741
如何让AI开发、落地更容易？这应该是每一位AI从业者关注的焦点。深度学习方法极大提高了机器自学习的能力，推动AI应用走向爆发的同时，一个巨大的痛点也浮现出来：深度学习的“深”和神经网络的复杂度紧密相关，随着参数量增大、网络模型层数增多、硬件芯片选型难等问题出现，这意味着深度学习的开发和训练难度越来越大。
在3月31日的百度 AI 开放日《AI呀，我去！》第五期线下活动中，百度 AI 技术生态总经理马艳军博士提出，“深度学习框架在人工智能整个开发链条中，属于‘腰部力量’， 它所处的位置非常重要，向下对接芯片、向上支撑各种各样的应用开发。打造开源开放的框架非常关键，它能够发挥巨大的杠杆效应，使AI和行业迅速结合，最终赋能千行百业。”
百度 AI 技术生态总经理 马艳军博士
国产深度学习框架如何从国际竞争中突围？
在全球深度学习领域，开发者主要基于谷歌TensorFlow、脸书PyTorch等国外深度学习框架进行人工智能算法、模型的开发、训练与部署。
事实上，深度学习框架自主可控的重要性不亚于芯片。如果中国开发者主要依赖于国外框架进行研发，这将面临着核心技术容易形成代差、技术封锁的潜在风险、国家重要领域数据泄露等诸多隐患。
马艳军指出，中国自研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。当前我国深度学习框架的发展仍需突破三大关键点：技术实力、功能体验、生态规模。
首先，技术创新方面，深度学习框架的研发需要人工智能领域底层技术人才，我国在这一领域的储备仍有不足。其次，在应用体验方面，我国是全球产业链最为完备的国家，同时这也意味着产业体系复杂。中小企业虽然有强烈的转型需求，但在应用AI的过程中，仅一项技术应用，从实验室到产业落地就至少需要 3-6 个月时间，一个低门槛甚至零门槛的开发平台极为重要。第三，在开发应用生态方面，深度学习是一个典型的共创型技术领域，只有构建了自己的生态才实现持续迭代和发展。生态的构建绝非易事，周期长、成本高，而且只有当国产框架的技术和功能体验足以满足开发者的需求时，才有机会培育起自主创新的AI开发应用生态。
正因如此，国产深度学习框架的技术突破，已经成为国家战略层面的关注焦点。在十四五规划中，将科技前沿领域攻关分为七大项，瞄准了新一代人工智能、量子信息、生命健康等前沿领域。在核心的“新一代人工智能”领域，明确提出要加强深度学习框架、专用芯片领域的科研攻关。
早在2017年，国家发改委正式批复，由百度牵头筹建深度学习技术及应用国家工程实验室，这是业内首个也是目前唯一的深度学习领域国家工程实验室，堪称“深度学习国家队”。百度与清华大学、北京航空航天大学、中国信息通信研究院、中国电子技术标准化研究院等单位共建实验室。
五年来，深度学习技术及应用国家工程实验室已经取得了成果，百度产业级深度学习开源开放平台飞桨就是最核心的成果，让中国人工智能底层基础技术与国际巨头并驾齐驱，并在部分领域实现了国际领先。
飞桨国产芯片适配量第一
对于深度学习框架在产业应用中的意义，马艳军表示，和PC时代的操作系统Windows、移动互联网时代的iOS和安卓类似，深度学习框架是智能时代的“操作系统”，和芯片共同构成了人工智能底层的基础设施。
目前，飞桨已经和包括百度昆仑芯、华为昇腾、英特尔、英伟达在内的22家国内外硬件厂商，完成了31种芯片的适配和优化，覆盖全部国内外主流芯片，国产芯片适配量排名第一。
截至2021年12月，飞桨已经冲破了过去在中国市场上谷歌、Facebook的垄断局面，实现了在中国深度学习平台综合市场份额第一。目前，飞桨平台已经汇聚了406万开发者，创建了47.6万个 AI 模型，累计服务15.7万企事业单位，覆盖工业、农业、医疗、城市管理、交通、金融等领域。经过对大量真实生产场景的反复打磨，飞桨已经能够使传统企业在智能化转型中实现高性能开发、大规模训练、不同场景和不同软硬件平台的敏捷部署，最大程度帮助企业降本增效。
助力中国AI产业走得更快、更远
据马艳军介绍，“飞桨”取自于宋代朱熹的诗句“闻说双飞桨，翩然下广津”，“飞桨”直意是“很快的快船”，表达了希望借助飞桨助推中国AI产业 走得更快、更远。
要实现这一目标，开源开放是发展的关键。通过开源开放能够形成完整的平台，围绕这个平台会有各种各样的角色来一起做贡献，最终形成一个越来越完善的工具平台。基于这一共建的平台，各方无需重复造轮子，从而形成良性迭代、共同发展。
截至2021年，飞桨官方支持的产业级开源算法模型超过400个，并发布13个PP系列模型，在精度和性能上达到平衡，将推理部署工具链彻底打通，产业应用能力全方位升级。其中，飞桨企业版EasyDL平台作为当前应用和落地最广泛的AI开发平台，全新升级模型部署能力，自动又高效，5分钟就可让边缘硬件如机器狗学会手势识别的新技能。飞桨EasyDL桌面版更是实现了一键极速安装、本地高效建模，让AI真正变得“触手可得”。
随着AI和实体产业进行更广泛、更深度的碰撞和融合，未来的挑战依然艰巨。马艳军表示，下一个十年，飞桨会看到更多机会，也会激发更多创新，但是要始终保有“板凳甘坐十年冷”的心态和意识，继续专注于深度学习技术的积淀，更广泛地与工业、农业、能源、城市、科学计算等多个领域深度结合，助力各行各业智能化升级。
下载ECAD模型
