小米科技|实现AI技术自立自强,国产深度学习框架面临三大难题( 二 )


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 。 然而构建生态周期长、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 。
深度学习框架或将决定未来5年AI产业格局
百度飞桨已成为中国市场第一
在全球深度学习领域 , 国外开发者主要基于TensorFlow、PyTorch、MxNet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 。 中国人工智能企业开发的深度学习框架在社区繁荣度、开发者数量等方面还存在一定差距 。
不过 , 以飞桨为代表的中国深度学习框架正在发展成为更适合产业需求、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 , 牢牢抓住了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并融合 , 形成了软硬协同优势 。
“中国企业和产业有自身的特点 , 例如在工业、农业、物流、金融等领域 , 中国企业对AI技术的需求也有其独特性 。 国产深度学习框架 , 如果既能在功能上大量满足中国产业需求 , 同时又低门槛、简单易开发 , 那将有很大机会在产业级落地上实现弯道超车 。 ”马艳军表示 。
以百度飞桨为例 , 经过对大量真实生产场景的反复打磨 , 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敏捷部署 。 更重要的是 , 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 , 最大程度帮助企业降本增效 。

【飞桨与芯片适配情况概览】
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 , 成为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 。

【飞桨全景图】
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、城市等千行百业“开花结果” 。 以智慧交通领域为例 , 高铁接触网挂异物导致列车晚点的事件时有发生 , 一块小小的异物 , 就可能影响上百万人的出行 。 此前 , 依靠传统的人工巡检需要每天每条线路安排10到20名轨道检修工 , 不但人工成本高 , 还很难保证及时地检测与处理 。 经过一些尝试后 , 成都国铁最终采用飞桨研发了一套“轨道在线智能巡检系统” , 实现了对轨道缺陷全天候的智能判断 。 一套飞桨智能巡检系统 , 让城市的守护者不必再披星戴月 。
马艳军介绍称 , 随着中国深度学习框架的开源开放以及更大规模的产业应用落地 , 未来中国深度学习框架的应用场景将会更加丰富 , 成本和门槛也会进一步降低 。 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产业进行融合创新 。
不容忽视的是 , 中国深度学习框架仍面临着适配部署复杂、应用开发困难等难题 , 构筑自主可控的深度学习和人工智能产业生态道阻且长 , 但它或将决定未来5年AI技术格局和产业水平 。 马艳军表示:“尽管深度学习框架属于高投入、长周期、抢生态的竞争 , 但已经得到国家和企业的战略性支持 , 是开启下一个AI时代的钥匙 。 ”

相关经验推荐