“深度學習框架在人工智能技術體系中，處于貫通上下的腰部位置，它下接芯片、上承應用。”3月31日 ，在百度AI開放日《AI呀，我去！》第五期活動上，百度AI技術生態總經理馬艷軍博士系統分享了深度學習領域的競爭格局、中國自研深度學習框架的發展突破和未來趨勢。

AI技術生態總經理馬艷軍博士現場分享（圖源：百度）

　　和PC時代的操作系統Windows、移動互聯網時代的IOS和安卓類似，深度學習框架是智能時代的操作系統，它和芯片一起共同構成了人工智能的基礎設施，深度學習框架的重要性不亞于芯片。在“十四五”規劃中，“深度學習框架”被列入“新一代人工智能”領域，成為國家重點支持的前沿創新技術。

　　在深度學習框架這一AI核心技術上，即便面臨門檻高、生態建設難等困難，中國企業也必須掌握主動權。截至2021年12月，百度“飛槳”深度學習平臺，已經沖破了過去在中國市場上谷歌、Facebook的壟斷局面，成為中國深度學習平臺綜合市場份額第一。當前，人工智能進入大規模落地階段，越來越多的開發者和企業正在基于國產深度學習平臺開展智能化轉型應用。

　　中國產業智能化轉型如何實現技術突圍？國產深度學習框架面臨三大難點

　　深度學習框架正在讓AI應用變得更簡單。基于深度學習框架，企業可以根據自身行業的特點和場景需要，更快更便捷地開發AI應用，不再需要從0到1地搭建地基，極大提升了產業智能化的效率和水平。

　　不論從AI技術發展還是產業應用來說，深度學習框架都處于非常核心的位置。自2013年開始，全球人工智能學術界以及產業界各研發主體陸續開源旗下自主研發深度學習框架，并以框架為核心搭建人工智能開放平臺，推動人工智能產業生態的建立。以Google的TensorFlow、 Facebook的PyTorch兩款深度學習框架為代表的深度學習框架起步早、發展快，占據了業界主導地位。

　　早在2017年，國家發改委正式批復，籌建深度學習技術及應用國家工程實驗室，中國深度學習框架逐步從國際競爭中突圍。2021年，IDC報告顯示，中國首個開源開放的深度學習平臺百度“飛槳”，在中國深度學習市場中的綜合份額已超越其他國際巨頭，成為中國第一。這使得我國人工智能技術開發者和使用者不必依賴于國外平臺，同時還可進一步依托國產平臺培育產業生態。

　　然而，中國自研深度學習框架想要在國際競爭中取得領先，還有很長的路要走。馬艷軍指出，當前中國深度學習框架的發展仍需突破三大關鍵點：技術實力、功能體驗、生態規模。

　　首先，技術創新方面，深度學習框架的研發需要人工智能領域底層技術人才，我國在這一領域的儲備仍有不足。

　　其次，在應用體驗方面，由于中國是全球產業鏈最為完備的國家，產業體系復雜，中小企業轉型需求迫在眉睫。但在應用AI、促進企業智能化轉型的過程中，僅一項技術應用，從實驗室到產業落地就至少需要3-6個月時間，一個低門檻甚至零門檻的開發平臺極為重要。

　　在開發應用生態方面，深度學習是一個典型的共創型技術領域，只有構建了自己的生態才實現持續迭代和發展。然而構建生態周期長、成本高，而且只有當國產框架的技術和功能體驗足以滿足開發者的需求時，才有機會培育起自主創新的AI開發應用生態。

　　深度學習框架或將決定未來5年AI產業格局，百度飛槳已成為中國市場第一

　　在全球深度學習領域，國外開發者主要基于TensorFlow、PyTorch、MxNet等國外深度學習框架進行人工智能算法、模型的開發、訓練與部署。中國人工智能企業開發的深度學習框架在社區繁榮度、開發者數量等方面還存在一定差距。

　　不過，以飛槳為代表的中國深度學習框架正在發展成為更適合產業需求、更受中國開發者歡迎的開源開放平臺。一方面，中國深度學習框架不斷扎根實際應用場景，牢牢抓住了開發者和企業智能化升級的需求，降低人工智能技術的應用門檻。另一方面，中國深度學習框架與更多芯片廠商深度適配并融合，形成了軟硬協同優勢。

　　“中國企業和產業有自身的特點，例如在工業、農業、物流、金融等領域，中國企業對AI技術的需求也有其獨特性。國產深度學習框架，如果既能在功能上大量滿足中國產業需求，同時又低門檻、簡單易開發，那將有很大機會在產業級落地上實現彎道超車。”馬艷軍表示。

　　以百度飛槳為例，經過對大量真實生產場景的反復打磨，已經能夠使傳統企業在智能化轉型中實現高性能開發、大規模訓練、不同場景和不同軟硬件平臺敏捷部署。更重要的是，飛槳已經和包括百度昆侖芯、華為昇騰、英特爾、英偉達在內的22家國內外硬件廠商，完成了31種芯片的適配和優化，覆蓋全部國內外主流芯片，最大程度幫助企業降本增效。

飛槳與芯片適配情況概覽（圖源：百度）

　　截至2021年12月，飛槳已經沖破了過去在中國市場上谷歌、Facebook的壟斷局面，成為中國深度學習平臺綜合市場份額第一。目前，飛槳平臺已經匯聚了406萬開發者，創建了47.6萬個 AI 模型，累計服務15.7萬企事業單位，覆蓋工業、農業、醫療、城市管理、交通、金融等領域。

飛槳全景圖（圖源：百度）

　　隨著當前中國產業數字化轉型的不斷深入，中國深度學習框架的生態布局正在工業、交通、能源、城市等千行百業“開花結果”。以智慧交通領域為例，高鐵接觸網掛異物導致列車晚點的事件時有發生，一塊小小的異物，就可能影響上百萬人的出行。此前，依靠傳統的人工巡檢需要每天每條線路安排10到20名軌道檢修工，不但人工成本高，還很難保證及時地檢測與處理。經過一些嘗試后，成都國鐵最終采用飛槳研發了一套“軌道在線智能巡檢系統”，實現了對軌道缺陷全天候的智能判斷。一套飛槳智能巡檢系統，讓城市的守護者不必再披星戴月。

　　馬艷軍介紹稱，隨著中國深度學習框架的開源開放以及更大規模的產業應用落地，未來中國深度學習框架的應用場景將會更加豐富，成本和門檻也會進一步降低。同時，深度學習框架將與科學計算、量子計算、生命科學等更多前沿產業進行融合創新。

　　不容忽視的是，中國深度學習框架仍面臨著適配部署復雜、應用開發困難等難題，構筑自主可控的深度學習和人工智能產業生態道阻且長，但它或將決定未來5年AI技術格局和產業水平。馬艷軍表示：“盡管深度學習框架屬于高投入、長周期、搶生態的競爭，但已經得到國家和企業的戰略性支持，是開啟下一個AI時代的鑰匙。“