作为推动AI应用大规模落地的关键力量，深度学习框架的重要性日益凸显。“深度学习框架在人工智能技术体系中，处于贯通上下的腰部位置，它下接芯片、上承应用。”3月31日 ，在百度AI开放日《AI呀，我去！》第五期活动上，百度AI技术生态总经理马艳军系统分享了深度学习领域的竞争格局、中国自研深度学习框架的发展突破和未来趋势。
和PC时代的操作系统Windows、移动互联网时代的IOS和安卓类似，深度学习框架是智能时代的操作系统，它和芯片一起共同构成了人工智能的基础设施。在“十四五”规划中，“深度学习框架”被列入“新一代人工智能”领域，成为国家重点支持的前沿创新技术。
当前，人工智能进入大规模落地阶段，越来越多的开发者和企业正在基于国产深度学习平台开展智能化转型应用。
据了解，深度学习框架正在让AI应用变得更简单。基于深度学习框架，企业可以根据自身行业的特点和场景需要，更快更便捷地开发AI应用，不再需要从0到1地搭建地基，极大提升了产业智能化的效率和水平。自2013年开始，全球人工智能学术界以及产业界各研发主体陆续开源旗下自主研发深度学习框架，并以框架为核心搭建人工智能开放平台，推动人工智能产业生态的建立。以Google的TensorFlow、Facebook的PyTorch两款深度学习框架为代表的深度学习框架起步早、发展快，占据了业界主导地位。
2017年，国家发改委正式批复，筹建深度学习技术及应用国家工程实验室，中国深度学习框架逐步从国际竞争中突围。2021年，IDC报告显示，中国首个开源开放的深度学习平台百度“飞桨”，在中国深度学习市场中的综合份额已超越其他国际巨头。我国人工智能技术开发者和使用者不必依赖于国外平台，同时可进一步依托国产平台培育产业生态。
然而，中国自研深度学习框架想要在国际竞争中取得领先，还有很长的路要走。马艳军指出，当前中国深度学习框架的发展仍需突破三大关键点：技术实力、功能体验、生态规模。
首先，技术创新方面，深度学习框架的研发需要人工智能领域底层技术人才，我国在这一领域的储备仍有不足。
其次，在应用体验方面，由于中国是全球产业链最为完备的国家，产业体系复杂，中小企业转型需求迫在眉睫。但在应用AI、促进企业智能化转型的过程中，仅一项技术应用，从实验室到产业落地就至少需要3至6个月时间，一个低门槛甚至零门槛的开发平台极为重要。
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。
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。
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。目前，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，帮助企业降本增效。数据显示，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。
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。
“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。“马艳军说。
