深度学习|百度飞桨国产芯片适配第一，国产深度学习框架面临三大难点芯片|百度飞桨|it芯片

文章图片

文章图片

文章图片

【深度学习|百度飞桨国产芯片适配第一，国产深度学习框架面临三大难点】

文章图片

作者 | 杨畅
编辑 | 三北
智东西4月1日报道，在昨日举行的百度AI开放日上，百度AI技术生态总经理马艳军分享了国产深度学习框架要突破的三大关键点，以及百度深度学习框架飞桨的发展情况。
马艳军说，根据IDC数据，截至2021年12月，飞桨在中国深度学习平台综合市场份额排名中位居第一，超过了谷歌、Meta推出的深度学习框架。飞桨吸引力406万开发者，累计服务15.7万企事业单位。同时，飞桨在国产芯片适配量方面也是第一。
一、深度学习框架要突破三大关键点作为促进千行百业智能化落地的中坚力量，深度学习框架的重要性日益显现。深度学习框架被列入了国家“十四五”规划，与AI芯片一起被纳入新一代人工智能科技前沿领域攻关中。
马艳军说：“深度学习框架在AI技术体系中，处于贯通上下的腰部位置，下接芯片，上承应用。 ”

他提到目前的深度学习开发面临着双重挑战，一方面是深度学习的应用场景特别多，比如有智慧农业、智慧制造、智慧教育等等，需要我们考虑如何实现大规模应用落地的问题；另一方面，深度学习需要匹配的芯片种类也特别多，像英伟达、英特尔、百度昆仑XPU等等，需要我们考虑如何让深度学习框架在各种芯片上顺畅运行。

从2013年开始， AI学界和产业界陆续有机构或者企业开源其自研的深度学习框架，并以框架为核心搭建AI开放平台，进而促进相关的产业生态形成。其中比较有代表性的深度学习框架有Google的TensorFlow和Meta的PyTorch等。
马艳军谈道，中国自研深度学习框架正逐步从国际竞争中突围。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。当前中国深度学习框架的发展仍需要突破三大关键点：技术实力、功能体验和生态规模。

在技术创新方面，深度学习框架的研发离不开AI底层技术人才，国内相关的人才储备还不够。
在应用体验方面，随着国家推动产业数字化转型，各行业对于AI应用的需求不断增多。但有时候，企业要应用一项新技术，从实验室到产业落地就至少需要3-6个月。因此，低门槛甚至零门槛的开发平台就显得格外重要。
应用生态方面，深度学习是一个典型的共创型技术领域，只有构建自己的生态才能实现更好的持续发展。但深度学习框架的生态构建周期长、成本高，只有这个框架足以满足开发者需求时，才有可能吸引开发者，从而培育起自己的AI开发应用生态。
二、飞桨已汇聚406万开发者，适配31种芯片马艳军说，百度飞桨通过技术持续创新、以开发者需求为首位、广泛地与生态共创共享这三方面的实践来抓住深度学习框架要突破的三个关键点。

中国产业和企业有自身的特点，对于AI的需求也具有独特性。他补充道，如果国产深度学习框架既能在功能上满足中国产业和企业的需求，同时又简单易开发、低门槛，那么会有很大机会在产业级落地上实现弯道超车，例如飞桨。
飞桨在应用落地方面已经取得了比较大的进展。目前，飞桨凝聚了406万开发者，开发有47.6万个模型，累计服务有15.7万个企业。根据IDC 2021年上半年深度学习框架平台市场份额报告数据，中国深度学习市场份额排名中，飞桨上升为第一。

同时，飞桨已经完成了和百度昆仑芯、华为昇腾、英特尔、英伟达等22家国内外硬件厂商的31种芯片的适配和优化，覆盖了市场上主流的芯片。

三、百度三大增长引擎的AI底座目前，飞桨已经在多个行业中实现了落地应用，包括像智慧城市、智能制造、科学研究等多领域。