任何一個新興科技領(lǐng)域在經(jīng)過草莽式的發(fā)展后，必然無法逃離“社會化大分工”的普遍行業(yè)邏輯，出現(xiàn)承擔起基本能力輸出與服務的巨頭平臺，而合作伙伴、客戶／用戶開始專注于事業(yè)本身的創(chuàng)新與創(chuàng)意。

深度學習就是這樣一個時代的產(chǎn)物。

在2019年中關(guān)村論壇上，百度所主辦的平行論壇“AI時代的深度學習技術(shù)與應用創(chuàng)新論壇”中，百度PaddlePaddle（中文名“飛槳”）深度學習平臺被重點關(guān)注。

正如該論壇上深度學習知名學者、馬里蘭大學帕克分校教授Dinesh Manocha在例舉大量機器人和自動駕駛技術(shù)AI研發(fā)與應用后對飛槳的評價所說，“飛槳是一個非常好的通用架構(gòu)，并且它是非常靈活的……它是一個非常好的開放平臺……希望在未來能夠?qū)⒏�多的模型應用在不同的行業(yè)里”，毫無疑問，飛槳已經(jīng)越來越發(fā)揮出AI浪潮的幕后推動價值——看得見的是百度AI技術(shù)產(chǎn)業(yè)落地，看不見的是“飛槳”。

這些也意味著深度學習平臺將很大程度掌控AI時代的話語權(quán)，這個被稱為AI時代“操作系統(tǒng)”的東西，在全球范圍內(nèi)的話語權(quán)戰(zhàn)爭也已經(jīng)打響，F(xiàn)acebook PyTorch最近在時隔僅2個月就急不可耐地發(fā)布PyTorch 1．3，“硬剛”Google在10月1日發(fā)布的Tensorflow 2．0，硝煙彌漫……

只不過這一次，中國徹底準備好了。

“操作系統(tǒng)”混戰(zhàn)巨頭各有“調(diào)性”，中國鎖定“產(chǎn)業(yè)智能”

總體而言，全球范圍內(nèi)叫得上號的深度學習框架主要有四大玩家，三個位于美國（微軟Cognitive Services、Facebook Pytorch、Google TensorFlow），中國僅有一根“獨苗”（百度PaddlePaddle），它們是AI時代的“操作系統(tǒng)”混戰(zhàn)的主要力量。

而雖然都是深度學習，巨頭們的產(chǎn)品也各有不同之處，這也決定了短期的競爭格局。

先從中國看起，當談論起深度學習框架時，盡管“飛槳”也具備多方面的適應性，例如其用戶既有Intel、Nvida、華為、中國聯(lián)通、中信銀行等產(chǎn)業(yè)組織，也有北京航空航天大學、中國科學院大學等學院派，但總體而言，飛槳的“人設(shè)”在所有玩家中與產(chǎn)業(yè)集合最為緊密。

在2019年中關(guān)村論壇深度學習平行論壇上，百度王海峰就直接表示，“希望更好的把深度學習技術(shù)標準化、自動化和模塊化，應用于各行各業(yè)的工業(yè)大生產(chǎn)，去賦能各行各業(yè)，幫助產(chǎn)業(yè)的智能化轉(zhuǎn)型。”

這也體現(xiàn)在了飛槳面向產(chǎn)業(yè)應用的代表性技術(shù)優(yōu)勢上，目前飛槳其開放了覆蓋多領(lǐng)域的工業(yè)級模型庫，支持100多個經(jīng)過產(chǎn)業(yè)實踐長期打磨的主流模型，其中包括在國際競賽中奪得冠軍的模型，同時開源開放200多個預訓練模型，官方稱目標是“助力快速的產(chǎn)業(yè)應用”，這個表述中，與產(chǎn)業(yè)升級聯(lián)動的調(diào)性已經(jīng)很明顯。

從實際案例來看，例如在傳統(tǒng)工業(yè)質(zhì)檢領(lǐng)域，致力于機器視覺在工業(yè)質(zhì)檢方面應用的大恒圖像就與飛槳合作，解決了傳統(tǒng)基于機器學習特征工程方法對外觀缺陷類質(zhì)檢無法快速進行場景切換、場景與場景之間的遷移研究成本高、識別效果差等痛點問題，在飛槳深度學習的框架下生成模型，實現(xiàn)產(chǎn)品缺陷分類，實際應用到流水線檢出率已達99．8％。

類似的案例還有很多，但總而言之，飛槳走的產(chǎn)業(yè)智能化升級聯(lián)動路線在全球范圍內(nèi)十分獨特，反過來看，這恰恰也是中國現(xiàn)階段獨一無二的產(chǎn)業(yè)發(fā)展現(xiàn)實所決定，飛槳順應了這個趨勢。

而在國際上，準確地說是在美國，深度學習框架的競逐頗有“百花齊放”的意味。

例如微軟的Cognitive Services注重垂直能力經(jīng)營，其深度學習平臺服務涵蓋圖像、視頻、文本和語音等各個領(lǐng)域，2018年重點推出的完全自動化的平臺Microsoft Custom Vision Services就是視覺領(lǐng)域的強化，這符合微軟一貫從垂直領(lǐng)域做產(chǎn)品而不做大平臺的調(diào)性。

而Facebook的Pytorch則更像是一個學究型開放平臺，實驗室氣質(zhì)十分濃厚，Pytorch一開始就致力于為研究者服務，例如在2019年，引用PyTorch的論文數(shù)量就爆速增長了194％，在學院派AI陣營中頗有地位。

不過，F(xiàn)acebook也在試圖改變這一境況，現(xiàn)在包括Uber等大公司也開始采用PyTorch。

與之對應的是，是有評論認為，“PyTorch搞定研究，TensorFlow搞定業(yè)界”——作為Google家的產(chǎn)品，TensorFlow比冤家對頭PyTorch更有現(xiàn)實應用色彩，用來為實驗室刷AI論文的痕跡不那么濃。

而TensorFlow打出旗號——任何人都可以用，學生、研究員、愛好者、極客、工程師、開發(fā)者、發(fā)明家、創(chuàng)業(yè)者——其在安卓之外再度壟斷一個操作系統(tǒng)的野心也十分明顯了。

產(chǎn)業(yè)應用“必要＋充分”，中國深度學習具備唯一的生態(tài)“完全體”基因

深度學習在中國的境況，與互聯(lián)網(wǎng)在中國的境況類似：龐大的應用市場和需求，哺育出最廣泛、全面的前沿技術(shù)與產(chǎn)品，這些技術(shù)和產(chǎn)品在持續(xù)“供養(yǎng)”下又能極大滿足市場需求，并實現(xiàn)國際領(lǐng)先。

互聯(lián)網(wǎng)、AI等的彎道超車就是這個邏輯，這種“必要＋充分”的雙向循環(huán)，即是典型的生態(tài)“完全體”，是中國所有前沿技術(shù)應有的獨特優(yōu)勢，飛槳也處在這樣的環(huán)境中，只不過是放到產(chǎn)業(yè)視角下看。

1、越是產(chǎn)業(yè)規(guī)模龐大的國家，越需要集中的深度學習能力共享

深度學習平臺本質(zhì)是AI能力的一種云上“共享經(jīng)濟”，平臺把自己的知識儲備拿出來，通過框架設(shè)計共享給更多開發(fā)者，“操作系統(tǒng)”的意義即在于此。

只有需求這種能力共享的AI項目越多，深度學習平臺的“共享”價值才更能凸顯。

作為全球GDP排名第二，制造業(yè)第一，服務業(yè)蓬勃發(fā)展的東方大國，中國產(chǎn)業(yè)的智能化需求催生出全球最為龐大的深度學習需求，飛槳的出現(xiàn)和壯大是必然。

而反過來，飛槳本身也必須適應這種龐大、多樣化的共享需求，其中既有能力上的廣泛適應需求（不能偏科），也有系統(tǒng)上的集中承載需求（要能扛得住）。

飛槳的一個領(lǐng)先的技術(shù)優(yōu)勢之一，就是支持超大規(guī)模深度學習模型的訓練。根據(jù)官宣，目前飛槳突破了超大規(guī)模深度學習模型訓練技術(shù)，是世界首個支持千億特征、萬億參數(shù)、數(shù)百節(jié)點，攻克了超大規(guī)模深度學習模型在線學習難題，且實現(xiàn)了萬億規(guī)模參數(shù)模型實時更新的開源大規(guī)模訓練平臺。

能力與需求“握手”，中國大本營是飛槳國際化競逐的底氣。

2、產(chǎn)業(yè)的“躍遷式”發(fā)展，讓中國更需要深度學習平臺

除了應用的廣泛，如何讓應用更便捷實現(xiàn)，是所有深度學習平臺競逐的重點，無論是PyTorch 1．3還是Tensorflow 2．0的版本更新，都打出了易用、好實現(xiàn)這張牌。

而這件事放到眼下的中國，情形更為特殊。

中國金融科技的發(fā)展，是在原本傳統(tǒng)的金融業(yè)基礎(chǔ)上跨越而來，反而領(lǐng)先了國外。而中國的產(chǎn)業(yè)演化也在經(jīng)歷同樣的過程，從十分傳統(tǒng)到十分智能的大跨度式跳躍，快速開發(fā)與部署的需求更為強烈。

但是，AI這件事必須投入大量人力物力去鉆研，不論是傳統(tǒng)領(lǐng)域，還是做服務的創(chuàng)業(yè)企業(yè)都很難支撐。

當飛槳打出“開發(fā)便捷的產(chǎn)業(yè)級深度學習框架”旗號時，也就是在契合這樣的需求，其采用基于編程邏輯的組網(wǎng)范式，對于普通開發(fā)者而言更容易上手，符合他們的開發(fā)習慣，同時，平臺支持聲明式和命令式編程，簡言之就是兼具開發(fā)的靈活性和高性能。在這種情況下，飛槳亦實現(xiàn)了網(wǎng)絡結(jié)構(gòu)自動設(shè)計，模型效果超越人類專家。

這些屬性無疑能幫助那些需要躍遷式發(fā)展的企業(yè)在AI領(lǐng)域快速使用深度學習的成型算法，解放出更多精力放在重要業(yè)務上。

3、已有豐富的案例落地，產(chǎn)生AI領(lǐng)域的低成本知識裂變價值

先來看一個案例。

“紅脂大小蠹”長期侵害中國植被森林區(qū)，對生態(tài)影響很大，過去的解決辦法是人力翻山越嶺巡查，找到害蟲聚集區(qū)采取措施。除了專業(yè)人才需求大，也容易出現(xiàn)巡查漏洞，貽誤治蟲時機。

嘉楠捷思、百度飛槳和北京林業(yè)大學共同合作研發(fā)出了智能害蟲檢測系統(tǒng)解決了這個林業(yè)的痛點問題，利用搭載AI芯片的攝像頭模組進行蟲子的檢測與識別，分析病蟲害當中蟲子的種類，以及害蟲集中在哪個層面，以進行針對性的防治。

在這一過程中，飛槳提供框架，嘉楠捷思利用飛槳快速開發(fā)識別模型并通過芯片攝像頭模組落地，北京林業(yè)大學則提供害蟲、森林知識圖譜，三方共同完成的“智能害蟲檢測項目”已經(jīng)開始走向商業(yè)化。

通過一個三方合作，飛槳的圖像識別技術(shù)即順利實現(xiàn)了產(chǎn)業(yè)應用，在林業(yè)領(lǐng)域?qū)崿F(xiàn)了一個知識裂變的案例。

類似的案例還要更多，王海峰在2019年中關(guān)村論壇深度學習平行論壇上把飛槳定義為“一個源于產(chǎn)業(yè)實踐的深度學習平臺”，顯然，深度學習平臺的開放與實踐，產(chǎn)生了更大的AI產(chǎn)業(yè)智能化實踐價值，同一知識在不斷裂變出大量案例并走向現(xiàn)實和商業(yè)應用。

AI與產(chǎn)業(yè)升級，兩場不能失敗的戰(zhàn)爭、一個“幕后英雄”

Windows操作系統(tǒng)控制PC時代的交互窗口，現(xiàn)在控制著“生產(chǎn)力工具”，安卓、iOS控制著移動互聯(lián)網(wǎng)時代的交互窗口，主宰了“消費力”窗口。

如果說過去沒有掌握操作系統(tǒng)的話語權(quán)還尚能接受，只是在被扼住咽喉時難受一下，而AI大時代的“操作系統(tǒng)”一旦喪失主動權(quán)，其影響將是廣泛的。畢竟，全民AI、全面AI的時代即將到來，深度學習的話語權(quán)間接影響了一個國家的方方面面，從消費到產(chǎn)業(yè)，從個人到組織，都無法逃脫影響。

這種“操作系統(tǒng)”的遏制力體現(xiàn)在，一旦大多數(shù)開發(fā)者都習慣于某一套框架下的AI應用開發(fā)方式，將帶來很大的遷移成本，而平臺方出于某些目的一旦限制開放、限制專利應用，將直接鎖死下游開發(fā)者。

類似的在操作系統(tǒng)上的教訓，我們已經(jīng)深深見識過了，未來AI時代不能再如此了。

這也說明，全球視野下的深度學習平臺的PK，不只在技術(shù)優(yōu)劣更在生態(tài)構(gòu)建，盡快擴大生態(tài)、提升行業(yè)影響力是與技術(shù)同等重要的事。

好在，飛槳的一些動作客觀上在實現(xiàn)這種影響力的構(gòu)建。

飛槳代表性的領(lǐng)先技術(shù)優(yōu)勢之一是多端多平臺部署的高性能推理引擎，也即不僅兼容其他開源框架訓練的模型，還可以輕松地部署到不同架構(gòu)的平臺設(shè)備上。同時，經(jīng)過跟華為麒麟NPU的軟硬一體優(yōu)化，飛槳在NPU上的推理速度進一步突破。

這些都是兼容并蓄的表現(xiàn)，飛槳是一個靈活的、可以接納所有不同開發(fā)者、開發(fā)條件的“操作系統(tǒng)”，具有理論上無限的延展性。也只有這樣，才能保證影響力的持續(xù)擴大、生態(tài)的全方位滲透和充實，而不是“封閉王國”。

同時，在全球產(chǎn)業(yè)升級浪潮下，各國都在拼轉(zhuǎn)型拼升級，開放的深度學習平臺作為推動產(chǎn)業(yè)智能化的重要內(nèi)容，無疑是大國戰(zhàn)略一個更為底層的構(gòu)成要素，更類似于“幕后英雄”——它不直接表現(xiàn)出競爭優(yōu)勢，卻在背后影響著國家的整體競爭力，既有直接的產(chǎn)業(yè)推動，也有國際AI話語權(quán)的掌控。

這一次，中國能不能不再被扼住咽喉，甚至反客為主，拭目以待吧。