國內(nèi)人工智能產(chǎn)業(yè)市場在2021年開始迎來了大爆發(fā)。

無論是蘿卜快跑的自動駕駛出租車，還是智能識圖、語音識別與輸入、影音剪輯等方面，層出不窮的人工智能技術(shù)極大的提升了人們生活的便利性和科技感。

龐大的市場需求也助力了很多沖擊資本市場的大型科技企業(yè)。AI四小龍里商湯上市和剩余幾家紛紛沖擊IPO就是一個重要的佐證。

2021年人工智能領(lǐng)域的算法分析師、程序員、工程師，已經(jīng)成為最新互聯(lián)網(wǎng)就業(yè)市場上搶手的香餑餑。尤其是人工智能規(guī)劃和算法的精通者，在其中占有更大的優(yōu)勢。

更有意思的是，曾幾何時幾乎全部做人工智能開發(fā)的程序員、工程師和算法分析師，用的深度學習框架都來自美國。TensorFlow、PyTorch雖然是開源項目，但都在美國公司掌控之下，不確定性如影隨形。

迫切需要替代品的背景下，已經(jīng)歷經(jīng)6年開發(fā)并逐漸成熟的百度飛槳，成為越來越多中國人工智能開發(fā)工程師和算法分析師的優(yōu)選。

百度也借此舉辦了多期人工智能規(guī)劃師的培訓，試圖利用自己的經(jīng)驗為中國人工智能領(lǐng)域提供高水平的人才儲備。

伴隨著應(yīng)用飛槳項目和產(chǎn)業(yè)端結(jié)合的越來越頻繁緊密，截至目前，飛槳所擁有的工業(yè)產(chǎn)業(yè)模型超過300個，已逐漸成為一個非常易于開發(fā)的通用性人工智能深度學習平臺。

最新信息，在2021年年底，飛槳已經(jīng)超越其他競爭對手，穩(wěn)居兩個老牌深度學習框架之后，成為全球第三大深度學習框架平臺。

在核心軟件開發(fā)領(lǐng)域，這可以說是首個成為主流應(yīng)用開發(fā)工具的中國的平臺。很多關(guān)心人工智能行業(yè)的人不禁要問：他們是怎么做到的？

#01

深度學習平臺的能力

很久以前，在人工智能領(lǐng)域剛剛開始的時候，所有的項目都是從零起步。比如，人們要想做出一個圖形處理的項目，就必須從攝像頭調(diào)取，而這樣的動作，得寫相應(yīng)的支持程序。

因此2015年之前，世界人工智能領(lǐng)域的項目進度比較慢。畢竟熟練的工程師和程序員就這些，后續(xù)的人員，想進入這個領(lǐng)域還需要進行長時間的學習。

這為深度學習框架的出現(xiàn)提供了強大的需求和促動力。

當時，美國谷歌公司和另一個從谷歌出來的資深程序員，提出了兩個深度學習的開發(fā)平臺與框架。這就是當前使用人數(shù)最多的ensorFlow和PyTorch。

人工智能最早的應(yīng)用其實是在數(shù)據(jù)標注，也就是窮舉的方式列舉所有遇到問題時機器應(yīng)該產(chǎn)生的反應(yīng)，但這并不是真正的人工智能或者說應(yīng)該算偽人工智能。從谷歌2016年推出超級人工智能阿爾法狗之后，深度學習成為很多人工智能公司追求的系統(tǒng)技術(shù)基礎(chǔ)。而阿爾法狗的底層框架，正是建立在TensorFlow的平臺之上。

很快，TensorFlow、PyTorch這兩個新生的深度學習開發(fā)平臺框架迅速在業(yè)內(nèi)走紅，成為后續(xù)各個創(chuàng)業(yè)項目技術(shù)積累的基礎(chǔ)。

所謂深度學習框架，其實就是首先提供一個深度學習的內(nèi)部系統(tǒng)，可以符合多種行業(yè)的應(yīng)用能通過各種不同的接口調(diào)取這種學習能力，從而讓新開發(fā)的項目迅速通過數(shù)據(jù)的積累訓練系統(tǒng)，學會如何人工思考和應(yīng)對。這樣的好處就是整個項目不用再對深度學習進行算法和布局，更不用從理論基礎(chǔ)去做相應(yīng)的研發(fā)，可以大大降低人工智能項目研發(fā)的難度。

其次，這些深度學習框架還提供了調(diào)取相應(yīng)深度學習結(jié)果和培訓系統(tǒng)能力的程序語言，并封裝了很多常用的模塊，后續(xù)開發(fā)者只需調(diào)用這些模塊就可以實現(xiàn)一些系統(tǒng)常用的功能，比如說對于圖片和音頻的識別等。

此外，這些深度學習框架還提供額外的擴展與延伸，可以跟其他的一些系統(tǒng)相銜接，把人工智能的相應(yīng)能力接觸到更大的系統(tǒng)中去。

從2017年之后，國內(nèi)大大小小的人工智能應(yīng)用，絕大多數(shù)都是基于這兩個框架平臺所提供的各種服務(wù)和封裝模塊進行，雖然大大降低了開發(fā)人員的難度，但很大程度上也將技術(shù)核心的支持能力拱手相讓。

正是看到這一點，2016年百度提出來中國人自己的深度學習框架PaddlePaddle。但說實話彼時百度的這一框架并沒有顯露出太多技術(shù)優(yōu)勢，在國內(nèi)被使用的頻次也不算太高。

即便如此，對于百度一把手李彥宏而言，AI是百度未來發(fā)展的突破口，所以深度學習框架這塊也必須得到百度整個技術(shù)部門的大力扶持。

2018 年 7 月，李彥宏在百度 AI 開發(fā)者大會上喊出了要讓“Everyone Can AI”的口號，其實這句口號后面還要加上一個限定——“通過百度的 AI 平臺”。PaddlePaddle 就是這一口號付諸實踐的突破點之一。

2019 年 4 月，時任百度高級副總裁（現(xiàn)百度 CTO）王海峰在 Wave Summit 深度學習開發(fā)者峰會上，為深度學習框架 PaddlePaddle 在百度內(nèi)部的戰(zhàn)略地位進行了定調(diào)。PaddlePaddle 發(fā)布中文名“飛槳”，開始強調(diào)自己更懂中國開發(fā)者，以及更加專注于深度學習模型的工業(yè)生產(chǎn)和部署。

#02

飛槳的特色

實際上，飛槳以百度多年的深度學習技術(shù)研究和業(yè)務(wù)應(yīng)用為基礎(chǔ)，集深度學習核心訓練和推理框架、基礎(chǔ)模型庫、端到端開發(fā)套件、豐富的工具組件于一體，是中國首個自主研發(fā)、功能完備、開源開放的產(chǎn)業(yè)級深度學習平臺。

關(guān)鍵從2015年之后，百度將自己業(yè)務(wù)突破的能力定立到了人工智能上，而幾乎百度現(xiàn)在所有的人工智能項目全都是基于飛槳的整個體系研發(fā)，并最終投入使用和做后期維護的。

某種意義上正是基于百度本身體量的大范圍應(yīng)用，才迅速縮短了飛槳的成熟時間。

作為我國首個開源開放、功能完備的產(chǎn)業(yè)級深度學習平臺，飛槳想要保持自己的地位，也必須要有自己獨特的優(yōu)勢。

第一，便捷的開發(fā)框架。飛槳同時支持動態(tài)圖和靜態(tài)圖的編程，能夠兼顧易用性和效率。在整個開發(fā)過程當中，算法工程師既需要方便的接口，同時也需要高效的底層平臺的支持。飛槳平臺結(jié)合了動態(tài)圖的易用性和靜態(tài)圖的高性能，使開發(fā)者可以兼顧兩者的優(yōu)勢。對開發(fā)者來說，這是大大降低了寫程序的成本和復雜度。

第二，超大規(guī)模深度學習模型訓練技術(shù)。針對大規(guī)模的工業(yè)化場景，飛槳提供大規(guī)模分布式訓練能力，在真正的工業(yè)場景應(yīng)對自如。飛槳平臺推出了支持萬億規(guī)模參數(shù)模型的實時更新能力和訓練能力。面對大型分類任務(wù)時可以進行模型并行訓練，在訓練層面也可以支持數(shù)據(jù)并行訓練。

第三，多端多平臺部署的高性能推理引擎。端到端的部署是應(yīng)用深度學習的一個非常關(guān)鍵的環(huán)節(jié)，飛槳提供非常完備的支持各種硬件的端到端的部署能力，能夠使得開發(fā)者推理、預測的過程足夠順暢。在移動端部署的模型體積上，飛槳可以縮減到非常小，眾多開發(fā)者可以更好地把模型用在相應(yīng)場景的終端設(shè)備上。

第四，產(chǎn)業(yè)級開源模型庫。飛槳有大量在產(chǎn)業(yè)實踐當中沉淀出來的模型，并提供官方的支持，能夠保證開發(fā)者的應(yīng)用效果是最佳的、真正可靠的。據(jù)悉，飛槳平臺上目前開源了140+的模型，而且還有工業(yè)級的預訓練模型。在預訓練模型基礎(chǔ)上，開發(fā)者在使用時只要針對自己的場景進行小數(shù)據(jù)量的遷移學習就可以使用。

而且飛槳已可適配 22 種芯片型號，覆蓋英特爾、英偉達、瑞芯微、寒武紀等15家硬件廠商，且對國產(chǎn)硬件的支持力度業(yè)界第一。

#03

需求決定一切

以上這些特性，實際上只是跟海外的開源平臺打成個平手。真正能讓飛槳成為殺手級人工智能深度學習拓展平臺的原因，是其跟中國市場的深度捆綁。

由于百度所有的技術(shù)扎根于中國市場本土需求，相應(yīng)的算法標準，基礎(chǔ)能力、深度學習的習慣等等，都跟中國市場和相應(yīng)數(shù)據(jù)采集的情況相吻合。

如果采用國際上知名的其他開源平臺來研發(fā)項目，在最終項目調(diào)整的過程中，還要付出很大的精力，要將很多不符合國內(nèi)環(huán)境的算法和思路進行調(diào)整，這對于人工智能的策劃師和算法分析師來說都是一個重大的挑戰(zhàn)。

但使用飛槳就不用做這些事，可以省很大的工作量。

從2019年開始，百度AI的能力逐漸下沉，開始跟產(chǎn)業(yè)經(jīng)濟和生產(chǎn)一線相結(jié)合，在飛槳上也越來越多有類似的人工智能項目運行，比如智能質(zhì)檢，比如對于農(nóng)產(chǎn)品的智能分揀等等。

這些與產(chǎn)業(yè)相結(jié)合的人工智能應(yīng)用模型，飛槳已經(jīng)積累了超過1000個。由于這些模型最終都成功運營，所以類似需求的開發(fā)者只要將這些模型針對自己的一些特征進行修改調(diào)試，就可以在短時間內(nèi)拿出一個成型的人工智能解決方案和項目實施計劃。

再加上百度本身所推出的人工智能應(yīng)用，就已經(jīng)覆蓋了中國互聯(lián)網(wǎng)的大多數(shù)使用空間。豐富的人工智能基礎(chǔ)模塊，可以讓程序員和工程師快速部署形成自己的人工智能軟件應(yīng)用。

這大大方便了人工智能項目在中國產(chǎn)業(yè)端的拓展，也成為飛槳迅速在中國人工智能研發(fā)領(lǐng)域成為主流平臺的重要原因。

截止目前在飛槳平臺上，經(jīng)常使用相應(yīng)模塊進行人工智能開發(fā)的程序員和工程師超過400萬。

這已經(jīng)創(chuàng)造了中國開源軟件開發(fā)框架或平臺的記錄。

#04

擺在前面的挑戰(zhàn)

當然，飛槳并不是不是一個完美的框架和平臺。知乎上在飛槳專區(qū)有很多程序員吐槽，大多是有關(guān)應(yīng)用端以開發(fā)的過程中，調(diào)取模塊遇到的各種bug問題。

而由于整套系統(tǒng)的邏輯都是百度自己建立的，并沒有前面的經(jīng)驗可以遵循，這也讓很多新的模塊出來，需要帶有一段時間的糾錯期。這對爭分奪秒的人工智能開發(fā)領(lǐng)域來說，是一種時間上的浪費。

因此有程序員提出，能不能作為開源程序員加入其中，為飛槳目前的不斷完善，提供自己的思路和幫助。

另外，由于百度發(fā)展的局限性，使得飛槳在海外的應(yīng)用受限。如何將飛槳推到國際市場，恐怕是百度在2022年一定要認真考慮的重要問題。

畢竟，百度是將AI作為未來發(fā)展的基石，而飛槳被看作是百度AI的核心，那么李彥宏對于百度轉(zhuǎn)型的定位，在國內(nèi)和國際都需要飛槳為支撐的AI故事。

百度也已經(jīng)認識到這一點，2021年開始舉辦人工智能規(guī)劃師的培訓，并開始逐漸國際化發(fā)展，目的很明確。

但一切還需要時間，而現(xiàn)在已經(jīng)到了百米賽跑的關(guān)鍵沖刺期。

雖然百度有底氣，但時間上得要抓緊了。