百度ACE智能交通引擎随着时代的变化经历了三个发展阶段，在1.0阶段完成了“车-路-云-图”四个方向的基础能力建设，在2.0阶段围绕车路云一体化的大方向上建立连接和迭代。而在智能交通的新时代下，百度基于对交通行业的深度理解以及国内乃至全球领先的大模型技术，通过视觉大模型、语言大模型和跨模态大模型对ACE智能交通引擎进行重构，形成以交通行业大横型为核心的百度智能交通引擎3.0架构，推动交通感知能力、交通认知能力、交通预知能力、交通知识能力和交通交互方式的变革式升级，进一步实现交管大脑、全域信控和智慧高速等细分领域基于大模型的产品重构，从而催生了大模型应用服务商、行业大模型微调服务商、新型交通云计算服务商等新的生态体系。
1.文心NLP大模型
文心NLP大模型以ERNIE及PLATO系列模型为核心，具有语言理解、对话交豆、内容创作、知识推理等能力。支撑文心NLP大模型的关键技术包括有监督精调、人类反馈的强化学习、提示、知识增强、检索增强和对话增强。前三项是这类大语言模型都会采用的技术，在ERNIE和PLATO中已有应用和积累，后三项则是百度已有技术的再创新。
2.文心CV大模型
文心CV大模型包含通用大模型VIMER-CAE和VIMER-UFO 2.0等。VIMER-CAE是视觉自监督预训练模型，通过编码模块和隐式上下文回归解码模块，对图像块进行特征表达和掩码建模提高了图像表征能力，在下游各类图像任务上取得了明显的效果，包括图像分类、目标检测、语义分割等经典任务，达到了SOTA结果。VIMER-UFO2.0是视觉多任务大模型，参数量达170亿，单模型28项公开数据集SOTA。基于飞桨TaskMoE架构，根据任务自动选择最优区域，同时支持下游任务快速扩展。此大模型由百度文心提出，利用统一特征表示优化技术(UFO)解决大模型落地应用时参数量大、推理性能差等问题。
3.文心跨模态大模型
文心跨模态大模型利用基于知识增强的跨模态语义理解关键技术，实现跨模态检索、图文生成、图片文档的信息抽取等应用的快速搭建。例如，ERNIE-VILG 2.0是全球首个知识增强的AI作画大模型，也是目前全球参数规模最大的AI作画大模型，它采用基于知识增强算法的混合降噪专家建模技术，在文本生成图像公开权威评测集MS-COCO和人工盲评上均超越了StableDiffusion、DALL-E 2等模型，取得了当前该领域的世界最好效果，并在语义可控性、图像清晰度、中国文化理解等方面展现出了百度的显著优势。
免责声明：我们尊重知识产权、数据隐私，只做内容的收集、整理及分享，报告内容来源于网络,报告版权归原撰写发布机构所有，通过公开合法渠道获得，如涉及侵权，请及时联系我们删除，如对报告内容存疑，请与撰写、发布机构联系
