如何从百度捞到便宜而转化率很高的流量网络获客36计

如果不做SEO,我会替你觉得亏。SEO你都不做,这意味着你把主动搜索你的客户拒之门外,不亏得慌么!在众多渠道之中,SEO算是最基础的渠道了,易上手、转化率高、投入成本较低,但即使这样,还有很多人不做、不会做!所以镖狮网请来了SEO大咖教你:让关键词迅速上首页的攻略。

本文从2个维度来分享SEO的优化方法:

第一个维度:网站规模不同,SEO优化的方法也不同,所以我们介绍了大型网站、中小网站、新网站的优化方法;

第二个维度:网站类型不同,SEO优化的方法也有差异,所以我们介绍了5种不同类型网站的优化方法:企业型网站、“企业+电商”型网站、偏内容处理型网站、电商类网站、B2B平台。

请对号入座,找到自己的SEO方向。

不同规模的网站如何进行SEO优化

大型网站SEO十二步曲

第一步,定目标。网站流量提升一倍、两倍,还是三倍。

第二步,目标拆解。比如每个季度流量提升多少。

第三步,数据分析。比如流量要提升100万,这100万流量是从什么地方来的,它们分别从网站的哪些页面来:内容列表、分离页面、专题页面、问答页面等。

第四步,做好网站SEO的公共元素。公共元素指的是页面都应该遵循的规范:head、body、footer等都要遵循的通用规范。

第五步,优先做一些短期见效的事情。比如,有些词或页面目前已经优先排在第二或第三四页了,那我们要优先把这些关键词做上去,这样我们的流量也会提升。

第六步,建立流量结构数据池,把整个网站流量做拆分。品牌词比如关于Slogan、内容IP、领导人词的搜索。非品牌词分为:网站或页面的底层流量。

第七步,做好网站最基础的技术性优化。比如网站显示层的数据交互,保持我们所生产内容的生命周期。有时大型网站做这一步时会陷入一个死循环,要么产品不统一、要么技术做不了,所以建议在这一步要根据自己的情况做一些调整和适应。

第八步,做一些标配的东西。比如PC和移动端的适配、数据校验、页面优化等工作,保持整体网页的活力。

第九步,实时查询数据报告,一定要多维度。比如一个电商网站有十万个详情页,经过查询发现实际上只有六万个被收录,剩下的四万,一半被PC收录一半被移动端收录。通过数据报告可以发现哪些需要短期调整,哪些需要长期调整。

第十步,利用搜索引擎的全部算法(包括最新的还有历史的)进行优化调整。搜索引擎算法有的是针对内容的,有的是针对链接的,有的是针对用户体验的。常见的算法包括企鹅算法、冰桶识别算法、绿萝算法、天网蓝天飓风算法等。

第十一步,根据网站业务的发展方向,做一个侧重点。比如网站在淡季旺季可能要在一些关键词的选择上有所侧重。

第十二步,及时做一些筛选或屏蔽。大型网站有特别重要的一点,就是它会不断有新的内容产生,不断有旧的内容被淘汰。针对这样的数据,我们要及时做一些筛选或屏蔽。

中小网站SEO十步曲

中小网站和大型网站做SEO最大区别在于,中小网站更多的是做一个网站的权重或者说用户体验,所以在优化过程中,我建议这样做:

首先,优先把握网站的核心流量,把网站流量划分的更垂直些。比如说卖酒的网站要想好重点打哪部分客户。酒分为清香型、浓香型、酱香型,它们分别针对的是不同的用户群体。

第二步,做好数据分析和检测,找到哪一类型的页面对网站有优势。中小网站没有那么多人力和成本去做页面校验,也没有那么大数据池让搜索引擎为你改变什么,所以更偏重于搜索引擎自身的规则。搜索引擎喜欢的点、不care的点是什么一定要找到,同时找到流量提升的方向。

第三步,做一个执行性比较强的工作计划。相对于大型网站,中小网站各个部门间的协同可能更少一些,所以一定要做好工作计划。产品、技术、编辑……把不同部门不同岗位该做的事情都列出来,彼此沟通也是很重要的一点。

第四步,做SEO元素的升级。比如我们在PC端的title是35到75个汉字的范围,但在移动端是24到48个汉字的范围。要保障从PC端投射到移动端的时候也有匹配关系,就需要做SEO的升级。

第五步,用程序做批量修改、做全面见效的东西。比如一个终端详情页肯定会有面包屑,它们要么是文章标题要么是商业的主标题。这些面包屑我们都要统一加h1标签。

第六步,优化页面数据的读取能力,即数据组合能力。比如很多电商购物网站会按照用户的兴趣点去匹配页面,但现在很多人希望页面变得更简单,他们不希望耗费精力。实际上这种想法相对来说太过于暴力了,所以不同阶段的策略、步骤要学会匹配,不见得全部砍掉、也不见得全部添加。

第七步,定期查询数据报告。

第八步,新增有意思的或能解决用户问题的内容,同时把用户的兴趣点做数据匹配。

第九步,一定要做好全渠道优化。不仅做百度,搜狗、360、神马、之类的都要做好。PC端和移动端也都要付出不同的精力。

第十步,根据搜索引擎的变化实时做调整。

新网站SEO九步曲

第一,在技术上下功夫。网站要做自适应网页,PC、移动端页面差别还是蛮大的。我建议做自适应的网站,这样对用户或搜索引擎来说都是比较好的。

第二,一定要在测试环境里把SEO的元素都搭建进去。比如我们的页面分为head、body、footer三部分,从头到尾我们都要做好优化和处理,包括我们的一些核心产品,都要做快速的入口。

第三,做相应的测试。一些测试工具比如站长之家,都用蜘蛛模拟进行测试一下。

第四,做好提交的准备工作,提交网站的所有链接,而不是只提交首页。第一,不要只提交首页;第二,把各个栏目的首页、list页面都提交,时间允许的话各个页面都提交,这种情况要用URL批量提交工具。

第五,做好内容的更新和bug修改。更新分为真更新和假更新,假更新就是随机推荐,真更新就是根据用户去匹配,或根据后台的监测搭配数据去推荐。UGC也是一种更新,比较讨巧的方式是利用开放性平台的代码来加强我们自适应网页的更新。

第六,适当对关键词做好SEO技术性的工作,内链、外链、锚链接都要做好。实际运营过程中,根据目前搜索量、关注点的变化,也要适当做一些调整。

第七步,做好数据检查和统计,这非常重要。说白了就是周报、月报,网站日志,每周都要做一次,尤其是新网站搜索引擎来爬行的时候,日志一定要去查看,否则你不知道蜘蛛来的时候在你网站上干什么了。

第八步,做好内容填充。一定要坚持去做,保持内容的新鲜度和质量度。

第九步,根据实际情况实施作业调整。比如根据搜索引擎算法做一些调整。

不同类型的网站如何进行SEO优化

企业型网站的SEO优化指南

网站比较简单,主要以展示为主。

第一,把网站的品牌词、业务关键词排名做好,当我搜索某一关键词时会出现我的官网,让别人知道我是做什么的。

第二,关键词设置方面可能需要更大一些。当别人想要搜索他想要的简单需求时,就能看到我们企业的网站。

另外,边边角角的优化也一定要做好。比如企业的网址、路线图、地图、传真、邮箱、联系人、领导人介绍、产品介绍之类的都要放进去。

“企业+电商”型网站的SEO优化指南

比如招商银行、泰康人寿、太平保险这种,它既有企业展示作用,也有销售功能。

第一,把你的数据释放出来。凡是可以公开的数据,尽量都要公开。不是所有的数据都非得经过登录注册才能去看,建议当用户不登陆不注册的时候,可以开放出更多内容,否则这个内容搜索引擎是看不到的,直接会遏制住公司SEO的优化。

第二,做内容矩阵。企业营销类网站产品可能就那么几种,比如保险类网站的产品类型可能是固定的,产品的更新迭代也不是很快。所以要通过做内容矩阵来获取更多的流量。

做内容矩阵主要是方便不同内容服务不同类型的用户,主要涉及主客户、潜在用户、需要教育的用户、竞争对手的用户,你需要给不同用户适配不同的内容。比如现在很多P2P行业都可以从银行抢客户,当用户搜索“到招商银行如何办信用卡?”时,如果你关注了信用卡、招商银行这两个关键词,那么你可能被用户检索到,就增加了一次潜在的销售机会。另外,通过天猫、京东旗舰店带也能带来更多的流量转化。

偏内容处理型网站的SEO优化指南

比如美食食谱网站,他们的流量量级很大,有的甚至每天过百万。可以说偏内容的网站做SEO更好做一些。那么,到底怎么做呢?

首先,一定让你页面的生命周期长一些,不要让页面过早死亡。

第二,你的内容一定要和其他竞品的内容做出差异化。

第三,做好你的内容距阵或者说内容IP,这样你的流量才可以源源不断获取。

第四,PC、移动端同步去做。

第五,一定要不断地更新,清洗关键词的数据仓。

第六,尽可能的挖掘关键词。比如“宫爆鸡丁”,那么与它相关的,比如宫爆鸡丁的配料,宫爆鸡丁图片,宫爆鸡丁视频……等相关的内容都要呈现出来。

电商类网站的SEO优化指南

比如国美、苏宁、当当等类型的网站。

很多人遇到电商网站就蒙了,因为电商的竞争是如此的激烈。实际上,对电商网站来说,可能另辟蹊径会更好做一些。很多时候,电商网站都是格式化的数据,而搜索引擎又特别喜欢格式化的数据,比如产品的名称、价格、颜色、大小、尺寸……你可以把这些标号通通提交给搜索引擎,让搜索引擎帮你获得更高的展现。

首先,把网站所有商品的名称、ID、URL全部下载下来。

第二,跑一下数据,比如有些页面的优先级不是很高,有时候可以把这些优先级调整一下;有些页面关键词缺乏内链的推荐、有些缺乏外链的助力,这种情况下我们一定要把原因找出来。

第三,电商网站在落地执行时,一定要和程序员沟通好技术层面的支持。比如,化妆品筛选时有很多标签,美白、遮瑕、品牌、价格……等等,筛选条件越多,搜索剩下的结果就越少。这时搜索引擎费了半天劲才找到这个页面,但这个页面内容又特别少,再放一个单品的中间页面,那么他们俩就重合了,这样的抓取是没有意义的。所以如果说搜索结果的SKU数量较少,我们就把他屏蔽掉,不要让搜索引擎抓取到。

第四,PC端和移动端的适配。

第五,URL一定要做好。

B2B平台的SEO优化指南

第一,有时为了筛选用户需要登录注册才能查看页面,这种情况下搜索引擎是不会检索出来的,这就需要我们把想呈现的内容尽可能的放出来。

第二,对平台来说,只要信息过期就可以扔掉了,但实际上这类过时的信息也没必要去掉,很多这样的页面还是有排名的。这时一定要做好跳转工作,把流量吸收和转化。比如,我有个软文发布的需求,当有一天我在百度上搜索,但发现页面需求已经结束了。我们不需要重新发布一个新需求,而可以把这个页面匹配到我们新的类似的软文需求上面,以此降低用户的流失。

第三,一定要做好SEO标签的设置。比如去镖狮网上发布需求,怎样能在搜索引擎上找到呢?发布的需求一般由需求标题、需求问题的补充等构成,这时需求的终端页面一定要有h1标签,工程师就需要在这个地方设置成自动添加。

第四,内容的原创度。很多时候用户写东西都是不经过深加工的,做得更多的是复制粘贴,但这种内容对平台方来说已经不算新鲜,搜索引擎会认为平台方在抄袭别人的内容,这就很尴尬。这种情况下,需要我们做好对用户的引导,告诉用户怎样发一个需求才能被更多的企业主发现、找到。

王劲确认离开百度对于无人驾驶他是这么看的

欢迎点击订阅 GeekCar百家号~

今天,百度原高级副总裁、百度无人车项目负责人王劲在参加洪泰基金某活动的时候,发表了名为《AI 在无人驾驶的突破》的演讲,在演讲中他确认将会在近日从百度离职,接下来,他会投身无人驾驶领域的创业,并且已经获得了洪泰基金的一笔投资。

这是继百度首席科学家吴恩达于上周离职之后,百度又一位高管离职。在王劲的带领下,百度于 2013 年启动了无人驾驶项目。

以下是王劲的演讲全文,文本来源于猎云网,GeekCar 综合其他版本文本进行了一些修改:

此次演讲,我主要聚焦人工智能在无人驾驶领域的应用。

人工智能是 60 多年前就有了。前面的 50 年一直不成功,为什么?因为它让人先去教机器,然后机器再为人做判断。

到 2006 年,深度学习开始被提出来。但大家看到人工智能真正取得突破是在 2012 年底,谷歌开使用深度的学习做搜索,百度也在用深度学习做搜索。2013 年,百度是全世界最早的用深度学习来做广告的企业。

我们来谈谈人工智能和海外投资的应用。我们可以用深度学习的应用程度和方式来区别他们的这个模式。其实整车厂在十几年前就开始自动驾驶技术相关的研究,他们主要希望通过无人驾驶来帮助人们提高汽车的安全性和操控性。

在这个世界上,我们把自动驾驶一般分成五级。前面 1、2、3 级是需要有人监控的自动驾驶,只有到第 4 级是不需要司机坐在方向盘后面的,第 5 级就可以到任何地方去。

绝大部分的汽车厂商,在 2016 年初(以前)都认为自己需要从 1 级开始做到 4 级,这是他们和科技公司的区别。不过去年之后,绝大部分的车厂都改变了这个方向,他们虽然仍然在走辅助驾驶路线,但是往往都直接调出一个部门做 4 级自动驾驶,因为他们觉得直接做 4 级,比他们一级一级升要快得多。

第二个流派以百度和谷歌为代表,在决策上面也开始应用深度学习做人工智能的驾驶决策。另外一个是 Mobileye,以摄象头为基础的流派。

现在最新的一个 流派是 Drive.ai 和 NVIDIA。他们是想把直接从传感器传出来的信号输出成为驾驶的决策,这是一个非常激进的方案,因为这个方案只有在学术界里在验证,并没有得到成功。所以走这条技术的路径需要大量的计算能力,他们用的是端到端的全深度学习的模型在做。

Drive.ai 这个公司是全球最早走这个方向的,很多人可能不知道 Drive.ai 和百度前首席科学家的关系:吴恩达的太太是 Drive.ai 的总裁,Drive.ai 的 CEO 都是吴恩达的学生。两年多以前,几乎快三年的时候,吴恩达应该走深度学习的路,所以百度仍然是走在科技公司的主流路线上。

综上所述大家可以看到,从最传统的技术,就是主机厂,到最激进的,这个中间有很多的选择,从技术上有很多流派,没有哪一个流派被证明。我们认为全球范围内无人驾驶技术最好的应该是谷歌。

为什么现在的无人驾驶很多人认为有机会,很可能在三到五年内被实现?主要是基于这几个技术的突破:

第一,深度学习。去年的 AlphaGo 帮助教育了很多高科技行业之外的人士,包括车厂的领导,甚至是芯片厂商。也就是说,用深度学习来做决策和感知,将会很快的把它的能力提升在人类的驾驶员之上。所以深度学习的算法成为了无人驾驶的基石。

第二个带来改变的就是传感器。大家知道现在 64 线的激光雷达在逐步的投入量产,到今天为止能力被用到实践中间的这个激光雷达,很多人在做,不过真正可用的激光雷达只有一个公司。但是同时,无人驾驶汽车现在还需要非常多其他的传感器,包括摄象头,包括惯性导航,那么它也需要配合上高精度地图才能实现无人驾驶,这些技术在这两年有突破性的提高,使得无人驾驶在深度学习和新型的传感器上,得到一个非常广泛的,非常好的突破。

第三,硬件的升级打造云端汽车大脑。以前的 GPU 一般会用来做 PC 上的游戏加速器,百度此前还做了一个非常保密的项目,当时全球有两个主要的厂商来做这个芯片。所以在百度汽车拥有这样的计算能力以后,我们大家就可以把深度学习算法和这个模型放到车上,然后在汽车自己驾驶的过程中间做一些实时的判断和决策。

这里非常关键的基础决策,就是感知,要通过摄象头和激光雷达对很多的物体要做出一些判断。这个判断要用数据做一些评比,就是看看在这样大量的数据里面自己的技术到底有多少的准确性。

基于刚才的这几个技术的发展,大家终于可以看到,无人驾驶越来越成为一个主流的方向。百度的驾驶系统有 10 个子模块,最主要的是前面 3 个:环境感知,行为预测,规划控制。做前面两个的企业比较多,第三个规划控制这个方向,几个主流的科技公司也都公布了这个模块的人工智能技术。一旦这个技术被攻克以后,这个无人驾驶的能力会有比较好的提升。

我们认为,规划和控制会在未来的一两年得到很大的突破,其他的还有很多的东西,比如说操作系统、高精地图,很多很多的企业都可以提供。

无人驾驶技术,除了比拼自己的算法,传感器等计算硬件,还有一个非常重要的因素,就是数据收集的能力。如果一个公司在做无人驾驶,无人驾驶的车队规模该有多大?车队规模会影响到数据收集能力的强弱以及无人驾驶技术的成熟度。

汽车出去跑,收集来的数据放到了数据中心,放到了云端,在云端经过大规模的数据学习,形成了一个新的数据模型,这个模型又会被下载到汽车里,更新车里的算法。这就是不断的自我学习,不断的自我提升的循环往复,也是整个无人驾驶技术不断成长成熟以及不断提高安全性的过程和流程。

把一个无人驾驶项目的车队规模、数据中心、计算能力综合起来分析,就可以判断出来这个无人驾驶团队技术的先进程度。

随着这个技术的成熟,很多人也在判断,什么时候无人驾驶可以落地。

在我看来,2021 年将是无人驾驶的元年。有一些大一点公司能有十几万辆的规模,基本上主流的公司都能在 2020 年达到量产的目标。还有的公司要保守一点,会在时间点上更晚一些,可能 2025 年以后才可以实现。

整个产业对无人驾驶有预期,有激进的,有保守的,但是无人驾驶一定会到来,当它到来的时候,交通的安全性可以得到大幅度的提升。

更宏观来看,无人驾驶的到来,我们认为甚至有可能颠覆汽车行业。虽然有一些汽车公司也在做无人驾驶系统,也预计他们在 2021 年能够实现无人驾驶的量产,但我们在跟他们接触的过程中发现,他们在人工智能的技术上远远落后于科技公司,它们绝大多数的技术是专家型的,所以当整个汽车行业在这样的一个状态下时,他们的准备程度更差。

如果汽车行业不革自己的命,就会被别人革了命,现在只剩下 4 年的时间。

原创声明: 本文为 GeekCar 原创作品,欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」,并附上原文链接,不得修改原文内容,谢谢合作!

华易传播术百度产品解读

作为品牌传播和互联网公关方案提供商,我们工作的一部分是和百度首页信息显示相关的,并且专门设计了一个产品——百度霸屏。在整个项目的执行过程中,我们有了一些经验,今天写出来和大家分享一下。

搜索引擎发展之后,首页的改变会使得SEO不再那么容易挣钱——它让很多访客的来源,不再是用搜索的方式。

今天从百度信息产品搭建的角度,说说流量分配的问题。

百度首页解读

只要你想做互联网公关和营销,国内占据网络流量大头的百度及其众多产品,你是绕不过去的;而根据多数人的精力分配和阅读浏览习惯,几乎没有人去关注三页以后的内容。

百度强调了首页三大特点:

一、服务集成,将互联网上多元信息、服务、应用集成起来,满足用户全方位的互联网需求;

二、一号直达,用一个账号、不需要切换,即可一号直达很多网站,需要提前绑定;

三、智能推荐,基于用户行为、兴趣建模,知道用户在干什么、想要什么,并根据机器算法和机器学习,向用户智能推荐所想要的信息、服务或应用。

这说明什么?

说明品牌所有信息的精华,都在首页;只有把信息展示做到首页,才有价值。

现在以搜索“阿里巴巴”(因为其信息品类全)为例子,给大家做一些讲解。

1.官网

官网几乎是最有希望处于整个搜索顶端的信息链接,多方的联合认证给了它最优质的展示地位。

2.百科

百度最最亲的亲儿子,功能上可以说是集合了所有网络关键词的优质信息,做成了一个集中展示的窗口,处于百度搜索引擎业务中的头部地位。

3.企业的功能结构展示(上市机构、知名企业的福利)

比如“阿里巴巴+股票”,顺便推广一下百度自家的产品。这部分由机器和算法控制,任何渠道都插不进去手。

4.新闻

首页新闻、相关信息、热点,是由百度整合网络信息,根据关键词的关联度,由爬虫和算法协作,整合到首页进行展示。因其内容本身及发布网站存在可操作的空间,是当下众多品牌及公关公司所争夺的焦点。

5.贴吧、知道、各论坛

这些东西可以算是网络信息的“牛皮癣”了,其碎片化的信息展示及无处不在的可能,不仅很好的补充了品牌信息,还能把这些信息以关键词的引导触达精准的人群。

6.底层的其他关联搜索及热词

虽然是算法统筹以后展现的,但是通过大量的外链可以进行一定程度上的修改。

百度产品及信息的金字塔结构

大家可以看到,在百度的搜索栏之下,按类别分别是网页、新闻、贴吧、知道……等等,所以很多人潜意识的以为,百度的产品是地位、权重等同的,是处在一条起跑线上的。

这种理解实在是大错特错。

百度产品及首页的展示,是金字塔结构的。

处于金字塔底层的是外链、论坛、各种问答平台;次一层的是百度的文库、经验、知道;第二层的是新闻及各大高权重网站的资讯;金字塔的顶层,就是百度百科

百度信息“霸屏”怎么做

在回答这个问题之前,我们一定要明白信息展示的两条逻辑线。

A.不能无中生有:网络中有信息基础的才能展示;

B.降权显示:权重大的渠道会覆盖掉权重弱的渠道,权重上是优先联系,内容上是次级联系。

总的产品路线来说,是这样的:新闻,论坛、知道、贴吧,百科。

精确的关键词寻找与设计,全品类全盘的综合考虑与发布,能够达到最好的信息展示及“百度霸屏”效果。

有的朋友会问,为什么不从金字塔的底层开始做呢,反而要从金字塔腰部的新闻开始着手呢?

本公众号“华易传播”的下一篇文章《华易传播术——网络新闻发布的奥秘》,将为您解读这个问题。

我是华易君,我们下期再见。

排名软件新手注意这四个细节直接关系到了网站排名的效果

现在,大家都很重视SEO的关键词排名百度算法越来越复杂,导致很多人做SEO的时候,越来越困难,总是摸不到门道,实际上,我们应当根据不断变化的形式去适当调整优化策略。另外,新手在做SEO优化的嗜好,还有很多的小细节需要注意,因为这些细节,直接关系着网站的排名。

首先就是用户的搜索习惯,网站最关键的就是吸引用户关注访问,要获得用户的关注,就需要考虑如何满足用户的需求,同时这也是决定了关键词的选择。另外,还有就是网站的打开速度,因为网站打开速度直接关系着用户的使用体验,据了解,全球排名第十的博客站点打开速度最快的时候用时不到1秒,最慢也不超过3秒,当网页打开时间大于3秒的时候,网站的跳出率就会很高。所以说,网站打开速度也是搜索引擎排名的一项重要影响因素,所以,网站打开速度影响的不仅仅是用户体验,对网站变现的影响也是很大的。

搜索引擎的蜘蛛,还特别喜欢比较新颖独特的文章,这类文章因为原创度高,比较罕见,因此更受搜索引擎蜘蛛的欢迎。因此,对于新手来讲,还是需要将网站的各个方面,包括设计、框架、内容等各个方面,都设计的比较独特一些,给用户的体验比较新颖独特,这样才会有好的留存度。

上面说到的这些,都直接影响到了网站的排名。那么,又该如何提升网站的排名呢?目前,多数老站长都会采用的方法就是,直接用系统来提升排名。现在,使用人数最多的系统就是牛排系统,这个系统优化的非常快捷高效,尤其是非常适合新手们使用。本文的配图,就是一个最明显的案例。

百度总编辑赵承人工智能是信息化未来发展的方向

作者:赵承 百度公司副总裁、总编辑

赵承(百度公司副总裁、总编辑)

人工智能:信息化发展趋势

全国两会热议的政府工作报告再次提到了人工智能。人工智能首次写入政府工作报告是2017年。与互联网相关的战略,上次写入政府工作报告是互联网+。互联网+和人工智能是两个完全不同层面的内容。我认为,人工智能代表国家未来的战略方向,互联网+只是应用层面。

现在提到互联网+,看到互联网在应用层面带来的巨大社会价值,我们认为人工智能决定国家未来,对我国发展具有重要意义。今年是我国改革开放40周年。1978年我国刚开始实施改革开放时,美国就已经看到了信息化的机会。20世纪80年代,美国推出一系列信息化政策,而当时我国在信息化方面几乎是空白的。在美国推出一系列互联网政策的时候,我国甚至还没有意识到它的作用。但是现在不同了,党的十八大以来,习近平总书记、李克强总理在众多场合多次强调互联网的重要性,全面客观看待互联网,带来互联网应用的蓬勃发展,为整个产业带来巨大的发展动力。

人工智能带来新机遇的动因

人工智能十分重要,被称为第四次工业革命。无论是政府部门还是研究机构,包括很多企业家,都认为人工智能是一个重要发展方向,每个行业都将会被人工智能解构或重构。人工智能应用广泛,谷歌工程师利用人工智能技术确定行星存在,利用1万多个数据找到两个行星。荷兰用人工智能监测奶牛,英国用人工智能提高啤酒质量,瑞典用人工智能分析海豚声音。

企业界充分感受到人工智能带来的变化,海量的数据,特别是数据的存储成本和计算成本的变化,短短几十年,就有亿量级变化和效率提升,在人类史上是从来没有的。计算能力的提升,以前也是不可想象的。整个算法的变化,是深度学习的变化,使得我们有能力对这些数据进行分析和应用。

AI时代的发展战略和布局

客观来讲,百度是国内最早做人工智能研究的互联网企业,2010年开始进行AI布局,2013年组建第一个深度学习研究院。过去几年,互联网格局发生了很大变化,主要是移动互联网快速发展。AI技术对未来走向有着潜在影响。之前大家用百度获取内容,百度的使命是让人们最平稳便捷的获取信息。现在,AI技术赋能,百度的使命是用科技让世界变得简单。

先前,百度提供的主业是信息服务,最早的搜索引擎是基于词频统计,是统计学的基础。现在,搜索引擎是基于AI,利用AI技术个性化推荐,达到千人千面的效果。之所以有AI技术和这样的服务,核心是百度大脑。

利用百度大脑衍生出的其它服务,比如百度翻译、百度DUEROS、百度无人车等等,都是人工智能的核心产品。我们不仅自己用这样的技术和产品,同时也把AI技术开放给第三方,构建一个完整的生态。百度大脑、百度云、DUEROS、阿波罗技术都是完全开放。百度云,通过云的方式把云计算、大数据、人工智能技术赋能各行各业。DUEROS,即语音操作系统,有这个系统人可以交互、唤醒万物,大大降低工业产品的学习成本。阿波罗,是去年推出的无人驾驶开放平台,可以在简单成熟的道路进行测试。汽车产业规模可达万亿级,我国以前希望通过市场换来技术的路线,现在看来并不是很通。在无人驾驶时代,有可能通过无人驾驶技术绕过这个阶段,直接用开放平台的技术,让我国汽车产业同国外汽车产业竞争。

人工智能的赋能和应用案例

人工智能赋能万物。人脸识别,《最强大脑》机器把人类最强大脑PK掉,还有被拐卖儿童的案例。图象识别技术,利用开放的平台跟平谷老百姓合作,图像识别平谷桃子。首钢判断钢水气泡现在靠人工智能技术,准确率接近百分之百。庆丰包子铺,销售环节对销售量的预测准确率达到92%,客户投诉减少10%。

VR、AR技术在科普中国的运用。用VR技术复原西南大学,很多人在网上看到以前高校的样子。复原兵马俑,看到的兵马俑是鲜活的,有着很好的互动。与国家文物局合作,把数千个数字博物馆搬到线上,让社会大众很好接触博物馆。我们计划把国外博物馆搬到线上,通过人工智能与网民很好的互动。

百度和中国科协合作最好。2014年开始合作,到今天平台上有科协的词条数量和相关编辑数量大概十几万条,大家搜索的次数达到几十亿、上百亿的量级,量是非常大的。单个词条,有些很偏僻词条,一般人不会搜索。如何通过社会平台,把科普的价值、科技的资源放大,确实值得好好思考。与科协合作做好是双方共同努力的结果,中国科协在合作方面开了很好的先河。

AI时代对智慧科协的思考

科普有赖于载体。最早的科普通过看书,后来交互方式、载体发生变化,有了电脑、移动设备终端、VR/AR技术、AI这样的载体。最早进行线上内容合作的国家机构是抗日战争纪念馆,上线后一天访问量相当于之前一年线下访问量。去年7月1日上线梁家河线上产品,社会反响也很好。我们做了很多AR的产品反响也很好,和中国科协正在做搜索科普的项目。当小孩用语言搜索,我们会调用一些VR/AR展现给他们,因为适合孩子的产品是AR/VR产品。现在的机器人完全可以利用科协的资源,以更加丰富的方式,为社会公众服务。

我们和中国科协做过关于科普需求的报告,我记得总理把这个报告送给了很多部长,发现有很多有意义的数据,如科普需求急剧增长,2017年比2016年增长30%多,其中移动终端需求占了75%。这充分体现了科普的价值,对于如何利用终端平台,运用新的交互方式,让社会公众参与到科普中具有重要的参考价值。

网上科协平台是一个国家智力资源集聚的平台。让科技工作者在同一平台上产生互动和交流,我认为很有意义。不仅是对科普,而且对自身工作也有很大提升作用。如何让科普工作者利用好这些技术,利用好开放的平台,更好进行科普工作,对于科普工作持续发展也是大有帮助的。

本文由科界平台原创首发,转载请注明来源:“科技工作者之家”科界APP。

特别声明:以上文章内容仅代表作者本人观点,不代表“科技工作者之家”科界平台观点或立场。如有关于作品内容、版权或其它问题请于作品发布后的30日内与科界小助手联系。

责编:朱凡

在人脸识别中击败人类记忆大师百度大脑背后的技术解读

2017年1月6日,百度首席科学家吴恩达带着小度机器人来到了《最强大脑》现场,与人类选手展开了对决,并在人脸识别比赛里以3:2的比分赢得胜利。

新年伊始,人类和人工智能的对垒就已经迎来了高潮,首先是谷歌DeepMind的Mater在线上围棋比赛中连胜60场,再次证明了机器在围棋这项运动上已经超越了人类。几天之后,《最强大脑》第四季首期就又迎来了一次重磅的人机大战,由植入百度大脑的小度机器人迎战世界记忆大师王峰。本次比赛的主题是跨年领的人脸识别,人类选手识别对了两张照片,小度则答对了全部三张照片,甚至包括一张双胞胎照片,从而战胜了人类大师。

小度的惊艳表现和其背后百度强大的人工智能技术能力是密不可分的。目前百度大脑拥有世界上最大规模的神经网络,万亿级别的参数,千亿的训练数据和亿级别的特征,这些共同强大的人工智能系统,再加上GPU并行计算丰富的计算资源带来的效率提升,从而使人工智能技术真正能够发挥出威力。

这次比赛的主题是人脸识别,后者也是目前图像识别里的一个重要领域。主要分为人脸检测、人脸图像预处理、人脸图像特征提取和人脸图像匹配与识别四个步骤。在比赛中,人类选手王峰表示,他在识别人脸时也是去寻找和记忆一些特征。而对于机器来说,深度学习的方法是一层一层的学习不同特征,从底层的低级特征到高级特征。

不管是谷歌、微软、Facebook、百度等科技巨头,还是众多公司,都在人脸识别的技术研究和应用方面有着积极探索。而百度IDL主任林元庆表示,2014年和2015年在FDDB百度都是第一,2015年底在内部比较难的测试集上最好是8%错误率,经过2016年的改进9月份错误率降低到2.3%。最后希望能够把错误率降到1%以下。

百度的人脸识别系统是分两步训练,第一步训练是通用人脸识别系统,不是专门针对跨年龄,这次成功最关键的是训练了一个非常强大的人脸识别系统。我们的数据里面是两百万人,每个人有一百张照片,我们用一个非常大的数据训练我们的人脸识别系统,这是百度很多年积累起来的数据,这个过程的迭代是数据和算法一起迭代,这里面非常难的事情是你要有非常好的算法,充分利用这些数据。利用这些数据,你能设计出非常好的算法符合这些数据。

而在比赛中跨年领的识别,并不是简单的匹配(matching),而是需要有逻辑推理能力。林元庆表示:「将人脸分成7个部位,在人脸打72个点,从中学习哪些部分的特征是非常重要的。搜集类似的数据,告诉机器这个人小时候长这样,长大了长这样,让机器自己去学习哪些是重要的特征。」

在具体技术上,百度IDL的人脸团队用了端到端的度量学习,即通过学习一个非线性投影函数,把图像空间投影到特征空间中。在这个128位特征空间里,跨年龄的同一个人的两张人脸的距离会比不同人的相似年龄的两张人脸的距离要小。同时,考虑到跨年龄人脸的稀缺性,用一个用大规模人脸数据训练好的模型作为底座,然后用跨年龄数据对他做更新。这样不容易过拟合。

在人脸识别技术中还有个非常重要的因素是特征点定位,对于这个问题,林元庆在接受机器之心采访时表示:「一个方面当然就是我们要想办法去做出非常好的特征点定位的算法,然后要训练非常好的模型。在一些极端情况下,可能这个算法也不会很精确的做定位,但我们希望后面的识别模块有一定的容错能力,那我们的做法就是在训练时制造一些数据,人为产生一些误差在定位上,然后拿这些数据放在深度学习模型里去训练,这样最后训出来的模型就对定位的误差是有一定的容错能力。」

此外,这次比赛是在现场进行,小度看到的画面和人类选手是完全一样的,而不是图像信号的接入。而电视节目的复杂性又增加了人脸识别的难度。比如说角度、表情、现场光线、阴影化妆、和配饰等,但小度的表现依然精确。

最强大脑评委魏坤琳对百度人脸识别技术的评价是:「百度在最强大脑这个舞台上厉害的一点就是实时比,大家都没看那些舞台上挑战项目的素材。事先,人机双方只是知道挑战的大概项目,留给百度工程师的是基于正常人的、普通场景下的数据去训练人工智能。」

小度在人脸识别方面的表现让我们对其未来应用充满期待,而百度在人脸识别产品和应用的推进也已经开始。目前,基于人脸识别的门禁技术已经在百度大厦落地;银行也会使用这项技术来做远程的身份认证;百度的人脸识别还在乌镇戏剧节上亮相。

对于这场比赛,林元庆不喜欢用「打败」来形容。「不管输赢,我们都是回去继续研究。」他说,「后面的五年、十年,甚至二十年、五十年,我们一定会跟人工智能的技术共存,希望我们把这些技术用好,帮助人类解决问题,而不是让这些技术成为人类的对立面。」李彦宏也表示:「无论输赢,都会对人工智能的技术发展做出突破性的贡献。」

其实对于每次人机比赛,总是会出现一些威胁论或者宿命论的非专业解读,这不仅是对人类自身的不负责任,也会影响人工智能技术的正常进展。而就像应用于图像识别的CNN是在某种程度上借鉴了人类视觉原理一样,此次比赛也会使百度的技术团队从人类选手那里获得足够多的灵感和线索,来推动人工智能的进步。比赛只是证明了机器在人脸识别这个任务上,基于目前最先进的技术可以比人类做得好,带来我们更大的可以应用的想象空间。更重要的是,将人工智能正确的带到了大家面前,并促使我们去拓展智能的边界。

百度领衔主演这场大戏里人人都有表演的机会

正在美国拉斯维加斯举办的2018国际消费类电子产品展览会(CES)上,全球的目光都聚焦在人工智能。百度Apollo出征,陆奇发言中说“未来的雄安将强过迪拜”,腾讯的机器人叮当公布腾讯的生态伙伴计划,马云的蚂蚁佐罗机器人出场展现阿里巴巴的黑科技。

这次的CES可以说是一场“智能车站”,也是一场“智能家居展”,蔚来汽车、小鹏汽车亮相,小米AI、亚马逊AI、联想AI、海尔智能家居等一大批产品出场“走秀”。这是人工智能的黎明,也预示着人工智能的朝阳开始升起。

有人借助会展推销自己展品,露露脸,有人是真正引领人工智能大潮。人工智能领域的发展依靠规模化的大数据积累、完善人才技术体系做支撑,实力欠佳,依靠追风的企业也必然会跌落。

不成体系的结构

在人才转型和挖掘中,单单请几个人工智能的博士,并不能撑起产品和公司的有效运转,只是充门面。更重要的是合理科学的人才架构。

科学的人才结构

程序员在这次转型中也必将会有筛选。纵观互联网技术的发展,有些程序员或许也经历过从JAVA语言浪潮到PHP语言浪潮的颠簸,伴随着人工智能的出现,带动了Python语言的火爆。程序员开始面临转型。

谷歌、亚马逊、腾讯、百度、阿里巴巴等依靠巨大财力将各类人才尽收麾下。年薪百万,满满的福利只为留住人才。

程序员在转型人工智能中也会遇到挑战和机遇。程序猿崛起对转型人工智能程序员作系统梳理,以供借鉴。首先核心基础是机器学习,顾名思义,就是让计算机模拟人的学习行为。

机器学习的分类

监督学习

程序员输入样本及其标签,促使系统进行学习、概括,从而达到识别新样本的能力。

无监督学习

对大数据样本进行分类,得出相关性,从而推断个体的行为习惯,比如淘宝购物根据购买和浏览推荐。

半监督学习

就是监督和无监督学习相结合,形成一个不断反馈,循环学习的系统。

强化学习

对大量样本进行试验,得出正解,然后对正解进行专一、高强度的学习。

人工智能学习

数学

概率和统计

线性代数和矩阵

数据分析

组合数学

机器学习

回归算法

数据处理和决策

聚类算法

贝叶斯算法等

深度学习

深度学习是从生物模型到神经网络的部署,其中有一个重要的关于偏导数的数学概念,所以说人工智能是一个深度的、系统的技术变革。

对于传统程序员来说,Python语音作为一种解释语言,利用其开发效率高、对开发者友好等优势坐到AI头把交椅,有人说在人工智能时代,不懂Python语言,就会成为“新文盲”。所以学习Python语言是进入人工智能领域的入口。

当然在这次国际消费电子类产品展览会(CES)上,在人工智能大秀肌肉的同时,区块链技术也在爆发,下期文章,我们一起来了解区块链和程序员如何扎根区块链技术。程序猿崛起,为你拨开技术浪潮的迷雾。

百度上线PaddlePaddle公开课 无缝覆盖全球开发者

近日,百度上线 PaddlePaddle 公开课,以提供丰富的深度学习课程资源,在线帮助开发者从零开始掌握 PaddlePaddle 深度学习框架。这也是业内第一套由深度学习教育联盟合作伙伴制作完成,包含理论和实战的PaddlePaddle 深度学习中文视频课程。

深度学习教育联盟由百度牵头成立,旨在全方位支持深度学习人才培养。深度学习教育联盟将为开发者提供包括内容、渠道、平台、科研、赛事、资金等多方面支持,帮助感兴趣的开发者快速转型为合格的深度学习工程师。

有意向成为深度学习教育联盟的合作伙伴可以在线申请加入百度 AI 开放平台生态伙伴计划。

据了解,首期深度学习视频课程是由深度学习教育联盟合作伙伴University AI 制作完成,并率先推出包含原理、算法和实战等干货内容。University AI 以百度 PaddlePaddle 深度学习框架为基础,针对普通工程师向算法工程师转型,全方位打造从入门到进阶的人工智能课程。

University AI 作为中国最早的深度学习以及深度强化学习课程和知识的“传道者”,在 PaddlePaddle 公开课中创造了具备完整人工智能视野的“全方位人工智能课程”。

同时,课程包含了大量从未在人工智能教育产品中露面的技术领域,包括生成式对抗网络、深度强化学习、深度多 agent 系统和逻辑学等,这也是国内人工智能领域首次出现如此深度的教育产品。

目前,该视频课程已在 PaddlePaddle 训练营上线推出。除此之外,深度学习教育联盟其他合作伙伴也在陆续制作深度学习入门与实践、PaddlePaddle 实战、PaddlePaddle 应用场景、AI 趣味课堂等五大部分上百小时的视频课程,且所有内容均免费向开发者开放,充分满足开发者全方位的学习需求。

作为百度自主研发的深度学习平台,PaddlePaddle 的易学易用和灵活高效极大地降低了开发者的研发门槛。如今,PaddlePaddle 已开放近20种工业级模型,包括点击率预估、语音识别、文本分类、图像分类等,不仅满足了大批第三方开发者的个性化需求,也加速了第三方 AI 产品的落地。

PaddlePaddle 还被业界誉为最符合中国开发者需要的深度学习开源平台,目前已成为全球开发热度(用 Githubpull request 数量衡量)增速最高的深度学习开源平台。

为了帮助开发者打造一条深度学习快速进阶之路,百度还在线下全新开设了“深度学习公开课”,从 PaddlePaddle 开发基础与功能、深度学习工程师的职业规划以及 PaddlePaddle 应用解析等方面,为开发者全面介绍深度学习技术与 PaddlePaddle 的最新进展。

百度希望 PaddlePaddle 能帮助更多不同领域的合作伙伴,加速AI产品的落地,也希望以此扩大PaddlePaddle 的“朋友圈”,将它打造成推动中国各行业实现 AI 转型的重要力量。

感兴趣的开发者可点击“阅读原文”登陆 PaddlePaddle 训练营,学习更多与深度学习相关的干货内容!

━━━━━

附:课程目录

一、迈入现代人工智能的大门

Modern AI 你知多少

Modern AI 骨架脉络

深度学习简介

关键突破——多层感知机网络模型

深度学习的基础算法——反向传播算法简介

PaddlePaddle 框架简介和几个案例

二、让机器能“看”的现代技术

计算机视觉小普及

计算机视觉深入认知

源自视觉神经原理的卷积网络简介

卷积网络深入理解

AlexNet 深度学习关键突破

VGG 网络更深的架构尝试

ResNet 深度学习模型的深度究竟能有多深

PaddlePaddle 加持下的卷积网络实现

三、循环网络原理、模型及应用 (语音识别,自然语言处理)

课程导引

序列场景分析

初识循环神经网络

突破障碍的 LSTM

新式的简化变体 GRU 网络

神经图灵机整体结构

神经图灵机——寻址

神经图灵机——控制器

PaddlePaddle 实现 LSTM 和 GRU

四、CNN 和 RNN 应用

文本数据究竟能够干什么——典型场景分析

文本分类的神器——卷积神经网络

情感分析的强大武器——循环神经网络

机器也可写写诗——中文诗歌生成网络初探

PaddlePaddle 实现

五、神经自然语言处理

自然语言理解概述

神经语言模型

语义模型——深度结构化语义模型

序列标注——命名实体识别

PaddlePaddle 实现

六、搜索排序应用

排序学习简介

排序学习不同类别和 Pointwise 方法

Pairwise 方法和 Listwise 方法

Pairwise 方法的神经网络模型 RankNet

Listwise 方法的神经网络模型 LambdaRank

PaddlePaddle 实现 RankNet 和LambdaRank

七、强化学习

强化学习导引

基于值的强化学习方法

基于策略的强化学习方法

基于模型的强化学习方法

强化学习实验环境

八、可解释的模型及应用

可解释的模型简介

概率图模型

贝叶斯推断

贝叶斯深度学习

常用的实践环境

九、生成式模型的基本概念、方法和应用

生成式模型方法

变分自编码器

生成式对抗网络

PaddlePaddle 实现 VAE 和 GAN

十、深度强化学习算法及应用

深度强化学习简介

DQN 技术

DDPG 技术

AlphaGo 相关技术

实践环境

十一、多智能体系统及学习技术

多智能体系统简介

多智能体博弈和协同

多智能体系统机器学习

多智能体深度强化学习

多智能体实验环境简介

十二、基于逻辑的深度学习技术

符号学派简介

归纳逻辑编程 ILP

结合深度学习的逻辑方法

常用的逻辑编程工具

课程的总结和对未来的展望

前百度首席科学家吴恩达 – 机器学习训练秘籍第七章

7 开发集和测试集应有多大?

开发集的规模应该大到足以区分出你所尝试的不同算法间的性能差异。例如,如果分类器 A 的准确率为 90.0% ,而分类器 B 的准确率为 90.1% ,那么仅有 100 个样本的开发集将无法检测出这 0.1% 的差异。相比我所遇到的机器学习问题,一个样本容量为 100 的开发集的规模是非常小的。通常来说,开发集的规模应该在 1,000 到 10,000 个样本数据之间,而当开发集样本容量为 10,000 时,你将很有可能检测到 0.1% 的性能提升。

从理论上说,还可以检测算法的变化是否会在开发集上造成统计学意义上的显著差异。 然而在实践中,大多数团队并不会为此而烦恼(除非他们正在发表学术研究论文),而且我在检测过程中并没有发现多少有效的统计显著性检验。

像广告服务、网络搜索和产品推荐等较为成熟且关键的应用领域,我曾见过一些团队非常积极地去改进算法性能,哪怕仅有 0.01% 的提升,因为这将直接影响到公司的利润。在这种情况下,开发集规模可能远超过 10,000 个样本,从而有利于检测到那些不易察觉的效果提升。

那么测试集的大小又该如何确定呢?它的规模应该大到使你能够对整体系统的性能进行一个高度可信的评估。一种常见的启发式策略是将 30% 的数据用作测试集,这适用于数据量规模一般的情况(比如 100 至 10,000 个样本)。但是在大数据时代,我们所面临的机器学习问题的样本数量有时会超过 10 个亿,即使开发集和测试集中样本的绝对数量一直在增长,可总体上分配给开发集和测试集的数据比例正在不断降低。可以看出,我们并不需要远超过评估算法性能所需的开发集和测试集规模,即开发集和测试集的规模并不是越大越好。

Photo by Nick Hillier on Unsplash

福布斯中国将成全球最大汽车市场 百度将超越谷歌

近日,福布斯网站刊发文章指出,虽然谷歌、Uber、特斯拉等科技公司纷纷布局的自动驾驶将成为汽车行业的未来,但在中国这些公司不太可能有所作为。中国未来可能是全球最大的汽车市场,百度拥有拥有自己独特的算法、良好的商业合作伙伴以及政府的大力支持,得益于此百度将有机会在无人驾驶领域战胜谷歌。

数据显示,中国的自动驾驶市场到2025年市场价值将超过1000亿美元,有可能将成为全球最大的市场。调查机构eMarketer在今年8月进行了一次调查,接受调查的中国消费者中,有82%希望使用自动驾驶汽车。相比之下,新加坡的意向用户比例为59%,日本为43%。

近年来百度一直在通过人工智能的研究尝试商业化路径,其中自动驾驶拥有最光明的前景。清华大学计算机科学教授邓志东认为,百度是中国企业中少数几家有机会赶超谷歌的互联网公司之一,因为其有全国最大的自动驾驶技术研发机构,优势在于深度学习的算法和软件,其中包括两个设在硅谷的实验室。86证券分析师张雪茹则认为,借助于更好的算法百度可以营造更安全的驾驶环境,在安全领域的领先让百度在自动驾驶领域脱颖而出。

该文章指出,百度在今年7月发布了“Apollo”项目,与包括汽车制造商长安,戴姆勒和芯片制造商英伟达在内的70多个合作伙伴共享自动驾驶技术代码和数据,并可以从使用其自动驾驶技术的车辆中获取大量的道路测试数据,并借此训练出更好的自动驾驶技术。

百度与金龙客车联合开发的无人驾驶小巴车“阿波龙”

此外,百度也在加速实现自动驾驶技术的市场化,目前已经与金龙汽车集团合作,最早将于明年在工业园区投入运营自动驾驶公交车。在2017百度世界大会上,百度宣布在2019年将与江淮、北汽,2020年与奇瑞共同推出L3级无人车。百度智能驾驶项目负责人李震宇在接受福布斯采访时指出,“未来,数据将比算法更重要。你必须让自动驾驶系统尽可能多的接触事故案例并从中学习,否则很难模拟出汽车行驶的类似环境。这就是为什么我们认为共享数据会带来更好的结果。“

福布斯在文章中同时指出,政府对于前沿科技研发的支持也给予百度充足的发展环境。中国政府实施制造强国战略——第一个十年的行动纲领《中国制造2025》中提出了10大重点领域,即在人工智能和机器人等十个重要战略行业中夺得主动权。

对此波士顿咨询公司上海合伙人徐刚表示:“他们(监管机构)正在重新审视现行的交通法规。汽车制造商也希望通过推广自主驾驶功能吸引年轻消费者。“而上海交通大学教授杨明也表示:“中国政府有较强的决策能力和执行力,中国也有很好的互联网技术,这些都是推广自动驾驶汽车的有利因素。”

福布斯在文末同时指出,自动驾驶领域尚面临一些障碍,比如故障率。邓志东指出,谷歌的无人驾驶汽车堪称全球最安全,事故发生率只有每一万公里1.25次,然而还是没有普通人好。完全无人驾驶汽车的目标就是要最大限度的降低车祸率,甚至是每1000万公里一次车祸或需要一次人工干预,或者是要比普通司机驾驶安全100倍。很显然,实现这个目标还有很长的路要走。

百度比较聪明的做法,是将其Apollo平台开放,从平台合作伙伴中获取大量有价值的路测数据,这一做法或许将大大加快无人车的商业化进程。