近年來，無論是生活還是生產(chǎn)，AI的身影無處不在，人工智能所帶來的世界新一輪科技革命和產(chǎn)業(yè)變革曙光已現(xiàn)，正在引發(fā)全球經(jīng)濟結(jié)構(gòu)的重塑，并與我國發(fā)展方式的轉(zhuǎn)變形成了歷史性交匯。

與此同時，AI技術(shù)背后的爭奪戰(zhàn)也成為了各方關(guān)注的中心，其中深度學習框架作為AI時代的“操作系統(tǒng)”已經(jīng)暗潮洶涌。然而透過現(xiàn)象看本質(zhì)，這場屬于技術(shù)流的戰(zhàn)爭卻值得我們深入思考。

全球權(quán)威咨詢IDC在《中國深度學習平臺市場份額調(diào)研》中，對國內(nèi)的深度學習平臺給出了詳細的市場解析：在AI技術(shù)使用方面，接受調(diào)研的企業(yè)和開發(fā)者中，86．2％選擇使用開源深度學習框架。

不難看出，深度學習平臺已經(jīng)開始備受信賴。然而信賴背后的“依賴”也開始成為隱患。

IDC還指出，在國內(nèi)深度學習框架的使用上，谷歌、Facebook、百度雖然占據(jù)了國內(nèi)絕大部分市場份額，但是來自國外的深度學習平臺仍處于較大的領(lǐng)先優(yōu)勢。

也就意味著，在現(xiàn)階段的深度學習框架市場，我們處于和移動互聯(lián)網(wǎng)時代相同尷尬的境地——過度依賴他國技術(shù)。

倘若深度學習框架被“斷奶”，會產(chǎn)生什么樣的影響？

可以打這樣一個比方：深度學習就像是一道菜譜，數(shù)據(jù)是肉和蔬菜，深度學習框架就是炒菜的鍋和鏟子，如果被人拿走了鍋和鏟子，再高明的廚師也無法炒出一道像樣的菜。

芯片已經(jīng)讓不少中國企業(yè)和開發(fā)者有了覆舟之戒，深度學習框架卻剛剛引起關(guān)注。

為什么要關(guān)注深度學習平臺？

自然而然的，深度學習框架也就成了“兵家必爭之地”。

目前已經(jīng)出現(xiàn)了Caffe、TensorFlow、飛槳（PaddlePaddle）、PyTorch等幾十種開源框架。尤其是谷歌2015年底在GitHub上正式開源的TensorFlow，幾乎是當下使用最廣的深度學習框架。

谷歌對于TensorFlow的推廣不無成功，選擇使用TensorFlow的企業(yè)中，不乏網(wǎng)易、京東、360、聯(lián)想、美團等中國的科技企業(yè)。

但業(yè)界也出現(xiàn)了警惕TensorFlow的聲音。

比如亞馬遜、Facebook等對TensorFlow的封閉深惡痛絕，分別推出了MxNet、PyTorch等深度學習框架，希望以兼容性和開放優(yōu)勢，打破谷歌一騎絕塵的格局；

蘋果也為自家開發(fā)者引入了BNNS 和 MPSCNN兩個深度學習框架，并在GitHub上發(fā)布了一個名為Turi Create的機器學習框架，降低AI開發(fā)的門檻，也為避免在人工智能的賽道上被谷歌扼住喉嚨。

原因似乎不難理解，雖然TensorFlow是開源的，TensorFlow已經(jīng)與谷歌生態(tài)深度綁定，不排除會出現(xiàn)類似Android的局面。同時在商業(yè)層面上，谷歌為了賣自家的TPU，會不會逐漸放棄對其他GPU的支持？如果哪家公司在智能駕駛等核心技術(shù)上有趕超谷歌的趨勢，是否存在在TensorFlow層面被谷歌打壓的可能。

借鑒谷歌在Android問題上對華為的態(tài)度，那些深度依賴TensorFlow的開發(fā)者，無疑也處于一種高度不確定之中。

來自中國的“全尺寸輪胎”

與其信任他人“不作惡”的承諾，不如技術(shù)自立。

經(jīng)濟學家何帆曾給出了這樣的預(yù)言：現(xiàn)在的“備胎”還只是出現(xiàn)在男女關(guān)系中，未來將是科技界使用最多的一個名詞。

深度學習框架有些例外，中國的企業(yè)早在未雨綢繆。早在2016年的時候，百度就將飛槳開源，以免將命運假于他人之手。國家也對此非常重視，國家發(fā)改委在2017年批復(fù)，國內(nèi)唯一的深度學習技術(shù)及應(yīng)用國家工程實驗室由百度牽頭籌建。

目前，飛槳不僅是中國首個，也是目前唯一開源開放、功能完備的端到端深度學習平臺。

這個集核心框架、工具組件和服務(wù)平臺為一體的端到端開源深度學習平臺，囊括支持面向真實場景應(yīng)用、達到工業(yè)級應(yīng)用效果的模型，針對大規(guī)模數(shù)據(jù)場景的分布式訓練能力、支持多種異構(gòu)硬件的高速推理引擎等，并在不久前一次性發(fā)布11項新特性及服務(wù)，包含PaddleNLP、視頻識別工具集、Paddle Serving、PaddleSlim、AutoDL Design等多種深度學習開發(fā)、訓練、預(yù)測環(huán)節(jié)的“硬通貨”，滿足不同層次開發(fā)者的研發(fā)和創(chuàng)新需求。

相比于其他開源的深度學習框架，飛槳最大的特點在于easy to use，對很多算法進行了完整封裝，開發(fā)者只需要略微了解下源碼原理，導入自己的數(shù)據(jù)就可以執(zhí)行運行的命令。

有了飛槳這樣的“全尺寸輪胎”，中國AI不缺少飛速前行的可能。

百度也積極通過產(chǎn)學研聯(lián)動推動飛槳的大范圍落地，通過師資培訓班，AI賽事等舉措，幫助近百所高校成功開設(shè)人工智能課程，直接惠及近萬名學生，為未來的AI話語權(quán)爭奪戰(zhàn)打下了良好的基礎(chǔ)。而飛槳在產(chǎn)研聯(lián)動的過程中，不僅僅作為教學工具助推教育，也在進一步減少開發(fā)者對外國深度學習框架的依賴。

經(jīng)歷幾年的積累后，飛槳的一系列落地應(yīng)用正在改變著各行各業(yè)：

在農(nóng)業(yè)領(lǐng)域， 精確的地塊識別和分割在農(nóng)業(yè)有非常重要的意義，有利于根據(jù)遙感數(shù)據(jù)對作物長勢、作物分類、成熟期預(yù)測、災(zāi)害監(jiān)測、估產(chǎn)等工作進行高效輔助，目前為止的絕大部分地塊分割都是靠人力進行的。比如中科賽諾應(yīng)用飛槳對農(nóng)業(yè)遙感數(shù)據(jù)進行圖像分割，對耕地面積進行提取，從而進行有效的估產(chǎn)并輔助相關(guān)其它農(nóng)事活動。

在工業(yè)領(lǐng)域，合金熔煉的過程中，合金元素會根據(jù)爐內(nèi)溫度、熔煉時間等因素發(fā)生無法用機理進行判斷和解釋的變化，傳統(tǒng)合金熔煉環(huán)節(jié)大多由有經(jīng)驗的師傅進行補料，需要多次實驗和調(diào)整。精諾數(shù)據(jù)基于飛槳平臺研發(fā)了IAPBOA算法，利用歷史配料數(shù)據(jù)建模，通過機器學習優(yōu)化企業(yè)個性化配料方案，最終達到生產(chǎn)質(zhì)量和生產(chǎn)成本的最優(yōu)平衡點，從而指導熔煉生產(chǎn)，減少對經(jīng)驗的依賴，達到提升熔煉效率、節(jié)省原材料的效果。

這樣的案例還有很多很多，也正因為如此，深度學習平臺幾乎決定了AI未來應(yīng)用的走向。

某種意義上說，中美的人工智能競賽很可能會演化成一場“框架之爭”。假如中國不在深度學習平臺市場占據(jù)一席之地，完全依賴國外，系統(tǒng)的透明性將逐漸消失，國外企業(yè)將成為全世界數(shù)據(jù)、硬件、編譯器的標準制定者。特別是人工智能的應(yīng)用涉及到安防、識別、城市交通、公共服務(wù)等國家事務(wù)，把這些應(yīng)用放在國外平臺上開發(fā)，安全風險不言而喻。

除了產(chǎn)業(yè)鏈風險，中美在人工智能的應(yīng)用需求上也存在很大的差異，像TensorFlow在語音交互、神經(jīng)網(wǎng)絡(luò)翻譯等核心技術(shù)上，很少有中文數(shù)據(jù)集以及中文領(lǐng)域的技術(shù)探索。換而言之，只有深諳中國開發(fā)者需求和中國AI市場生態(tài)的深度學習框架，才是適合中國智能時代的“操作系統(tǒng)”。

寫在最后

在貿(mào)易沖突愈演愈烈的大背景下，全球商業(yè)環(huán)境已經(jīng)存在很大的不確定性，尤其是走在世界前沿的中國科技產(chǎn)業(yè)，“拿來主義”的做法早已不再適用。

PC系統(tǒng)，我們已經(jīng)有了同方科技與清華大學共同研發(fā)的開源桌面操作系統(tǒng)OPENTHOS；移動系統(tǒng)，華為傳說中的“鴻蒙”歷經(jīng)十年打磨，即將顯出鋒芒；而AI系統(tǒng)，也就是深度學習框架，也需要獨立自主，百度飛槳可能就是這道難題目前的最優(yōu)解。

欣慰的是，華為和百度企業(yè)走到了一起，飛槳和麒麟芯片，兩個“國貨之光“正在進行強強聯(lián)合。

或許在芯片和底層技術(shù)上，中國還有很長一段路要走，但在人工智能、5G、IoT等未來場景的爭奪上，中國企業(yè)還需要在基礎(chǔ)和關(guān)鍵技術(shù)上下苦工，避免在沙灘上起高樓，被別人牽著鼻子走。

我們需要的是屬于自己的“國貨之光”。