深度學習暗戰：為何說百度飛槳是“國貨之光”
近年來，無論是生活還是生產，AI的身影無處不在，人工智能所帶來的世界新一輪科技革命和產業變革曙光已現，正在引發全球經濟結構的重塑，并與我國發展方式的轉變形成了歷史性交匯。
與此同時，AI技術背后的爭奪戰也成為了各方關注的中心，其中深度學習框架作為AI時代的“操作系統”已經暗潮洶涌。然而透過現象看本質，這場屬于技術流的戰爭卻值得我們深入思考。
全球權威咨詢IDC在《中國深度學習平臺市場份額調研》中，對國內的深度學習平臺給出了詳細的市場解析：在AI技術使用方面，接受調研的企業和開發者中，86.2%選擇使用開源深度學習框架。
不難看出，深度學習平臺已經開始備受信賴。然而信賴背后的“依賴”也開始成為隱患。
IDC還指出，在國內深度學習框架的使用上，谷歌、Facebook、百度雖然占據了國內絕大部分市場份額，但是來自國外的深度學習平臺仍處于較大的領先優勢。
也就意味著，在現階段的深度學習框架市場，我們處于和移動互聯網時代相同尷尬的境地——過度依賴他國技術。
倘若深度學習框架被“斷奶”，會產生什么樣的影響？
可以打這樣一個比方：深度學習就像是一道菜譜，數據是肉和蔬菜，深度學習框架就是炒菜的鍋和鏟子，如果被人拿走了鍋和鏟子，再高明的廚師也無法炒出一道像樣的菜。
芯片已經讓不少中國企業和開發者有了覆舟之戒，深度學習框架卻剛剛引起關注。
為什么要關注深度學習平臺？
自然而然的，深度學習框架也就成了“兵家必爭之地”。
目前已經出現了Caffe、TensorFlow、飛槳（PaddlePaddle）、PyTorch等幾十種開源框架。尤其是谷歌2015年底在GitHub上正式開源的TensorFlow，幾乎是當下使用最廣的深度學習框架。
谷歌對于TensorFlow的推廣不無成功，選擇使用TensorFlow的企業中，不乏網易、京東、360、聯想、美團等中國的科技企業。
但業界也出現了警惕TensorFlow的聲音。
比如亞馬遜、Facebook等對TensorFlow的封閉深惡痛絕，分別推出了MxNet、PyTorch等深度學習框架，希望以兼容性和開放優勢，打破谷歌一騎絕塵的格局；
蘋果也為自家開發者引入了BNNS 和 MPSCNN兩個深度學習框架，并在GitHub上發布了一個名為Turi Create的機器學習框架，降低AI開發的門檻，也為避免在人工智能的賽道上被谷歌扼住喉嚨。
原因似乎不難理解，雖然TensorFlow是開源的，TensorFlow已經與谷歌生態深度綁定，不排除會出現類似Android的局面。同時在商業層面上，谷歌為了賣自家的TPU，會不會逐漸放棄對其他GPU的支持？如果哪家公司在智能駕駛等核心技術上有趕超谷歌的趨勢，是否存在在TensorFlow層面被谷歌打壓的可能。
借鑒谷歌在Android問題上對華為的態度，那些深度依賴TensorFlow的開發者，無疑也處于一種高度不確定之中。
來自中國的“全尺寸輪胎”
與其信任他人“不作惡”的承諾，不如技術自立。
經濟學家何帆曾給出了這樣的預言：現在的“備胎”還只是出現在男女關系中，未來將是科技界使用最多的一個名詞。
深度學習框架有些例外，中國的企業早在未雨綢繆。早在2016年的時候，百度就將飛槳開源，以免將命運假于他人之手。國家也對此非常重視，國家發改委在2017年批復，國內唯一的深度學習技術及應用國家工程實驗室由百度牽頭籌建。
目前，飛槳不僅是中國首個，也是目前唯一開源開放、功能完備的端到端深度學習平臺。
這個集核心框架、工具組件和服務平臺為一體的端到端開源深度學習平臺，囊括支持面向真實場景應用、達到工業級應用效果的模型，針對大規模數據場景的分布式訓練能力、支持多種異構硬件的高速推理引擎等，并在不久前一次性發布11項新特性及服務，包含PaddleNLP、視頻識別工具集、Paddle Serving、PaddleSlim、AutoDL Design等多種深度學習開發、訓練、預測環節的“硬通貨”，滿足不同層次開發者的研發和創新需求。
相比于其他開源的深度學習框架，飛槳最大的特點在于easy to use，對很多算法進行了完整封裝，開發者只需要略微了解下源碼原理，導入自己的數據就可以執行運行的命令。
有了飛槳這樣的“全尺寸輪胎”，中國AI不缺少飛速前行的可能。
百度也積極通過產學研聯動推動飛槳的大范圍落地，通過師資培訓班，AI賽事等舉措，幫助近百所高校成功開設人工智能課程，直接惠及近萬名學生，為未來的AI話語權爭奪戰打下了良好的基礎。而飛槳在產研聯動的過程中，不僅僅作為教學工具助推教育，也在進一步減少開發者對外國深度學習框架的依賴。
經歷幾年的積累后，飛槳的一系列落地應用正在改變著各行各業：
在農業領域， 精確的地塊識別和分割在農業有非常重要的意義，有利于根據遙感數據對作物長勢、作物分類、成熟期預測、災害監測、估產等工作進行高效輔助，目前為止的絕大部分地塊分割都是靠人力進行的。比如中科賽諾應用飛槳對農業遙感數據進行圖像分割，對耕地面積進行提取，從而進行有效的估產并輔助相關其它農事活動。
在工業領域，合金熔煉的過程中，合金元素會根據爐內溫度、熔煉時間等因素發生無法用機理進行判斷和解釋的變化，傳統合金熔煉環節大多由有經驗的師傅進行補料，需要多次實驗和調整。精諾數據基于飛槳平臺研發了IAPBOA算法，利用歷史配料數據建模，通過機器學習優化企業個性化配料方案，最終達到生產質量和生產成本的最優平衡點，從而指導熔煉生產，減少對經驗的依賴，達到提升熔煉效率、節省原材料的效果。
這樣的案例還有很多很多，也正因為如此，深度學習平臺幾乎決定了AI未來應用的走向。
某種意義上說，中美的人工智能競賽很可能會演化成一場“框架之爭”。假如中國不在深度學習平臺市場占據一席之地，完全依賴國外，系統的透明性將逐漸消失，國外企業將成為全世界數據、硬件、編譯器的標準制定者。特別是人工智能的應用涉及到安防、識別、城市交通、公共服務等國家事務，把這些應用放在國外平臺上開發，安全風險不言而喻。
除了產業鏈風險，中美在人工智能的應用需求上也存在很大的差異，像TensorFlow在語音交互、神經網絡翻譯等核心技術上，很少有中文數據集以及中文領域的技術探索。換而言之，只有深諳中國開發者需求和中國AI市場生態的深度學習框架，才是適合中國智能時代的“操作系統”。
寫在最后
在貿易沖突愈演愈烈的大背景下，全球商業環境已經存在很大的不確定性，尤其是走在世界前沿的中國科技產業，“拿來主義”的做法早已不再適用。
PC系統，我們已經有了同方科技與清華大學共同研發的開源桌面操作系統OPENTHOS；移動系統，華為傳說中的“鴻蒙”歷經十年打磨，即將顯出鋒芒；而AI系統，也就是深度學習框架，也需要獨立自主，百度飛槳可能就是這道難題目前的最優解。
欣慰的是，華為和百度企業走到了一起，飛槳和麒麟芯片，兩個“國貨之光“正在進行強強聯合。
或許在芯片和底層技術上，中國還有很長一段路要走，但在人工智能、5G、IoT等未來場景的爭奪上，中國企業還需要在基礎和關鍵技術上下苦工，避免在沙灘上起高樓，被別人牽著鼻子走。
我們需要的是屬于自己的“國貨之光”。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）