2025年11月3日，以“前沿發(fā)明，引領(lǐng)智能躍遷”為主題的“2025百度十大科技前沿發(fā)明”發(fā)布會在北京召開。今年發(fā)布的前沿發(fā)明涵蓋大模型、深度學(xué)習(xí)框架、AI算力、智能體、AI搜索、數(shù)字人、無人駕駛等AI技術(shù)突破，展現(xiàn)百度AI應(yīng)用加速走向效果涌現(xiàn)背后的底層創(chuàng)新實力。

百度首席技術(shù)官王海峰表示，百度始終站在AI創(chuàng)新前沿，人工智能全領(lǐng)域?qū)＠B續(xù)7年排名國內(nèi)第一，生成式AI和大模型專利申請量中國第一、全球領(lǐng)先，深度學(xué)習(xí)專利申請量全球第一，高級別自動駕駛專利族全球領(lǐng)先。百度重視通過專利保護自主創(chuàng)新成果，也致力于推動成果轉(zhuǎn)化，為產(chǎn)業(yè)，為社會創(chuàng)造價值，將AI的便利與價值帶給每一個人。

百度首席技術(shù)官王海峰

北京市知識產(chǎn)權(quán)局黨組書記、局長孟波指出，保護知識產(chǎn)權(quán)就是保護創(chuàng)新，北京市知識產(chǎn)權(quán)局深入貫徹落實國家知識產(chǎn)權(quán)戰(zhàn)略，整合知識產(chǎn)權(quán)資源，不斷提升首都知識產(chǎn)權(quán)全環(huán)節(jié)改革力度、全鏈條保護能力、全領(lǐng)域服務(wù)水平，北京市展現(xiàn)出強勁的創(chuàng)新實力和活力。百度憑借人工智能專利申請布局和高活躍度的開源項目，展現(xiàn)了其在科技創(chuàng)新行業(yè)中的領(lǐng)先地位和對行業(yè)發(fā)展的引領(lǐng)擔(dān)當(dāng)。希望百度繼續(xù)加強科技創(chuàng)新，力爭推出更多原創(chuàng)性、顛覆性發(fā)明，持續(xù)走在全國乃至全球技術(shù)創(chuàng)新前列，助力北京在人工智能領(lǐng)域率先實現(xiàn)高水平科技自立自強。

當(dāng)前，國家政策支持AI大模型廣泛應(yīng)用，深入實施“人工智能+”行動方案，人工智能迎來爆發(fā)式發(fā)展階段，AI技術(shù)加速迭代，應(yīng)用加速落地效果涌現(xiàn)。百度持續(xù)自主創(chuàng)新，攻關(guān)人工智能關(guān)鍵核心技術(shù)，積累自主知識產(chǎn)權(quán)，以前沿創(chuàng)新引領(lǐng)產(chǎn)業(yè)的發(fā)展趨勢。

會上，百度專利事務(wù)部總經(jīng)理崔玲玲發(fā)布“2025百度十大科技前沿發(fā)明”并表示，每一項成果，都代表著對技術(shù)邊界的勇敢突破，彰顯著百度在創(chuàng)新道路上的堅定決心與不懈追求。這些前沿發(fā)明是AI行業(yè)新技術(shù)趨勢的重要反映，多模態(tài)、多智能體協(xié)同、大規(guī)模集群訓(xùn)練、高說服數(shù)字人等均是今年最前沿的技術(shù)方向。如“大模型訓(xùn)練全流程高效容錯技術(shù)”攻克集群訓(xùn)練中故障定位與召回恢復(fù)兩大關(guān)鍵難題，已成功應(yīng)用于文心大模型系列的高效穩(wěn)定訓(xùn)練，萬卡集群任務(wù)訓(xùn)練有效率超98%，處于國際領(lǐng)先水平?！靶畔⒘鞫说蕉藘?nèi)容理解與序列生成技術(shù)”突破現(xiàn)有推薦系統(tǒng)中內(nèi)容理解與分發(fā)模型相互割裂的局限，構(gòu)建了“理解生成-分發(fā)反饋-再理解生成”的自增強閉環(huán)，已推動Feed業(yè)務(wù)大幅增長，并落地百度地圖、電商等眾多場景。據(jù)悉，該發(fā)明所在“心流”團隊曾于9月獲得今年百度最高獎。

十大科技前沿發(fā)明中，不少技術(shù)已支撐百度AI應(yīng)用實現(xiàn)效果涌現(xiàn)?！皠”掘?qū)動的高說服力數(shù)字人技術(shù)”，推動數(shù)字人技術(shù)進入高質(zhì)量、低成本、廣應(yīng)用的普惠時代，使數(shù)字人具備超擬真、高表現(xiàn)力、AI大腦自主決策、劇本智能創(chuàng)作等特性。該技術(shù)曾支撐近期爆火的羅永浩數(shù)字人直播首秀創(chuàng)下GMV5500萬元行業(yè)紀錄；“兼容端到端軌跡方案的自動駕駛橫縱聯(lián)合控制技術(shù)”支撐了Apollo領(lǐng)先的控制技術(shù)方案，大幅提升自動駕駛車輛的安全性和乘坐舒適性，助力蘿卜快跑全球化落地。蘿卜快跑已累計提供超1400萬次出行服務(wù)，安全行駛里程超2億公里；“蒸汽機（文心專精）音視頻一體化生成大模型技術(shù)”支撐百度蒸汽機提供分鐘級優(yōu)質(zhì)畫質(zhì)與大師級運鏡控制能力，同時大幅降低視頻生成成本，該技術(shù)已在搜索、文小言等業(yè)務(wù)采用，同時對外賦能，在影視創(chuàng)作、營銷推廣等場景展現(xiàn)應(yīng)用潛力。

百度2025十大科技前沿發(fā)明，具體如下：

1、自回歸統(tǒng)一建模的原生多模態(tài)大模型

本發(fā)明是新一代文心大模型的核心技術(shù)，提出了業(yè)界首個能夠同時支持語言、圖像、視頻、音頻統(tǒng)一建模的多模態(tài)大模型技術(shù)框架，實現(xiàn)了多模態(tài)原生統(tǒng)一的融合建模，可同時支持任意模態(tài)的理解與生成；在此基礎(chǔ)上構(gòu)建了一種面向大模型的獎勵系統(tǒng)，為多環(huán)境多任務(wù)場景提供高質(zhì)量的強化學(xué)習(xí)獎勵信號。基于本發(fā)明的新一代文心大模型，在各模態(tài)任務(wù)上較上一代模型均有顯著提升，可支持更加廣泛的應(yīng)用場景，同時獎勵系統(tǒng)顯著提升了并發(fā)能力并降低響應(yīng)時間，推動大模型能力的持續(xù)快速進化。

2、大模型訓(xùn)練全流程高效容錯技術(shù)

本發(fā)明提出了大模型訓(xùn)練高效容錯技術(shù)，構(gòu)建了完備高效的軟硬件故障自動召回定位恢復(fù)體系，創(chuàng)新性地提出基于大模型通信行為的全場景故障定位方法和零損失訓(xùn)練快照機制，攻克了集群訓(xùn)練中故障定位與召回恢復(fù)兩大關(guān)鍵難題。同時，通過研制層次清晰、架構(gòu)合理的容錯接入體系及全流程測試框架，在大模型訓(xùn)練過程中實現(xiàn)了高效部署與驗證，顯著提升故障恢復(fù)效率，降低系統(tǒng)故障概率。該發(fā)明已成功應(yīng)用于文心大模型系列的高效穩(wěn)定訓(xùn)練，萬卡集群任務(wù)的訓(xùn)練有效率超過98%，處于國際領(lǐng)先水平，顯著提升資源利用效率，加速模型訓(xùn)練迭代。

3、劇本驅(qū)動的高說服力數(shù)字人技術(shù)

本發(fā)明構(gòu)建了高說服力數(shù)字人方案，依托數(shù)字人視頻生成大模型基座，設(shè)計了多模協(xié)同、高表現(xiàn)力、超長時長的數(shù)字人視頻生產(chǎn)方案，涵蓋可控視頻生成技術(shù)、超擬真唇形驅(qū)動技術(shù)、劇本智能創(chuàng)作和AI大腦自主決策4個核心能力，突破大表情/大動作、音容話一致、人-物-場復(fù)雜交互等一系列業(yè)界難題?；谠摪l(fā)明的技術(shù)創(chuàng)新，推動數(shù)字人技術(shù)進入高質(zhì)量、低成本、廣應(yīng)用的普惠時代，不僅使數(shù)字人表現(xiàn)超擬真，還具備了AI大腦，靈活調(diào)度助播、場控、運營等角色共同促進轉(zhuǎn)化，真正實現(xiàn)了一個人就是一個營銷團隊?；谠摷夹g(shù)打造的羅永浩數(shù)字人直播間，成為業(yè)界首個雙數(shù)字人互動的直播，單場GMV超過5500萬元，后驗數(shù)據(jù)全面超真人。

4、基于多智能體協(xié)同的AI搜索引擎

該發(fā)明創(chuàng)新性地提出了一種AI搜索引擎技術(shù)，其核心框架 DeepSearch 以Master-Planner–Executor-Generator 四層智能體體系為技術(shù)底座，模擬人類信息處理的 “感知–規(guī)劃–執(zhí)行–生成”全流程，動態(tài)適配從單輪事實查詢到復(fù)雜多階段推理的全場景需求。AI搜索引擎，系統(tǒng)地融合顯式任務(wù)規(guī)劃、動態(tài)工具調(diào)用與實時反思機制，為新一代智能搜索提供了核心技術(shù)支撐。該發(fā)明已在百度文心助手中全流量落地，支撐文心助手復(fù)雜問題拆解、富媒體呈現(xiàn)、MCP調(diào)用、個性化滿足、深度研究等多項關(guān)鍵能力，顯著提升日活躍用戶和用戶留存；同時，該AI搜索引擎能力已對外開放賦能廣大合作伙伴。

5、蒸汽機（文心專精）音視頻一體化生成大模型技術(shù)

本發(fā)明是全球首個中文音視頻一體化生成模型，通過多模態(tài)信息的精準同步與自然交互，支持分鐘級多人有聲音視頻生成與交互；該發(fā)明由自回歸擴散建模、有聲一體化訓(xùn)練、高性能訓(xùn)推優(yōu)化三大技術(shù)核心構(gòu)成；通過極致的中文場景高質(zhì)量數(shù)據(jù)清洗與結(jié)構(gòu)化描述、訓(xùn)推一致性優(yōu)化，調(diào)教支持長視頻生成基座；搭載首創(chuàng)的Latent Multi Modal Planner技術(shù)重構(gòu)生成邏輯，實現(xiàn)視頻的全流程有聲一體化生成；極致工程優(yōu)化突破傳統(tǒng)擴散模型限制，壓縮視頻成本，滿足生成實時交互。該發(fā)明提供分鐘級優(yōu)質(zhì)畫質(zhì)與大師級運鏡控制，大幅降低影視創(chuàng)作、營銷推廣等場景的制作成本，提升效率。相關(guān)技術(shù)對內(nèi)賦能商業(yè)內(nèi)容生產(chǎn)、搜索妙筆、內(nèi)容生態(tài)、feed短篇、文小言、AI助手等業(yè)務(wù)，推動百度AI視頻生態(tài)繁榮；對外憑借其長視頻實時交互生成能力，將AI視頻從“單向生成”引入“雙向共創(chuàng)”新階段，引領(lǐng)視頻生成領(lǐng)域創(chuàng)新方向。

6、從芯片到集群的跨層級訓(xùn)推一體AI基建系統(tǒng)性技術(shù)

本發(fā)明提出了從芯片到集群的跨層級協(xié)同優(yōu)化、訓(xùn)推一體的 AI 基建系統(tǒng)性創(chuàng)新技術(shù)，計算架構(gòu)上，首創(chuàng) UltraServer 柜級超節(jié)點，兼容多卡；自研 XPU Link與PD分離架構(gòu)，全棧優(yōu)化軟硬件協(xié)同；存儲系統(tǒng)上，自適應(yīng)元數(shù)據(jù)架構(gòu)突破大規(guī)模管理瓶頸，專屬KV Cache加速方案適配 AI業(yè)務(wù)；網(wǎng)絡(luò)技術(shù)上，推理專屬 2 跳可達架構(gòu)+彈性 eRDMA，構(gòu)建低時延傳輸通道；云原生能力上，全鏈路智能運維（異常自感知/診斷/恢復(fù)），AI網(wǎng)關(guān)增LLM智能路由。基于本發(fā)明成功構(gòu)建起完備的AI基礎(chǔ)設(shè)施技術(shù)體系，在計算方面，XPU Link帶寬提升8倍，MoE單節(jié)點性能提升5-10倍；PD分離使 Decode/Prefill階段的整體性能預(yù)計可分別提升95%和36%；在存儲方面，支持千億級文件，空間利用率超90%；網(wǎng)絡(luò)時延壓至4微秒；實現(xiàn)5000節(jié)點集群分鐘級故障自愈。

7、兼容端到端軌跡方案的自動駕駛橫縱聯(lián)合控制技術(shù)

本發(fā)明提出了一種可兼容端到端軌跡方案的自動駕駛橫縱聯(lián)合控制技術(shù)，基于車輛的橫縱耦合動力學(xué)，設(shè)計線性時變模型預(yù)測控制器，實現(xiàn)車輛運動的橫、縱向聯(lián)合協(xié)同控制，模型假設(shè)近似更少，對上游數(shù)據(jù)依賴更少，橫縱向指令更加穩(wěn)定，實現(xiàn)對傳統(tǒng)方案的升級和超越。該發(fā)明可完美適配Apollo ADFM的端到端上游軌跡方案，大幅提升安全性和乘坐舒適性，對于低速橫向晃動幅度可優(yōu)化70%，100%消除彎道橫向抽動的控制問題，使自動駕駛車輛的動態(tài)響應(yīng)更加接近經(jīng)驗豐富的駕駛員的操作習(xí)慣，實現(xiàn)了真正意義上的擬人化控制，保證了Apollo控制技術(shù)的領(lǐng)先，有效支撐蘿卜快跑全球化戰(zhàn)略，助力蘿卜快跑駛?cè)胂愀?、迪拜、阿布扎比等全?6座城市，截止8月，蘿卜快跑累計提供超1400萬次服務(wù)，安全行駛里程超2億公里。

8、信息流端到端內(nèi)容理解與序列生成技術(shù)

本發(fā)明突破了現(xiàn)有推薦系統(tǒng)中內(nèi)容理解與分發(fā)模型相互割裂的局限，首創(chuàng)端到端多模態(tài)內(nèi)容理解與序列生成技術(shù)，構(gòu)建了“理解生成-分發(fā)反饋-再理解生成”的自增強閉環(huán)。通過全新的多模態(tài)語義對齊和動態(tài)Token統(tǒng)一量化技術(shù)，融合用戶快慢反饋，將多模態(tài)知識對齊與生成式行為建模深度融合，實現(xiàn)Feed信息流系統(tǒng)從記憶檢索，邁向深度理解生成推理的新階段。該發(fā)明已應(yīng)用于信息流推薦業(yè)務(wù)，完成了生成式信息流系統(tǒng)重構(gòu)，全面提升了對內(nèi)容資源的多模態(tài)理解能力與個性化生成效果，大幅推動Feed業(yè)務(wù)增長；并落地百度地圖、電商、搜索等眾多場景。

9、飛槳科學(xué)計算高效求解技術(shù)

本發(fā)明基于飛槳的科學(xué)計算核心技術(shù)，通過組合算子拆分、高階自動微分、符號表達式的推理和神經(jīng)網(wǎng)絡(luò)編譯器技術(shù)，實現(xiàn)了微分方程的高效求解，解決了科學(xué)計算場景高階微分方程求解的難題。本發(fā)明的微分方程求解速度較傳統(tǒng)方法提升2到4個數(shù)量級，比PyTorch提速115%，被國際知名微分方程求解庫DeepXDE唯一推薦；已在飛槳框架中實現(xiàn)，集成于PaddleScience、PaddleCFD等產(chǎn)品，并實現(xiàn)產(chǎn)業(yè)化應(yīng)用。本發(fā)明技術(shù)支持中科院力學(xué)所、大氣物理所、蘇州實驗室等近20所高校與科研機構(gòu)協(xié)同創(chuàng)新，應(yīng)用于上海交通大學(xué)支撐其“AI for Science”科學(xué)數(shù)據(jù)開源開放平臺建設(shè)；應(yīng)用于中車集團“斫輪”大模型，研制出空氣動力學(xué)仿真大模型“斫輪·風(fēng)馳”，加速科學(xué)計算領(lǐng)域的創(chuàng)新發(fā)展。

10、基于智能體的自進化應(yīng)用生成技術(shù)

本發(fā)明以大模型與強化學(xué)習(xí)為核心，構(gòu)建了由“需求模型、代碼模型、創(chuàng)意模型”組成的三重自進化學(xué)習(xí)架構(gòu)，通過自然語言理解用戶需求，經(jīng)由代碼模型實現(xiàn)高質(zhì)量代碼生成，并在用戶反饋與強化學(xué)習(xí)機制下形成持續(xù)優(yōu)化的數(shù)據(jù)飛輪。基于該發(fā)明技術(shù)的系統(tǒng)不僅能執(zhí)行代碼生成任務(wù)，更能在實踐中自我學(xué)習(xí)、逐步提升智能水平，真正實現(xiàn)“越用越聰明”的AI開發(fā)助手；其多模型協(xié)同機制與端到端軌跡學(xué)習(xí)技術(shù)，打破了傳統(tǒng)無代碼平臺的靜態(tài)瓶頸，形成可持續(xù)演化的智能體編程體系。單應(yīng)用從開發(fā)到上線，由傳統(tǒng)的大約4人周、2萬元縮減到小于1小時、低于50元，純無代碼生成應(yīng)用已達到38萬。