百度大脑升级至5.0，发布远场语音交互芯片“鸿鹄”

百度AI开发者大会中，百度CTO王海峰博士开场就带来了一段机械臂倒盖碗茶的现场演示。

这个机械臂既会茶艺绝活儿，还能说会道——它主要融合了机器人视觉、语音、自然语言处理等多种人工智能技术。此外，王海峰也宣布百度大脑升级至5．0，形成了包括基础层、感知层、认知层、平台层和AI安全五大部分的核心架构。

“百度大脑”这个名词最初是在2014年从李彦宏口中说出的，他当时对外透露说：“百度大脑大约已经相当于2～3岁孩子的智力水平。”2016年的百度世界大会上，百度首次向外界全面展示了组成“百度大脑1．0”的全貌。

如今，“百度大脑” 进入5．0阶段，成为软硬件一体的AI大生产平台，核心算法再获重大突破，首次公布端到端AI计算架构，并实现了AI计算、计算架构与应用场景的创新融合。

语音识别速度大幅提升，准确率提15％－20％

百度语音技术部高级总监高亮，在开发者大会现场说了一段Rap：Hello Everyone，中英混合说是我们的everyday work，Explore技术的depth和scope是我们的responsibility……这段中英夹杂的话被百度输入法流畅、精准、及时地识别出来。

这背后是百度大脑流式多级的截断注意力模型（SMLTA），它能让语音识别速度大幅提升，准确率提15％－20％，是首个基于流式注意力的语音识别线上服务。

基于语音、视觉技术，自动合成虚拟形象

浦发银行的数字人是怎么“炼”成的？它实际上是结合语音和视觉技术，机器自动合成的虚拟形象。

王海峰介绍，实时合成虚拟形象技术，首先需要对语音信号和视频信号进行实时识别与理解，再通过唇动生成，以及语音、面部和肢体的合成，实时合成一个虚拟形象。这波操作背后，是百度大脑多项AI技术能力的体现。

视频语义理解技术实现精准解析

王海峰展示了关于中国民间艺术的音乐纪录片《大河唱》中的片段，影片中的角色、人物关系、音乐种类、取景地、影片主题等信息，都被精准解析。这背后是基于知识图谱的视频语义理解技术。

推出知识增强的语义理解框架ERNIE

百度大脑语音、视觉、语言和知识等核心算法法再度重磅升级，发布6大技术突破。

包括业界领先的流式多级的截断注意力模型（SMLTA）和风格迁移的语音合成技术；知识增强的语义理解框架ERNIE和基于知识图谱的视频语义理解技术；业界首创的高准确、低时延的机器同传技术。

值得关注的是，在语言方面，百度大脑推出知识增强的语义理解框架——ERNIE，再次全面刷新了中文自然语言处理任务效果，超越谷歌BERT。

发布远场语音交互芯片“鸿鹄”

继去年开发者大会发布“昆仑”芯片后，今年，王海峰发布了一款新的芯片——远场语音交互芯片“鸿鹄”。鸿鹄芯片使用了HiFi4自定义指令集，双核DSP核心，平均功耗仅100mW。这款芯片是根据车规级标准打造，将为车载语音交互、智能家具等场景带来巨大的便利。

百度飞桨与华为麒麟芯片合作

今年开发者大会最大的亮点来了。王海峰与华为消费者BG软件总裁王成录博士联合宣布，百度飞桨与华为麒麟达成深度合作。