深度學習的歷史并不算長，卻呈現(xiàn)出了清晰的代際變遷。

在深度學習框架出現(xiàn)前，開發(fā)者需要進行很多繁重的工作，包括算法、算力和數(shù)據(jù)，基本處于石器時代的階段；

深度學習框架在2012年萌芽后，陸續(xù)出現(xiàn)了 Caffe、Chainer 、Theano等框架，深度學習開始進入到青銅時代；

谷歌、百度、Facebook等互聯(lián)網(wǎng)巨頭進場后，憑借強大的應用場景和底層能力，深度學習正式邁入了鐵器時代。

之后深度學習框架越來越多，訓練能力和可用性也越來越強，特別是TensorFlow、PyTorch、飛槳幾乎占據(jù)深度學習框架95%以上市場份額的局面下，業(yè)界陸續(xù)出現(xiàn)了這樣一種聲音：人工智能何時進入大規(guī)模產(chǎn)業(yè)化應用的工業(yè)大生產(chǎn)時代？

日前結(jié)束的Wave Summit 2021深度學習開發(fā)者峰會上，持續(xù)進化的飛槳已經(jīng)給出了確切的答案。

01 逼近產(chǎn)業(yè)爆發(fā)的臨界點

百度的AI布局始于2010年，但2016年是個特殊的時間節(jié)點，這一年百度正式開源了自家的深度學習框架飛槳，不僅填補了國內(nèi)深度學習框架的市場空白，也為中國開源力量的崛起埋下了伏筆。

有別于一些學術(shù)性質(zhì)的開源框架，飛槳身上有著典型的產(chǎn)業(yè)標簽，為了讓深度學習從一門技術(shù)走進千行萬業(yè)的產(chǎn)業(yè)世界，飛槳的每一次進化都在嘗試降低深度學習的開發(fā)門檻，讓技術(shù)可以順暢的轉(zhuǎn)化為社會生產(chǎn)力。而每年兩次的Wave Summit深度學習開發(fā)者峰會，可以說是洞察飛槳產(chǎn)業(yè)化進程的風向標。

2019年冬天，飛槳一口氣帶來了21項全新發(fā)布和重要升級，其中端到端開發(fā)套件成為開發(fā)者們討論的核心焦點。涵蓋語義理解、目標檢測、圖像分割和點擊率預估的四大端到端開發(fā)套件，旨在通過模塊化的設(shè)計和端到端的體驗，滿足企業(yè)低成本開發(fā)和快速集成需求，進一步推動深度學習的產(chǎn)業(yè)落地。

2021年的Wave Summit 深度學習開發(fā)者峰會期間，飛槳在穩(wěn)定性、兼容性和成熟度的基礎(chǔ)上，再次為產(chǎn)業(yè)智能化開足馬力，不斷逼近AI在產(chǎn)業(yè)深處爆發(fā)的臨界點：

全新發(fā)布飛槳開源框架V2.1，對自動混合精度、動態(tài)圖、高層API等進行了優(yōu)化和增強。尤其是自定義算子功能的全面升級，進一步降低了開發(fā)者自定義算子的學習與開發(fā)成本，并大幅提升了開發(fā)的靈活性；

分布式訓練方面，發(fā)布大規(guī)模圖檢索引擎，支持萬億邊的圖存儲和檢索，大規(guī)模圖模型訓練架構(gòu)支持網(wǎng)易云音樂等企業(yè)大規(guī)模應用落地。

模型套件方面，文心ERNIE全新開源發(fā)布 4大預訓練模型，知識與深度學習相結(jié)合實現(xiàn)知識增強的語義理解，不僅僅能理解語言，還可以理解圖像，實現(xiàn)統(tǒng)一的跨模態(tài)語義理解。

部署方面，飛槳提供全面的推理部署工具鏈，重磅發(fā)布推理部署導航圖，其中已驗證300多條部署通路，助力開發(fā)者打通AI應用的“最后一公里”。

飛槳企業(yè)版在EasyDL、BML“兩翼”升級的同時，還開放了飛槳企業(yè)版的“核”——PaddleFlow，以云原生、高性能、輕量易用的特色，專為AI平臺開發(fā)者提供核心能力并賦能更多細分場景和深度定制的AI平臺。

飛槳的進化歷程無疑印證了百度CTO王海峰對于人工智能技術(shù)和產(chǎn)業(yè)發(fā)展的思考：一是融合創(chuàng)新，多技術(shù)融合創(chuàng)新、深度學習平臺與芯片軟硬一體優(yōu)化、人工智能技術(shù)與應用場景融合創(chuàng)新發(fā)展的趨勢愈加明顯；二是降低門檻，隨著人工智能技術(shù)在各行業(yè)的滲透，面向不同應用場景，高效滿足不同的開發(fā)者需求，持續(xù)降低門檻非常關(guān)鍵。

門檻的大幅降低，加快了人工智能應用的多樣化和規(guī)模化，也加快了產(chǎn)業(yè)智能化進程。

02 抹平算法和算力的鴻溝

對于深度學習框架的價值，百度CTO王海峰曾經(jīng)有過一個恰當?shù)谋扔鳎骸吧疃葘W習框架起到承上啟下的作用，下接芯片和大型計算機系統(tǒng)，上承各種業(yè)務(wù)模型與行業(yè)應用，是智能時代的操作系統(tǒng)”。

單單只有開源深度學習框架的進化，恐怕還不足以將百萬計的開發(fā)者們“擺渡”到工業(yè)大生產(chǎn)的彼岸。畢竟人工智能的三要素包括算法、算力和數(shù)據(jù)，僅僅是跨越算法和算力之間的鴻溝，就足以將不少開發(fā)者拒之門外。

目前英偉達主導的GPU在神經(jīng)網(wǎng)絡(luò)訓練中有著舉足輕重的地位，可英偉達等硬件廠商并沒有能力對所有的框架進行適配，只能選擇TensorFlow、PyTorch和飛槳三個最成熟的框架進行優(yōu)化。

結(jié)果就是，倘若深度學習框架不對芯片進行適配優(yōu)化，再好的芯片也只是一堆廢鐵；假如芯片和深度學習框架間的橋梁不打通，“智能時代操作系統(tǒng)”的實用價值無疑要大打折扣。

飛槳給出的答案是主動擔當起打造硬件生態(tài)的重任。

根據(jù)百度集團副總裁吳甜在Wave Summit 2021上披露的數(shù)據(jù)，飛槳已經(jīng)和22家硬件廠商合作，完成和正在適配的芯片或IP達到31款，名單包括百度昆侖、英特爾、英偉達、華為、曙光、瑞芯微、安霸等等。

目前飛槳在硬件生態(tài)方面已經(jīng)處于業(yè)界領(lǐng)先地位，不僅涵蓋了從訓練到部署、從通用型計算硬件到專用的AI加速硬件、從服務(wù)端到移動端的硬件適配和優(yōu)化，還和一些企業(yè)達成了深度合作。比如飛槳通過和英特爾OneAPI的合作，為開發(fā)者提供了跨平臺集成的開發(fā)路徑；通過集成TensorRT的加速能力，協(xié)助英偉達在GPU領(lǐng)域?qū)崿F(xiàn)了高效推理。

值得一提的是，身為深度學習國產(chǎn)之光的飛槳，和飛騰、海光、鯤鵬等國內(nèi)芯片廠商進行了深入合作，僅在海光DCU上適配的模型就已經(jīng)超過50個，中國自主可控的“操作系統(tǒng)+芯片”生態(tài)已逐步成型。

其實個中原因并不難理解，人工智能的大規(guī)模落地已經(jīng)步入快車道，而飛槳恰恰是各行各業(yè)走向智能化的重要驅(qū)動力。

躬身構(gòu)建軟硬件生態(tài)，抹平算法和算力之間的鴻溝，進一步打破深度學習的應用壁壘，既是百度作為人工智能頭雁的應有之義，也是飛槳重塑生產(chǎn)力與生產(chǎn)關(guān)系的初心。

03 為產(chǎn)業(yè)智能化全面護航

每一次工業(yè)革命都不是純粹的技術(shù)革命，正在進行的第四次工業(yè)革命自然也不例外，產(chǎn)業(yè)智能化的過程中仍存在諸多隱形制約，諸如專業(yè)人才的匱乏、產(chǎn)業(yè)氛圍的缺失、市場鏈條的不完善等等。

百度儼然意識到了這些問題，WAVE SUMMIT 2021深度學習開發(fā)者峰會除了主論壇外，百度還設(shè)置了5個平行論壇，除了前面提到的飛槳框架的創(chuàng)新升級、智能硬件生態(tài)，將不小的篇幅留給了開源項目分享、產(chǎn)業(yè)實踐案例和融合人才培養(yǎng)，正在從多個維度強化飛槳的合作生態(tài)。

首先是開源生態(tài)的建設(shè)。

繁榮的開源社區(qū)離不開優(yōu)秀的開源項目，飛槳深諳其中的道理，不僅在平行論壇中邀請到知名開源項目的技術(shù)負責人各抒己見，還順勢推出了面向核心開發(fā)者的領(lǐng)航計劃，以PPDE、PPSIG特殊興趣小組、飛槳領(lǐng)航團等組織形式，進行開源社區(qū)和開源項目合作。

然后是產(chǎn)業(yè)氛圍的培養(yǎng)。

針對產(chǎn)業(yè)應用落地中遇到的種種挑戰(zhàn)，飛槳選擇和企業(yè)負責人、開發(fā)者一同探索產(chǎn)業(yè)智能化的有效路徑，并在全新升級的《飛槳企業(yè)案例精選》中囊括了9大行業(yè)、34個企業(yè)智能化案例的技術(shù)思路。同時飛槳還在3月份啟動技術(shù)伙伴計劃，基于百度已有的AI產(chǎn)業(yè)落地經(jīng)驗深度賦能行業(yè)智能化企業(yè)，實現(xiàn)行業(yè)AI技術(shù)方案的輸出、研討和共創(chuàng)，短短兩個月的時間里就有130多家企業(yè)報名。

最后是產(chǎn)教融合的探索。

AI人才的不足已然成了社會的常態(tài)問題，在AICA首席架構(gòu)師培養(yǎng)計劃，AI快車道，以賽促學等人才培養(yǎng)機制外，飛槳還將目光瞄向了產(chǎn)教融合。比如飛槳和清華大學、吉林大學、鄭州大學進行了創(chuàng)新創(chuàng)業(yè)實驗室的合作簽約，一同打造產(chǎn)業(yè)智能化的預備軍；此外百度已經(jīng)累計培訓570所高校的2000多名教師，其中226所高校已經(jīng)基于飛槳開設(shè)學分課程，以實際行動點燃了中國AI人才培養(yǎng)的星星之火。

除此之外，飛槳還將陸續(xù)投入15億元資金和資源，全面開啟飛槳“大航海”計劃，涵蓋啟航、護航、領(lǐng)航三大生態(tài)航道。其中“大航海”護航計劃，將在未來三年投入10億元資金，支持10萬家企業(yè)智能化升級，與產(chǎn)業(yè)界一起培育百萬AI人才。

做一個總結(jié)的話，飛槳已經(jīng)在一定范圍內(nèi)驗證了人工智能的落地價值，下一階段的目標正是形成以社會化協(xié)作為特征的AI大生產(chǎn)。所以飛槳并未固守深度學習框架的角色，而是在正確的方向上篤定與堅持，深入到產(chǎn)業(yè)的細枝末節(jié)，從多個維度為產(chǎn)業(yè)智能化護航，為中國的新一輪工業(yè)革命護航。

04 寫在最后

百度集團副總裁吳甜在演講中講述了百度對于人工智能進入工業(yè)大生產(chǎn)階段的路徑分析：

第一階段是企業(yè)中有少數(shù)先行人員嘗試引入AI進行原型驗證，稱之為AI先行者探路階段；當進行了驗證產(chǎn)生效益后，會從個人實踐轉(zhuǎn)變成建設(shè)團隊來學習和應用AI，稱之為AI工作坊應用階段；當企業(yè)進行大量的AI應用，幾百、幾千人一起工作，多人多任務(wù)協(xié)同生產(chǎn)，就進入了AI工業(yè)大生產(chǎn)階段，更長期看，還會實現(xiàn)社會化協(xié)同大生產(chǎn)。

“AI先行者探路”階段，需要有適配場景的模型、調(diào)優(yōu)工具以及部署支持，實現(xiàn)AI算法的快速驗證落地，解決實際問題。飛槳提供了在工業(yè)場景中實踐打磨過的豐富模型庫，多端多平臺的推理部署工具鏈，全面靈活的硬件適配架構(gòu)和生態(tài)基礎(chǔ)，保障AI先行者探路成功。

從個人實踐到帶領(lǐng)團隊的“AI工作坊應用”階段，面臨的是團隊里專業(yè)AI研發(fā)人數(shù)少，不同專業(yè)背景的成員要一起快速學習AI模型研發(fā)的問題。飛槳豐富且多層次的產(chǎn)品結(jié)構(gòu)，涵蓋可視化界面、場景類套件、算法類套件、模型庫、核心框架，非常適用于這個階段的團隊應用AI創(chuàng)新，同時這個過程中團隊成員也會持續(xù)成長，實現(xiàn)AI能力研發(fā)的進階。

到了“AI工業(yè)大生產(chǎn)”階段，多人多任務(wù)協(xié)同生產(chǎn)，算力機器和開發(fā)人員的效能提升是關(guān)鍵。飛槳企業(yè)級AI開發(fā)平臺提供高效的算力管理與調(diào)度、全流程的集成開發(fā)環(huán)境，平臺化賦能AI大生產(chǎn)。再進一步發(fā)展，從企業(yè)內(nèi)部的多人多任務(wù)分工協(xié)同，還會走向全社會的AI大生產(chǎn)協(xié)同。

從飛槳平臺的數(shù)據(jù)可以看到，隨著人工智能和產(chǎn)業(yè)的融合，飛槳已經(jīng)聚集了320萬開發(fā)者，服務(wù)了12萬企業(yè)，創(chuàng)建了36萬模型，覆蓋到了工業(yè)、能源、金融、醫(yī)療、農(nóng)業(yè)、城市管理、交通、信息技術(shù)等各種各樣的行業(yè)和場景。而且，這組數(shù)據(jù)還在持續(xù)增長。相信未來繁榮的社會化AI大生產(chǎn)協(xié)同一定能實現(xiàn)。

這大抵就是飛槳持續(xù)進化的內(nèi)部節(jié)奏，折射到整個產(chǎn)業(yè)層面上，飛槳正在攜手各行各業(yè)生態(tài)伙伴和開發(fā)者，促進產(chǎn)業(yè)鏈與創(chuàng)新鏈的深度融合，加速人工智能進入到規(guī)?；瘧玫墓I(yè)大生產(chǎn)時代。