型KS指标绝对提升1.5，AUC指标绝对提升1.5，优化了21.5%的用户排序。

赋能医疗，保障健康改善民生

医疗是民生之重，健康关乎千千万万家庭的幸福。在人口老龄化背景下，我国医疗需求持续攀升、医疗资源不均衡、医保支付压力增大等问题越来越突出。随着人工智能技术的融入，医疗健康行业的供给与需求之间不匹配的矛盾将逐步得到缓解。AI与医疗的结合将可以改善健康结果、提高服务质量、提升患者体验、节约医疗成本、强化医院运营管理。

中南大学基于百度飞桨平台打造了一套AIMADS智能医疗辅助诊断系统，可用于常见皮肤病和脑肿瘤的辅助诊断。用户可通过在客户端上传患处图片到服务器，服务器端通过本团队设计的诊断算法在 PaddlePaddle 平台对上传数据进行分析，在 APP 中即可显示诊断结果。

AIMADS针对脑肿瘤医疗影像人工阅片耗时长、准确率低的现状，集成高精度的脑肿瘤机器诊断算法，只需十几秒操作，用户就可得到具有90%以上准确率的机器诊断结果，能够辅助医生诊断，提高诊断效率并降低误诊和漏诊率。随着技术发展成熟，AIMADS还将逐步增加支持的医学影像类型（如超声、X光成像等），扩展支持数据类型（如血常规检查等非影像数据），最终打造一个全病种全检查数据类型的智能远程医疗平台。

其实不仅是在农业、工业、金融和医疗领域，百度飞桨还在更多的领域发挥着重要的作用。PaddlePaddle平台本身也在框架稳定性、兼容性和成熟度上等方面不断升级，未来将加速和产业的深度结合，帮助更多的企业和行业实现智能转型，创造更多价值，为中国产业智能化发展贡献更大力量。