在深度学习框架领域，飞桨已经取得斐然成绩，打破谷歌、Meta垄断，
作者 | 代聪飞
编辑 | 胡喆
近日，斯坦福大学发布《2022年AI指数报告》，这份长达190多页报告涵盖研发、经济、教育等各個方面AI发展成果，
根据这份报告，2021年，中国AI专利申请量占全球总数52%，专利申请数量居世界最先席，但在授权专利数量上，依旧落后于美国，
这個结果并非意外，作为计算机科学发源地，美国在AI领域始终独树一帜，其它国家难以望其项背，但中国发足追赶也是不争事实，
在整体落后背景下，中国AI如何实行赶超？是单点突破还是多点开花？是在商业落地领域突进还是在工程技术角度比拼，这些难题都有待探讨，
但是，在深度学习框架/平台这個根据底层独创，又服务于产业落地交界领域，似乎给咱们供应一条中国AI如何赶超良好视角，
1
是AI大国，但还不是AI强国
1956年，美国汉诺斯小镇宁静一所大学内，涵盖诺贝尔经济学家奖得主赫伯特·西蒙在内一众著名科学家聚集一堂，召开一场漫长会议，讨论一個在当时人们看来天方夜谭话题：用机器模仿人类学习以及其他方面智能，
这就是后来广为熟知达特茅斯会议，这次会议时间足足长达两個月，学者们却依旧没有达成共识，但为讨论内容起一個名字：人工智能〔AI〕，
时间过去66载，过去讨论话题有很多大概已然变成现实，AI已经从逻辑推理、专家系统来到机器学习、深度学习第三次发展浪潮，迎来发展爆发期，
客观说，最新提出AI理论美国在整個AI发展全球化潮流中，在基石技术独创、商业化落地等领域，依然独据鳌头，在学术研究、实践应用等方面也均有着他国无可比拟水平，
但是，中国也有前无古人后无来者优点，
很多人都晓得，AI研发三要素是算法、算力、数据，但这只是技术意义上要素，更要紧要素，其实来自于需求、场景，在这方面，中国有14亿人口浩大国内市场、有很多世界级超大规模互联网平台、有大量来自传统产业转型升级新基建需求，它们定夺除美国之外，再没有任何一個经济体持有与中国博弈变成AI独创世界级策源地底蕴，涵盖科技发达欧盟，
确，关于AI，咱们有很多很非常好政策，也有没错数据、成绩，
比方说，早在2016年，“人工智能”一词就已经被写入我国“十三五”规划纲要，这之后，相关利好政策频出，AI企业发展随之进入快车道，融资数量、金额都在高速增长，
比方说，2016年以来，中国AI投资领域每年融资大事平均约1000 起，在过去2021年，中国发生1132起相关行业投融资大事，累计金额3996.4亿元，较2020年增长51.44%，再独创高，
又比方说，在AI最为重心算力水平，中国发展速度同样不容忽视，有报告显示，过去一年，各国算力评分均有提升，但中国增幅最大，以总分70分进入全球领跑者行列，
还有，中国大概是发表AI会议出版物数量最多国家，已经变成AI专利“账面上”全球最先個，
但这不是咱们盲目乐观理由，
AI到底是要经由应用才干发挥实际效能，
而根据斯坦福大学发布《2022年AI指数报告》，美国在授权专利数量上占全球总数40%，名次世界最先個，
这個数据意义是，获得专利授权才干“证明你专利实际上是可信同时有用”，这有点类似于出版物数量、被援引次数情况，也就是说，中国研究成果很多，但在真实落地上感召力、美国仍存在一定差距，
某种层次上，这显然是因美国在AI以及整個计算机科学领域，有着不是一星半点先发优点，
但某种层次上，就使在美国，AI也是极少一部分有前瞻精神学者，在公众普遍看不到AI潜力情况下，坚持奋勉、筚路蓝缕开创结果，这种精神才是值得咱们学习，
回顾历史，深度学习发展实际上经历从边缘化课题走向主流技术路径，“教父”级人物杰弗里·辛顿对神经网络探索最新可以追溯到上世纪80年代初期，当时AI不光是边缘，还是低谷，但正是寥寥无几人奋勉，比方说像辛顿这样，将神经网络带入到研究与应用热潮，将“深度学习”从边缘课题转变谷歌等互联网巨头仰赖重心技术，使人工智能发展到今天这般炙手可热，
更值得一提是，辛顿早在2013年就意识到企业大概比学校能供应更非常好AI研究场景、数据、算力，于是他在2013年进入谷歌，由此推动一系列AI技术产品化，
但对于矢志变成人工智能全球腹地中国来说，追赶也同时开始，
2
为什么是深度学习框架？
从表面上看，2015年-2016年是AI技术走进公众认知一個分水岭，
2015年年尾，谷歌对外发布迄今为止依旧占据深度学习主流框架位置TensorFlow，其支撑AlphaGo在2016年3月人机大战中以4：1战胜世界围棋冠军李世石，深度学习概念由此开始被越来越多“外行人”知晓，更新迭代也日新月异，
杰弗里·辛顿曾在一次演讲中讲道：“深度学习以前之所以不行功是因缺乏三個必需前提：足够多数据、足够无敌计算本事、设定好初始化权重”，而现在，这些困难正在被逐渐抹平，
业界有一句名言是，搜索引擎是现有最大人工智能项目，这一点，在中美两国都得到确证，
早在2011年，谷歌已经经由Google Brain〔谷歌大脑〕内部孵化一個叫做DistBelief项目，随后，涵盖杰弗里·辛顿在内大批科学家、工程师对其实行改造，才有后来声名鹊起TensorFlow，
无绝无仅有偶，在中国产业界，最新孕育出人工智能极具是深度学习框架，也是搜索引擎公司，
在现有记录中，百度自发应用人工智能技术最新可以追溯到2006年，深度学习这一波强势雄起后，百度也是国内最新能够“看到”深度学习技术及应用潜力，某种层次上，百度同样属于早期深度学习开拓者之一，比方说，2013年，百度率先奠定全球最先個专注深度学习研究深度学习研究院，
这里要重点讲一下是，为什么百度在AI研发中，逐步选择深度学习框架/平台作为重心突破口，
事实上，百度最新应用人工智能，并非百分之百是自上而下，相反有某种自下而上势头，人工智能犹如火种，在百度不同样体系、架构、产品中，逐渐发生不同样层次应用，
可以说，深度学习框架是绝大多数人运用人工智能起点，再往前则是经由手工搭建模型，这是属于一部分科学家、高级工程技术人员专利，它们太难也无法推广，
当时百度内部，不光在运用不同样来源早期深度学习框架，甚至是不同样部门都开始自行研究深度学习框架，
“研发伴随业务走”也是一种常态，但深度学习星火燎原，引发百度高层Follow，
在超大型互联网平台中，不同样业务、不同样部门运用各异技术底座是很常见事情，部门墙也是很难穿透，但百度这次做一個定夺，要把深度学习技术底座统一到一個框架中来，实行集中资源重点突破，
为此，百度梳理各個部门需求，从某种层次上来说，这些部门需求其实就代表着当时中国产业界对AI应用需求最高水平，而汇集并设计一個可以包容这些需求框架，则可以搞定许很多多個企业、行业降低AI应用门槛难题，
相较于很多出自高校、历史久远、演变曲折框架，飞桨一开始就奠定“产业级”深度学习框架基石，
根据已有技术积累，百度在2016年正式对外开源PaddlePaddle框架；而三年后2019年4月，PaddlePaddle正式发布中文名——飞桨，
而在美国，2018年时，在GitHub活跃度、Google上搜索量、著名科技媒体Medium上文章数量以及arXiv上论文数量，TensorFlow所占比重都是最多，
同年，也是2018年，Caffe2代码并入PyTorch ，Facebook主力持助两大深度学习框架合二为一，PyTorch发展驶入快车道，如今，PyTorch已经在学术论文圈形成绝对优点，据统计，在Hugging Face上有85%模型是PyTorch独家，
百度在观察到这两大世界级框架各自长短板后，毅然做出一個要紧定夺，
3
为什么是PPT？
飞桨能够变成Pytorch、TensorFlow之外世界深度学习框架第三极，真正弯道超车来自一個重大定夺，
美国两大框架一個在学术圈受欢迎，一個在产业界受欢迎，而飞桨要形成差异化致胜，并尽大概把学术界、产业界精锐集中到一個生态中来，唯有走一条各异路——从单纯产业级框架，转变一個打通产业界、学术界藩篱通用型框架，它既是产业级，也同样要是学术界深度欢迎、拥抱，
为一切从实际出发，飞桨研发人员经常深入到QQ群接受开发者反馈难题，火速予以搞定，这种把开发者需求放在最先席低姿态，既协助飞桨获得很多开发者员拥趸，也促进飞桨高速发展，截至2021年底，飞桨PaddlePaddle已经汇聚406万开发者，创建47.6万個模型，服务15.7万家企业，
从市场份额看，IDC发布报告显示，在中国深度学习平台市场，2021年上半年，百度综合份额持续增长，已经超过Google、Meta〔Facebook〕，跃居最先個，
《2021中国开源年度报告》也提到，2021年GitHub中国项目活跃度Top30中，飞桨占据5個项目，其中飞桨框架位列榜最先，
这使得我国AI技术开发者、运用者不再依赖于国外平台，同时也为进一步培育自主可控AI开发应用生态奠定扎实基石，更是中国在计算机科学基石领域非常突出世界级成就，
至此，飞桨PaddlePaddle、PyTorch、TensorFlow形成三强鼎立局面，深度学习框架步入“PPT”阶段，
但这并非轶事终点，
伴随深度学习理论研究日趋成熟、深度学习框架高速迭代，AI技术应用、普及进入加速期，但在具体实践应用过程中仍存在很多痛点，
比方说，人工智能模型生产本钱依旧很高，而在企业实际应用中也存在适配等各类疑难杂症，就此，飞桨在模型库中为开发者供应一套全流程指导，从前期适配到后期运行，飞桨都供应相应方案，
具体而言，在前期数据搞定、模型选择时，飞桨能够经由自己方法协助企业选择一個合适场景，在此之后，飞桨还会对部署芯片效能实行跟踪，在发生准确率不高等难题时高速供应反馈指导，
换句话说，这套指导不光是一個学术界算法，而是真正根据行业需求所梳理设计环节，
另外，由于某些行业特殊要求，如零件质检对速度要求非常高，有限算力很难同时在速度、精度上达到致极，为此，针对这些痛点，飞桨经由对算法模型改良设计PP系列模型， 实行精度、性能两者间平衡，
截至2021年，飞桨已经发布13個PP系列模型，官方供应算法模型库更是已经超过500個，在训练这些模型过程中，飞桨总结自己一套方法论，在一定层次上，加快训练速度，
百度AI技术生态总经理马艳军告诉雷峰网，深度学习框架要搞定一個永久研发难题就是提升训练疗效，为此，飞桨做很多就业去提升训练性能，
据马艳军介绍，训练性能最先选涵盖两個层面，一是跟训练芯片间联合改良，百分之百发挥硬件自身算力；二是针对深度框架自身执行调度改良，同时也结合模型设计实行全链路改良，最后实行提高训练速度目，
可以说，从始至终，飞桨在每一個步骤设计、改良上都为保障后期训练速度供应助力，
经过奋勉，飞桨大约70%模型训练速度已经快于业界最快水准，这些模型最先选涵盖两类：一是通用模型，比方说芯片适配是在所有地方都会应用到，二是根据飞桨视角，所发现需求量大应用场景，比方说，图像分类在物流、电商等场景应用非常普遍，
飞桨在发挥硬件算力性能上也接近发挥到致极，得到涵盖英特尔、英伟达、ARM等诸多芯片厂商持助，同22家国内外硬件厂商完成31种芯片适配、联合改良就业，值得一提是，很多硬件厂商还主动在开源社区为飞桨贡献代码，
像英伟达这样深度适配芯片，飞桨更可以将其所能用算力百分之百发挥出现，
在深度学习框架领域，飞桨已经取得斐然成绩，打破谷歌、Meta垄断，变成中国深度学习平台名副其实行业最先個，
显然，无法否认，到目前为止，深度学习框架适配仍较为复杂，有些行业低频长尾难题尚无法经由AI得以搞定，但这正是飞桨一直在奋勉搞定难题，况且也确已经小有成绩，
马艳军坦言，“纵然深度学习框架属于高投入、长周期、抢生态博弈，但已经得到国家、企业战略性持助，是开启下一個AI阶段钥匙，”
人工智能下一個十年，飞桨以及中国AI将书写怎样传奇，咱们可以拭目以待。
END
《原神》蔡浩宇 ：中国最先個個「游戏疯子」
小米2021：欲捕华为，荣耀在后