圖為人工智慧
最近，深圳又出現一個超級工程，價值幾千億，這個超級工程創下了全球首個有關於人工智慧泛用性模型的紀錄，有效降低了人工智慧對模型種類的需求，這能大大降低了人工智慧創造者們所需花費的工作時間，ERNIE 3。0，又叫文心，是百度建立的大資料模型，擁有強大的語言文字識別能力，而且這套模型訓練出來的人工智慧在面對各種不同型別的問題時更具效率。
圖為人工智慧
倘若按照一般巨頭們習慣使用的NLP模型，這種透過增加引數規模而提升人工智慧能力的設計模式相當於為AI進行針對性的任務設計，倘若給使用這種模型的AI設個套，那麼就算是使用GPT-3這種強大的人工智慧模板的AI，也同樣會中招，因為使用該模型的人工智慧並不會拒絕回答任何問題，哪怕是它們自己沒看懂，也會根據機率和經驗做出一個預測答案正確程度最高的回答。
圖為人工智慧在金融行業上的應用
但這個超級工程ERNIE 3。0做出來的人工智慧卻不會像是GPT-3人工智慧的回答那樣愚蠢，因為它擁有一個相對於前者來說更龐大，更著重於從雜學中尋找治療的資料庫，這可以讓AI應對更為離譜和不可思議的問題，並且根據資料庫中的資料做出最為適合的回答，而且，ERNIE 3。0是一個通用性的模型，這意味著這個模型能夠同時被用在不同的任務上，這對於模型的建立者來說是非常重要的。
就像是ERNIE 3。0可以被用在10010的智慧客服上面，它能夠針對客戶提出的問題作出較為靈活，又能有效解決問題的回答，這讓10010對客服人員數量的需求大為降低，並有效降低這一大公司對客服體系的需求，而另一方面，人工智慧也同樣可以用在保險合同業務的處理上，透過標註出每一份合同的關鍵詞，並且對其進行分析，大資料模型能夠讓業務員在第一時間就能看到合同上最需要被關注的異常情況，這讓業務員只需要進行少量的修改和手動確認就能確定一份合同的可靠性，這速度，將會是過去單一業務員工作量的好幾十倍，再加上ERNIE 3。0還能智慧生成合同範本，這讓保險從業人員的工作效率得到了巨大提高。
圖為鵬城雲腦
但這只是ERNIE 3。0特殊能力的一部分，這個超級工程的另外一個特別之處，是它可以針對某些特定場合針對性的開發和製造小型的AI系統，從而有效降低企業製作人工智慧所需花費的成本，而更重要的一點是，ERNIE 3。0所分離出來的小型人工智慧哪怕沒有原版龐大的資料庫輔助，它在專業上的能力也不會比原版要低多少，這就是深圳這個超級大資料工程，為中國人工智慧的進化所賦予的特別含義。
隨著中國已經能夠將AI專業化和廉價化，接下來，他們要做的事情就是如何讓這些被廉價化的AI怎麼被大規模的普及了，跨模態融合技術，讓AI能夠理解金融合同和報表的表述手法，看懂醫療影像和病例分析，但以上這些工作同樣需要人的參與，才能讓AI同樣發揮出自己應有的作用。
