》深度学习框架处于人工智能技术体系的腰部位置，连接着芯片和应用。“3月31日，在第五届百度AI开放日活动《AI呀，我去！》上，百度AI技术生态总经理马延军博士系统分享了深度学习领域的竞争格局、中国自主的发展突破和未来趋势。-开发深度学习框架。AI技术生态总经理马延军博士现场分享（来源：百度） 类似于PC时代的操作系统Windows，移动互联网时代的IOS和Android。深度学习框架是智能时代的操作系统。作为人工智能的基础设施，深度学习框架的重要性不亚于芯片。“十四五”期间，“深度学习框架”被列入“新一代人工智能”领域，成为国家重点支持的前沿创新技术。 在人工智能核心技术深度学习框架方面，中国企业即使面临门槛高、生态建设难度大等困难，也必须主动出击。截至2021年12月，百度“飞桨”深度学习平台一举突破谷歌和Facebook过去在中国市场的垄断，成为中国深度学习平台综合市场份额最大的公司。目前，人工智能已经进入大规模落地阶段，越来越多的开发者和企业基于国内深度学习平台进行智能化改造应用。 中国工业智能化转型如何实现技术突破？国产深度学习框架面临三大难点 深度学习框架正在让AI应用更简单。基于深度学习框架，企业可以根据自身行业特点和场景需求，更快、更方便地开发AI应用，不再需要从0到1打基础，大大提升了产业效率和水平智力。 深度学习框架是人工智能技术发展和产业应用的核心。2013年以来，全球人工智能学术界和产业界各研发主体相继开源其自主研发的深度学习框架，构建以该框架为核心的人工智能开放平台，推动人工智能产业链的建立。产业生态。以谷歌的TensorFlow、Facebook的PyTorch为代表的深度学习框架起步早、发展快，在业界占据主导地位。 早在2017年，国家发改委正式批复成立深度学习技术与应用国家工程实验室，中国深度学习框架逐步突破国际竞争。2021年，IDC报告显示，中国首个开源开放深度学习平台百度“飞桨”在中国深度学习市场超越其他国际巨头，成为中国第一。这使得我国的人工智能技术开发者和使用者不必依赖国外平台，同时可以进一步依托国内平台培育产业生态。 不过，中国自主研发的深度学习框架要在国际竞争中取得领先，还有很长的路要走。马延军指出，当前中国深度学习框架的发展仍需突破三个关键点：技术实力、功能体验、生态规模。 首先，在技术创新方面，深度学习框架的研发需要人工智能领域的低水平技术人才，而我国在该领域的储备还不够。 其次，在应用体验方面，由于中国是全球产业链最完整的国家，产业体系复杂，中小企业转型需求迫在眉睫。然而，在人工智能应用、推动企业智能化转型的过程中，仅一项技术应用，从实验室到产业落地，至少需要3-6个月的时间。一个低门槛甚至零门槛的开发平台是极其重要的。 在开发应用生态方面，深度学习是典型的共创技术领域。只有建立自己的生态，才能实现不断的迭代和发展。但建设生态周期长、成本高，只有国产框架的技术和功能体验足以满足开发者的需求，才有机会培育出自主创新的AI开发应用生态。 深度学习框架或决定未来5年AI产业格局，百度飞桨成为人工智能算法和模型开发、训练和部署的第一号。中国人工智能企业研发的深度学习框架在社区繁荣度和开发者数量上还有一定差距。 不过，以Paddle为代表的中国深度学习框架正在发展成为更适合行业需求、更受中国开发者欢迎的开源开放平台。一方面，中国深度学习框架不断扎根实际应用场景，紧紧抓住开发者和企业智能化升级的需求，降低人工智能技术的应用门槛。另一方面，中国深度学习框架与更多芯片厂商深度适配融合，形成软硬件协同。 》中国企业和行业都有自己的特点，比如在工业、农业、物流、金融等领域，中国企业对AI技术也有独特的需求。如果国内的深度学习框架能够满足大量中国产业需求功能齐全、门槛低、发展容易的同时，将有很大的机会在产业层面实现弯道超车。”马延军说。 以百度飞桨为例。经过大量真实生产场景的反复打磨，已经能够赋能传统企业在智能化转型过程中，实现不同场景、不同软硬件平台的高性能开发、大规模训练、敏捷部署.更重要的是，飞桨已经与百度昆仑酷睿、华为升腾、英特尔、英伟达等22家国内外硬件厂商完成了31种芯片的适配优化，涵盖了国内外所有主流芯片。在一定程度上帮助企业降本增效。飞桨与芯片适配概览（来源：百度） 截至2021年12月，飞桨已突破谷歌和Facebook过去在中国市场的垄断，成为深度学习综合市场份额最大的公司中国的平台。目前，飞桨平台已聚集406万开发者，打造47.6万个AI模型，服务15.7万家企事业单位，涵盖工业、农业、医疗、城管、交通、金融等领域。飞桨全景图（来源：百度） 随着当前中国产业数字化转型的不断深入，中国深度学习框架的生态布局正在工业、交通、能源、和城市。以智慧交通领域为例，高铁接触网悬挂异物导致列车晚点的事件时有发生。一个小异物，可能影响数百万人的出行。此前，依靠传统的人工巡检，每条线路每天需要10-20名轨道维护工人。不仅人工成本高，而且难以保证及时检测和处理。经过一番尝试，成都国铁终于研发出一套使用飞桨的“在线轨道检测系统”，实现了轨道缺陷的全天候智能判断。一套飞桨智能巡检系统，让城市守护者不用再佩戴星月。 马延军表示，随着中国深度学习框架的开源和开放，以及更大规模产业应用的落地，未来中国深度学习框架的应用场景将更加丰富，成本和门槛也会随之降低进一步减少。同时，深度学习框架将与科学计算、量子计算、生命科学等更多前沿行业融合创新。 不容忽视的是，中国的深度学习框架还面临适配部署复杂、应用开发困难等困难。构建自主可控的深度学习和人工智能产业生态任重而道远，但可能决定未来5年AI技术格局和产业水平。马延军表示：“虽然深度学习框架是一个高投入、长期、生态的竞争，但它已经得到了国家和企业的战略支持，是下一个AI时代的关键。”
