实现AI技术自立自强，国产深度学习框架面临三大难题( 二 ) 作为推动AI应用大规模落地的关

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。
【实现AI技术自立自强，国产深度学习框架面临三大难题】“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。

文章图片

（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。

文章图片

（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。