作为首个“人机共创大会”，百度Create AI开发者大会（下称“Create大会”）应用AIGC（利用AI技术自动生成内容的生产方式）技术，创造、搭建、连接了多个科技感爆棚的数字化演讲场景。Create大会每年都会吸引全球开发者关注，不仅仅是中国的AI技术高地，也是全球新兴技术产业发展的“风向标”。
大会中，百度创始人、董事长兼CEO李彦宏、百度CTO王海峰先后发表主题演讲。李彦宏率先解密“增长从何而来”，王海峰提出人工智能发展进入“深度学习+”阶段。
此外，百度最强科技天团携十大“黑科技” 重磅亮相。九位科技大咖分享了百度在人工智能、自动驾驶、智能交通、智能搜索、量子计算、人工智能科学计算等领域的最新进展与思考。
会上，百度杰出架构师胡晓光以《让未来照进现实：人工智能科学计算》为主题进行了分享。
分享实录
全文1740字
预计阅读5分钟
我是“百度技术”讲解人胡晓光，我将为大家讲解飞桨平台如何践行基础科学、基础研究和底层技术的百度两基一底理念。
量子计算的发展，离不开人工智能技术的创新应用，除了支撑量子计算这样的前沿领域向产业化迈进，人工智能也同样帮助许多领域的科学家们加速科学研究的进程，这就是人工智能科学计算，英文叫AI for Science。AI正逐渐应用在物理问题的求解与发现中。
工程制造领域
比如在工程制造领域，AI可以用来加速飞行器和汽车的气动外形设计，用来预测及预防摩天大楼、跨海大桥等大型工程设施在台风等极端天气下的振动。
气象领域
在气象领域，AI可以实现更快更精准的数值天气预报，包括预测强对流天气的短时临近降水情况和揭示大尺度的台风形成和演变规律。
生命科学领域
在生命科学领域，传统的科研方法面临生物类型实验数据少、计算任务复杂、学科交叉多等挑战，而随着AI应用探索的持续推进，AI已逐渐在药物筛选、药物设计、靶点研究、合成生物学、疾病机理研究等方面实现落地和持续的进步。
我们可以看到人工智能科学计算，目前正处于从广泛科研创新逐步走向规模化产业应用的阶段。AI for Science为解决科学问题带来新方法的同时，也对人工智能基础软硬件和科研生态带来诸多新挑战。
- 首先，对科学问题机理化的探索，需要深度学习平台能够具备更加丰富的各类计算表达能力，如高阶自动微分、复数微分、高阶优化器等；
- 其次，科学问题的求解往往需要超大规模的计算，这对深度学习平台与异构超算/智算中心适配及融合优化，神经网络编译器加速和大规模分布式训练提出了新的要求；
- 此外，如何实现人工智能与传统科学计算工具链的协同，也是需要解决的问题。
AI for Science作为一种新的科研范式，充分体现了AI与基础学科的交叉融合，这需要大量的跨领域科研人才，形成稳定、优质的科研生态，来加速AI for Science的技术创新与应用落地。
在基础软硬件层面，飞桨作为国内首个自主研发、功能丰富、开源开放的产业级深度学习平台，研发了通用高阶自动微分、神经网络编译器和大规模分布式计算等核心技术。
深度适配超算、智算的异构算力，支撑AI方法与基础学科方法交叉融合，可以突破基础学科中“控制方程数值求解”时所面临的维数高、计算量大等挑战，实现数据和物理机理驱动的微分方程快速智能求解和跨尺度模拟仿真。
针对科学计算问题的定义与求解，飞桨既提供灵活、高效的深度学习框架，支持开发者通过调用框架提供的基础开发接口，实现自定义物理方程、模型组网、仿真计算等过程；同时飞桨也提供了多领域的工具组件，支持开发者通过调用工具组件提供的高层开发接口，实现物理问题求解。我们发布了赛桨PaddleScience、螺旋桨PaddleHelix、量桨Paddle Quantum等科学计算开源工具组件。
科学计算开源工具组件
支持复杂外形障碍物绕流、结构应力应变分析、材料分子模拟等丰富领域算例，广泛支持AI加计算流体力学、生物计算、量子计算等前沿方向的科研探索和产业应用。
在科研生态层面，飞桨已经与高校、科研机构等开展了计算流体力学、分子动力学、动力气象学等方面的范例建设，并形成了一些开放性的、多学科交叉的生态社区，包括飞桨特殊兴趣小组（PPSIG）、共创计划等，我们也非常期待和各方一道进行技术联合开发、推广资源共享，生态商机共建。
