識別方面，百度提出流式多級的截斷注意力模型SMLTA,這是國際上首次實現局部注意力建模超越整句的注意力模型，也是國際上首次實現在線語音大規模使用注意力模型。

    SMLTA在大幅提升識別速度的同時，也提高了識別準確率。在輸入法有效產品相對準確率提升15%,音箱有效產品相對準確率提升20%.合成方面，針對現階段面臨風格遷移、音色模擬和情感擬人的三大挑戰，百度推出語音合成技術Meitron,可以將語音中的音色、風格、情感等要素映射到不同的子空間，在使用時，不同要素可以任意組合，靈活的控制合成語音的風格。同時降低語言合成門檻，僅需20句話就可以制作一個人的專屬聲音。

    對于落地應用正在端側呈現出巨大需求，百度大腦語音團隊研發出一款針對遠場語音交互打造的芯片--百度芯片。芯片采用"軟件定義芯片"的全新設計思路。該芯片采用雙核HiFi4架構，2.8M大內存，臺積電40nm工藝，在此硬件規格上，100mw左右平均工作功耗，即可支持遠場語音交互核心的陣列信號處理和語音喚醒能力。同時，按照車規級標準打造的芯片，可為車載語音交互，以及智能家居等場景帶來更大想象力。芯片流片的同時，即實現了量產。

    百度視覺技術部、增強現實技術部總監，5G時代，越來越多物理設備將連接到高可靠、低延時的網絡空間，這將徹底改變人們與環境及設備的交互方式。本次全新發布視覺語義化平臺2.0,正在推進視覺技術由"看清看懂"向"交互"進行升級。視覺語義化平臺2.0在交互升級和軟硬件結合兩大方面實現突破。

    交互升級包含一體化人機交互系統和大場景物理世界交互系統。簡單而言，一體化人機交互系統是人與機器、虛擬環境的自然交互與融合，該系統適用于實現AR特效的直播、小視頻、特效小程序等場景，已應用于百度多款視頻App.大場景物理世界交互系統是將視覺定位與AR技術突破性結合，實現大范圍的虛擬信息與物理世界的精準疊加，從而建立起AI時代全新的交互系統。

    目前，軟硬件結合可以滿足應用場景更高效的視覺計算，以及更低延時的體驗，同時能保護數據隱私。百度視覺方面的軟硬件結合主要聚焦于模型壓縮平臺PaddleSlim、多模態FaceID開發組件以及軟硬件一體解決方案AI相機三部分。FaceID覆蓋設備量已超1200萬臺。

    視覺語義化平臺2.0更新了許多先進的感知技術，也讓機器人技術實現新突破。百度三維視覺首席科學家楊睿剛介紹，機器人就是一個智能體，除了感知技術，智能體需要決策和動作相關的技術，實現從環境感知到主動感知。

    目前，百度研究的智能體技術主要集中在自動駕駛Apollo、工程機械和服務機器人三大方面。上午主論壇中引人關注的機械臂"茶博士"不僅能說會道，還完成了傳統的長嘴壺倒茶工作，其背后依靠的正是服務機器人方案。