深度學習框架：助燃新工業(yè)革命 成為產(chǎn)業(yè)的AI基座

十九屆五中全會公報提出，要“把科技自立自強作為國家發(fā)展的戰(zhàn)略支撐?！?/p>

公報更進一步強調(diào)了科技的自立自強，并明確提出到2035年關(guān)鍵核心技術(shù)要實現(xiàn)重大突破。這表明，“十四五”期間，科技創(chuàng)新會被提升到一個更高的戰(zhàn)略位置，以改變當前對美國技術(shù)依賴性強的被動局面，并成為拉動未來經(jīng)濟發(fā)展的重要力量。

這也是公報首次將科技自立自強提高到國家戰(zhàn)略的地位，這個變化給中國的創(chuàng)新力量們注入了一針強心劑。尤其是在過去的幾年間，由于貿(mào)易保護主義與逆全球化抬頭，眾多領(lǐng)域都受到了來自外國產(chǎn)業(yè)鏈的掣肘，科技自立自強確實到了迫在眉睫的地步。

必須承認，在PC時代與互聯(lián)網(wǎng)時代，我們錯失了關(guān)鍵的突圍機會，那么，在世界公認的下一站AI時代里，我們必須掌握主動，拒絕“卡脖子”。

被稱為AI時代“操作系統(tǒng)”的深度學習框架的重要性被發(fā)掘了出來。

作為自主可控核心技術(shù)諸多選項中的一個，深度學習在AI體系內(nèi)的關(guān)鍵價值在于，它是AI向更深層次發(fā)展必經(jīng)的技術(shù)壁壘，也是科技巨頭轉(zhuǎn)型角逐AI時代的核心內(nèi)容。

深度學習框架助燃新工業(yè)革命，自主可控是當務(wù)之急

深度學習到底有多重要？

我們先來看看人工智能的進化過程，從最開始的人工規(guī)則到機器學習，再到深度學習，非生物體有了思考和學習的方法路徑，簡單來說就是通過大量的數(shù)據(jù)“訓練”，然后做出決策和預測。

深度學習框架則是對底層語言和重要算法模型進行封裝，對于我們現(xiàn)實世界而言，其技術(shù)價值主要體現(xiàn)在通過專家經(jīng)驗的移植與復制，讓機器進一步渠道低水平的重復勞動，從而提高整體效率。

以上描述或許有些生澀，那么我們來看一個案例。

河北工業(yè)大學教授劉晶兩個月時間跑了一百多家鋼鐵廠，把老師傅們?nèi)陼r間積累的鋼鐵熔煉配料經(jīng)驗，在百度飛槳平臺上用三秒就做出了最優(yōu)配比AI模型，更厲害的是，這個模型每年可為鋼鐵企業(yè)節(jié)省10％的原材料，配料計算時間節(jié)省90％。

將人類歷史歷次工業(yè)發(fā)展變革進行類比，深度學習框架實際上也提供了一個“標準化、自動化、模塊化”的生產(chǎn)平臺，只不過這個平臺架構(gòu)在虛擬的數(shù)字空間，生產(chǎn)的東西變成了“AI應(yīng)用”。

“得框架者得AI”，巨頭們開始在深度學習領(lǐng)域跑馬圈地，靠的就是深度學習框架。

Facebook推出了Caffe、PyTorch平臺、Google推出了TensorFlow平臺、百度推出了飛槳平臺，亞馬遜推出了MXNet平臺……在目前大大小小幾十種開源框架中，Google 2015年開源的TensorFlow，以及Facebook的PyTorch份額最大，幾乎是當下使用最廣的兩個深度學習框架。

根據(jù)IDC去年發(fā)布的《中國深度學習平臺市場份額調(diào)研》顯示，在AI技術(shù)使用方面，接受調(diào)研的企業(yè)和開發(fā)者中，86．2％選擇使用開源深度學習框架，雖然Google、Facebook和百度占據(jù)了國內(nèi)絕大部分市場份額。

（IDC《中國深度學習平臺市場份額調(diào)研》各家排名）

類似于操作系統(tǒng)和芯片，深度學習框架也具有贏家通吃的特征。一旦國外技術(shù)占據(jù)了上風，深度學習框架規(guī)則的制定也將具有排他性，AI在深層領(lǐng)域的通用技術(shù)也將受到框架的規(guī)定和限制。

雖然目前包括TensorFlow、PyTorch在內(nèi)的深度學習框架都是開源的，但并不能排除哪一天停止開源，屆時深度融入國外深度學習框架生態(tài)的中國公司將不得不面臨研發(fā)停滯的局面，而切換新的深度學習框架，又要經(jīng)歷一段重新融入新生態(tài)的磨合。

鑒于此，自主可控的深度學習框架對于中國來說，不但重要，而且必要。

百度飛槳的自強之路，深度學習的“國貨之光”

如果說中國有深度學習框架能和TensorFlow、PyTorch掰手腕，那應(yīng)該是飛槳。

作為中國首個開源開放、功能完備的深度學習平臺，飛槳可以說凝聚了百度領(lǐng)先的人工智能技術(shù)，也是百度在AI賽道長期布局、開花結(jié)果的體現(xiàn)。

1、技術(shù)沉淀深：率先起跑，一步領(lǐng)先步步先

“幫人做一件事”和“教人做一件事”在本質(zhì)上是不同的。

當我們用AI來解決問題時，如果將“幫人做一件事”比喻成AI應(yīng)用，拿來即用，那么“教人做一件事”就是深度學習框架，告訴你如何來做一個可以用來解決問題的AI應(yīng)用。

很明顯，“教人做一件事”的路徑更長，要求的能力更高，就像成為一名優(yōu)秀的老師一樣，需要長時間的積累和沉淀，才能完成能力的對外輸出。

飛槳的積淀來自于布局早。

百度的深度學習歷史可以追溯到2013年設(shè)立全球首個深度學習研究院，這個時間比大多數(shù)AI企業(yè)切入AI領(lǐng)域還要早。

2016年飛槳正式開源，之后的2017年，百度又在國家發(fā)改委批復下牽頭籌建了國內(nèi)唯一的深度學習技術(shù)及應(yīng)用國家工程實驗室。

起早布局的結(jié)果是百度形成了很難被追趕的深度學習積累，不論是率先開源還是籌建實驗室，在國內(nèi)都不存在對手。其他提供深度學習開發(fā)服務(wù)的AI企業(yè)，其發(fā)展階段還遠未到能夠開源或被官方認可的程度。

2、落地場景多：賦能百業(yè)，價值轉(zhuǎn)化看得見

作為一項技術(shù)，其價值的大小與之落地對產(chǎn)業(yè)改變程度的多少是成比例的，這里有兩個衡量維度，一是看賦能行業(yè)場景的多少，二是看每個落地場景效率提升的多少。

飛槳作為深度學習框架“國貨”，推動產(chǎn)業(yè)應(yīng)用是它的主力方向，迄今服務(wù)賦能涉及農(nóng)林、醫(yī)療、工業(yè)制造、消費類電子、電力能源、交通、環(huán)保等多個領(lǐng)域。

比如在林業(yè)管理中，紅脂大小蠹是非常嚴重的害蟲災(zāi)害，過去，林業(yè)管理系統(tǒng)需要通過人力監(jiān)測來預報和治理蟲情，現(xiàn)在，北京林業(yè)大學在百度飛槳支撐下研發(fā)的智能蟲情監(jiān)測系統(tǒng)，1小時可完成原本研究院一周的觀察工作量，大大提升了災(zāi)害防治的效率；

又比如，飛槳攜手國家電網(wǎng)和山東信通打造了電網(wǎng)智能巡檢方案，其中分析準確率達到90％，報警響應(yīng)速度更是從小時級提升為秒級，再次證實了技術(shù)驅(qū)動的高效能力。

再比如，OPPO基于飛槳的大規(guī)模分布式訓練技術(shù)研發(fā)的推薦系統(tǒng)，訓練速度提升了8倍，模型擴大了20倍，推薦場景效果提升4％－5％，內(nèi)存節(jié)省90％，為OPPO應(yīng)用商店業(yè)務(wù)帶來了巨大的價值轉(zhuǎn)化。

飛槳與華為達成合作，雙方在硬件底層打通，可以為端側(cè)AI提供強勁算力，這一點在輸入法應(yīng)用上體現(xiàn)得特別明顯：性能提升25％，內(nèi)存節(jié)省22％，功耗降低50％，而且表現(xiàn)更加穩(wěn)定，不會受到CPU的負載影響。

（深度學習框架與硬件打通可以優(yōu)化手機應(yīng)用的使用體驗）

飛槳所有的場景落地都是用可視化的數(shù)字讓應(yīng)用價值明明白白的被看見，這既是飛槳的能力，也是飛槳能夠成為最受歡迎的中文深度學習框架的底氣。

3、易用易部署：開源開放，打造全產(chǎn)業(yè)生態(tài)

深度學習框架落地場景多說明它“好用”，但若要完成大范圍普及，深度學習框架還要做到“易用”，在部署時也要盡可能簡便，最好可以“開箱即用”。

飛槳正是這樣一個“寶藏”平臺，對很多算法進行了完整封裝，開發(fā)者只需要略微了解下源碼原理，導入自己的數(shù)據(jù)就可以執(zhí)行運行的命令，具備從開發(fā)到訓練再到部署的全鏈條無死角的系統(tǒng)化能力。

例如，在開發(fā)環(huán)節(jié)，飛槳已開源100多個經(jīng)過真實業(yè)務(wù)場景驗證的官方模型，涵蓋視覺、NLP、推薦等AI核心技術(shù)領(lǐng)域，成為官方支持模型最多的深度學習平臺。比如視頻識別工具包，能為開發(fā)者解決視頻理解、視頻編輯、視頻生成等一系列任務(wù)，可實現(xiàn)一鍵式的高效配置來做訓練和預測；

在訓練環(huán)節(jié)，飛槳在提升協(xié)同訓練效率的通俗，還在大幅度放松訓練所需求的軟件、硬件、帶寬環(huán)境，通俗理解就是在各種學習條件下都能“好好學習”；

在部署環(huán)節(jié)，飛槳的軟硬一體能力起到了重要作用，有針對多硬件支持的底層加速庫和推理引擎Paddle Mobile以及Paddle Serving等，打個比方就是，除了教會學生知識，還給他們快速適應(yīng)環(huán)境、實踐上手的能力。

以上可以看到，飛槳在想方設(shè)法降低千行萬業(yè)應(yīng)用AI的門檻，讓“用戶”快速上手，實現(xiàn)生產(chǎn)力；讓產(chǎn)業(yè)無縫進入AI時代，完成變革。

成為產(chǎn)業(yè)的AI基座，中國技術(shù)自強的時代利器

在前三次產(chǎn)業(yè)革命中，中國都是被邊緣化的看客，如今站在第四次產(chǎn)業(yè)革命的起點，我們顯然不會錯過這個“再次崛起”的機會，那么誰能承擔起中國在AI時代的產(chǎn)業(yè)基座呢？

就目前來看，百度飛槳責無旁貸。

特別是在“新基建”的風口之下，飛槳在獲得發(fā)展機遇的同時也被寄予了更多的期望，中國技術(shù)自強的破局期望。

平心而論，飛槳通過開放大規(guī)模深度學習模型訓練技術(shù)，在訓練規(guī)模和訓練效率上（支持萬億級規(guī)模參數(shù)的模型訓練）與TensorFlow和PyTorch不遑多讓，特別是為了進一步降低人工智能的應(yīng)用門檻，推出無需代碼編寫的人工智能建模工具EasyDL，使用者通過頁面拖拽操作和少量數(shù)據(jù)上傳即可創(chuàng)造出定制化的人工智能模型，以此來平衡專業(yè)人才與AI需求之間的矛盾。

百度飛槳技術(shù)領(lǐng)先、功能完備、便捷易用的特性，使其成為中國技術(shù)自強的代表，將視野放得更高一些，飛槳還將成為中國破局深度學習框架自主可控的一柄利器。

在不久前的百度世界2020大會上，飛槳又迎來再次進化。

作為百度大腦“軟硬一體AI大生產(chǎn)平臺”的“軟”的層面，飛槳動態(tài)圖功能升級實現(xiàn)了動靜態(tài)的結(jié)合，讓用戶更容易開發(fā)模型；全面升級的API體系，則對于開發(fā)者更加友好。同時在硬件上適配22種芯片型號，覆蓋15家硬件廠商，對國產(chǎn)硬件的支持超過TensorFlow和PyTorch。

（飛槳深度學習平臺在百度世界2020大會上發(fā)布更新）

此外，在“硬”的層面，此次大會百度自研的AI芯片百度昆侖2預發(fā)布，相比2018年發(fā)布的中國首款云端通用AI處理器“百度昆侖1”，百度昆侖2的性能大幅提升，能夠更好地滿足各種場景的AI計算需求。百度飛槳，加上百度昆侖，軟硬一體，使得中國在AI操作系統(tǒng)和AI芯片兩大AI核心底層技術(shù)上擁有了自主知識產(chǎn)權(quán)。

百度創(chuàng)始人、董事長兼CEO李彥宏也在百度世界2020上表示，AI技術(shù)研發(fā)需要長期堅持，因為它的商業(yè)價值不可能在短短幾年之內(nèi)就體現(xiàn)出來，需要科技人員有雄心、有耐心、耐得住寂寞，而且要有堅定的信仰，相信自己一定要掌握這門技術(shù)?！啊疀]有一種堅持會被辜負’，我們堅信，只要堅持下去，一定會獲得相應(yīng)的成果?！?/p>

操作系統(tǒng)上，我們錯過了；芯片，我們也錯過了。

深度學習框架還沒掉隊，我們要挺住。

責任編輯：PSY