一直到今天，柯潔也未必知道，他2017年看似輸給了阿爾法狗，但實(shí)際上是輸給了深度學(xué)習(xí)平臺(tái)。

相比于之前以職業(yè)棋手為目標(biāo)的圍棋AI，阿爾法狗棋力突然飛升的核心原因，在于搭載了深度學(xué)習(xí)模型。谷歌在2015年推出了深度學(xué)習(xí)框架TensorFlow，引入深度學(xué)習(xí)這項(xiàng)原來(lái)算法復(fù)雜、算力需求極高、開發(fā)難度極大的技術(shù)，也有效降低了深度學(xué)習(xí)模型的開發(fā)成本。

甚至可以說(shuō)，TensorFlow推出后，柯潔敗給AI已經(jīng)只是時(shí)間問題，沒有阿爾法狗，也會(huì)有阿爾法貓或者貝塔狗。

這個(gè)故事告訴我們，雖然人工智能的新聞紛繁復(fù)雜，但是目前從實(shí)用化角度來(lái)說(shuō)，深度學(xué)習(xí)底層構(gòu)建是一條重要主線。2015年其出現(xiàn)之前，AI需要從零開始研發(fā)，因此應(yīng)用停留在比較淺的階層；2015年之后，谷歌發(fā)布TensorFlow則讓AI應(yīng)用落地有了全新的想象空間。

但，牌桌上的玩家層出不窮。

一、“中國(guó)玩家”的彎道超車

盡管擁有先發(fā)優(yōu)勢(shì)，但TensorFlow沒有一統(tǒng)江湖，并不出人意料。

作為深度學(xué)習(xí)平臺(tái)的開創(chuàng)者，TensorFlow有一個(gè)公認(rèn)評(píng)價(jià)，“什么都好，就是不好用”。反觀Meta推出的PyTorch，雖然時(shí)間更晚，但更具有通用性，結(jié)果谷歌因此被迫先后推出TensorFlow2.0和JAX進(jìn)行防御。

這看似是TensorFlow的戰(zhàn)略失誤，而從更高的維度來(lái)講，TensorFlow不可能既滿足通用性又滿足專業(yè)性。作為一個(gè)前途廣闊的領(lǐng)域，雖然深度學(xué)習(xí)平臺(tái)作為人工智能的基礎(chǔ)設(shè)施投資巨大，但是正如CPU有英特爾和AMD，手機(jī)操作系統(tǒng)也是蘋果和安卓共分天下一樣，獨(dú)木不成林，似乎只有兩強(qiáng)爭(zhēng)霸并立才能形成穩(wěn)定態(tài)。

但是，這樣的兩強(qiáng)體制也因以飛槳為代表的“中國(guó)平臺(tái)”集體登場(chǎng)而被打破格局。

2022年7月28日，在2022全球數(shù)字經(jīng)濟(jì)大會(huì)“人工智能驅(qū)動(dòng)未來(lái)產(chǎn)業(yè)論壇”上，中國(guó)信通院與深度學(xué)習(xí)技術(shù)及應(yīng)用國(guó)家工程研究中心聯(lián)合發(fā)布了《深度學(xué)習(xí)平臺(tái)發(fā)展報(bào)告》。報(bào)告顯示，在經(jīng)過(guò)多維度分析，百度飛槳在中國(guó)深度學(xué)習(xí)市場(chǎng)應(yīng)用規(guī)模已經(jīng)達(dá)到第一。截至2022年5月，飛槳已累計(jì)凝聚477萬(wàn)開發(fā)者、服務(wù)18萬(wàn)企事業(yè)單位、創(chuàng)建56萬(wàn)AI模型。與此同時(shí)，華為昇思、曠視天元、之江天樞等深度學(xué)習(xí)平臺(tái)，同樣也獲得了快速發(fā)展。

無(wú)獨(dú)有偶，在信通院發(fā)布報(bào)告之前，調(diào)研機(jī)構(gòu)IDC和弗若斯特沙利文同樣發(fā)布了相關(guān)報(bào)告，結(jié)果分別顯示百度飛槳的中國(guó)深度學(xué)習(xí)市場(chǎng)綜合份額第一、綜合競(jìng)爭(zhēng)力第一。

2016年正式開源的飛槳，如何能在底層框架這樣馬太效應(yīng)強(qiáng)烈的領(lǐng)域完成彎道超車？

這看似不可思議，但實(shí)際上卻可能有某種必然性。

首先，經(jīng)過(guò)一系列卡脖子事件之后，中國(guó)無(wú)論是硬件還是軟件，都對(duì)安全性有著更高的需求。而更重要的是，中國(guó)AI的產(chǎn)業(yè)體量，也到了不可能不去爭(zhēng)奪底層控制權(quán)的時(shí)期。

根據(jù)IDC預(yù)測(cè)，在2020-2024年中國(guó)人工智能整體市場(chǎng)規(guī)模將保持30.4%的年復(fù)合增長(zhǎng)率，到2024年將達(dá)到172.2億美元，在全球占比從2020年的12.5%上升到2024年的15.6%，實(shí)力位居全球第三，前兩名是美國(guó)和打包在一起的歐洲。

這樣的規(guī)模和增速，意味著中國(guó)的AI產(chǎn)業(yè)來(lái)到了與2011年通信產(chǎn)業(yè)相同的境地：當(dāng)年中國(guó)終于普及3G，用戶數(shù)和市場(chǎng)規(guī)模達(dá)到世界第三，巨大的體量，意味著遵守別人底層規(guī)則產(chǎn)生的摩擦成本以及額外費(fèi)用，會(huì)迅速超過(guò)自建標(biāo)準(zhǔn)和基礎(chǔ)設(shè)施的投入。因此中國(guó)通信產(chǎn)業(yè)既有實(shí)力，也不得不深度介入通信標(biāo)準(zhǔn)制定，而下一年，中國(guó)制定的4G標(biāo)準(zhǔn)成為國(guó)際通信標(biāo)準(zhǔn)之一。

很多時(shí)候，決戰(zhàn)紫禁之巔不是因?yàn)槎髟骨槌?，而是劇情已?jīng)到這里了。

二、“飛槳們”的底氣在哪里？

中國(guó)本土深度學(xué)習(xí)平臺(tái)厚積薄發(fā)的依仗，來(lái)自中國(guó)對(duì)深度學(xué)習(xí)產(chǎn)業(yè)的特殊需求。

雖然從總體而言，深度學(xué)習(xí)平臺(tái)的發(fā)展方向都是更體系化，更專業(yè)化，更低門檻。但是因?yàn)閲?guó)內(nèi)外發(fā)展速度、應(yīng)用場(chǎng)景以及產(chǎn)業(yè)水平的差距，在在解決具體問題上，中國(guó)對(duì)深度學(xué)習(xí)平臺(tái)的要求，往往跟國(guó)外千差萬(wàn)別。

舉例而言，作為擁有14億人口的世界工廠，中國(guó)無(wú)論是制造業(yè)還是服務(wù)業(yè)，任何一個(gè)程序，都可能應(yīng)用到十幾甚至幾十萬(wàn)個(gè)單位和機(jī)構(gòu)，直接面向數(shù)億人，完全不同的用戶體量，一方面決定了中國(guó)場(chǎng)景需求跟國(guó)外需求不完全相同，超大規(guī)模深度學(xué)習(xí)模型訓(xùn)練技術(shù)的需求擺上臺(tái)面，另外還會(huì)催生更多千姿百態(tài)的、低數(shù)量級(jí)用戶完全不需要的應(yīng)用場(chǎng)景。

這樣的總體狀況，使得中國(guó)的深度學(xué)習(xí)對(duì)端到端的推理部署能力和在產(chǎn)業(yè)實(shí)踐當(dāng)中沉淀出來(lái)的模型更為重視。

其次AI市場(chǎng)規(guī)模的快速擴(kuò)張又導(dǎo)致人才相對(duì)稀缺，再加上總體產(chǎn)業(yè)發(fā)展水平還比較落后，因此對(duì)降低AI門檻的需求永無(wú)止境，更進(jìn)一步催化了低代碼乃至無(wú)代碼模型的發(fā)展，而這一切都很難從國(guó)外的深度學(xué)習(xí)平臺(tái)得到幫助，甚至反過(guò)來(lái)是中國(guó)用戶拖著國(guó)外平臺(tái)前進(jìn)，這種溫度差，就是中國(guó)深度學(xué)習(xí)平臺(tái)發(fā)展的動(dòng)力。

但是，中國(guó)AI產(chǎn)業(yè)發(fā)展的需求，是給了所有的深度學(xué)習(xí)平臺(tái)同等的機(jī)會(huì)，為什么飛槳做到了中國(guó)第一？這在很大程度上，是一個(gè)機(jī)會(huì)青睞了有準(zhǔn)備者的故事。

飛槳的競(jìng)爭(zhēng)優(yōu)勢(shì)，首先來(lái)自技術(shù)應(yīng)用能力方面，來(lái)源于百度在AI領(lǐng)域數(shù)十年的技術(shù)積累。早在2013年，百度便成立全球第一個(gè)深度學(xué)習(xí)研究院；而在飛槳誕生之后，百度絕大多數(shù)人工智能項(xiàng)目都是基于飛槳研發(fā)和創(chuàng)新。

相比于其他在后來(lái)才建立的深度學(xué)習(xí)平臺(tái)，飛槳的冷啟動(dòng)有了百度研發(fā)這個(gè)巨大的應(yīng)用場(chǎng)景，不僅提升了工具和框架的易用性和成熟度，而且先期積累了更多人工智能的應(yīng)用模型，特別是從2019年開始，百度AI的能力逐漸下沉，開始跟產(chǎn)業(yè)經(jīng)濟(jì)和生產(chǎn)一線相結(jié)合，在飛槳平臺(tái)上也展現(xiàn)出越來(lái)越多的產(chǎn)業(yè)項(xiàng)目，這些與產(chǎn)業(yè)相結(jié)合的人工智能應(yīng)用模型，使得飛槳獲得了更強(qiáng)的競(jìng)爭(zhēng)力。

因?yàn)橛羞@樣的先期發(fā)展基礎(chǔ)，所以飛槳有著更強(qiáng)的比較優(yōu)勢(shì)，所以很快迎來(lái)了迅速發(fā)展的機(jī)會(huì)，平臺(tái)服務(wù)規(guī)模開始不斷擴(kuò)張。

相比于其他平臺(tái)，飛槳不僅擁有便捷的開發(fā)框架，而且還有多端多平臺(tái)部署的高性能推理引擎、產(chǎn)業(yè)級(jí)開源模型庫(kù)，以及更適合中國(guó)AI場(chǎng)景的超大規(guī)模深度學(xué)習(xí)模型訓(xùn)練技術(shù)。大規(guī)模分布式訓(xùn)練能力在真正的工業(yè)化場(chǎng)景應(yīng)用更加契合，因此用戶數(shù)實(shí)現(xiàn)快速增加。

根據(jù)《深度學(xué)習(xí)平臺(tái)發(fā)展報(bào)告（2022）》顯示，在過(guò)去一年半里，飛槳的項(xiàng)目貢獻(xiàn)人數(shù)（Contributors）增速為60%，關(guān)注度增速為37.6%。均超過(guò)了國(guó)際主流框架。而在總數(shù)上，無(wú)論是活躍度，還是關(guān)注度和貢獻(xiàn)人數(shù)，飛槳均超過(guò)其余國(guó)產(chǎn)框架總和。

總體而言，飛槳發(fā)展的最根本動(dòng)力，還是來(lái)自于中國(guó)人工智能進(jìn)入大規(guī)模工程落地階段，深度學(xué)習(xí)隨著AI進(jìn)入千行百業(yè)，而需求的推動(dòng)又引發(fā)中國(guó)AI能力的厚積薄發(fā)，和AI研發(fā)者的迅速增加，最終帶動(dòng)了國(guó)產(chǎn)平臺(tái)的迅速發(fā)展。

從這種意義上講，飛槳們的崛起，是我國(guó)算法開發(fā)能力、產(chǎn)業(yè)和生態(tài)積累至今的總和。

三、“黃金十年”的舞臺(tái)

在未來(lái)，AI將迎來(lái)“黃金十年”，而深度學(xué)習(xí)平臺(tái)，有可能成為新時(shí)代的“操作系統(tǒng)”。

有機(jī)構(gòu)預(yù)測(cè)，到2030年，AI可能使全球總產(chǎn)量增長(zhǎng)約13萬(wàn)億美元，并推動(dòng)全球GDP每年增長(zhǎng)約1.2%，而在這一輪人工智能帶動(dòng)的增長(zhǎng)中，深度學(xué)習(xí)仍是主導(dǎo)路線，并且會(huì)隨著產(chǎn)業(yè)發(fā)展對(duì)AI底層基礎(chǔ)設(shè)施提出更高要求，以科技巨頭引領(lǐng)的平臺(tái)化生態(tài)布局正不斷加速。正如百度CTO王海峰所言，在人工智能工業(yè)大生產(chǎn)階段，深度學(xué)習(xí)平臺(tái)下接芯片、上承應(yīng)用，相當(dāng)于“人工智能時(shí)代的操作系統(tǒng)”，處于人工智能技術(shù)體系的關(guān)鍵核心位置。

因此，飛槳們并非是一個(gè)“圖方便”的國(guó)內(nèi)自有平臺(tái)，或者提升國(guó)內(nèi)AI產(chǎn)業(yè)獨(dú)立性的防御體系，而是是一張通往未來(lái)的船票。它的能力還未完全發(fā)揮，未來(lái)在驅(qū)動(dòng)產(chǎn)業(yè)賦能，推動(dòng)AI發(fā)展上還有更大的空間。

首先，當(dāng)前深度學(xué)習(xí)平臺(tái)主要是幫助軟件開發(fā)者，但是長(zhǎng)遠(yuǎn)來(lái)看，深度學(xué)習(xí)平臺(tái)是鏈接軟硬件的橋梁，平臺(tái)能夠與芯片企業(yè)共同圍繞軟硬協(xié)同進(jìn)行聯(lián)合優(yōu)化，從而提升對(duì)差異化的硬件芯片的適配能力，最終提升整體的AI性能，起到“操作系統(tǒng)”的作用，比如百度飛槳就與硬件廠商深入合作，進(jìn)行廣泛模型適配并開展軟硬一體聯(lián)合優(yōu)化，目前已與超過(guò)20個(gè)廠家，30種以上的芯片完成適配工作，并聯(lián)合發(fā)起硬件生態(tài)共創(chuàng)計(jì)劃。

其次，深度學(xué)習(xí)平臺(tái)還能夠進(jìn)一步提升賦能平臺(tái)廣度，向更多行業(yè)更多領(lǐng)域拓展，并通過(guò)提供端到端代碼實(shí)現(xiàn)方案降低行業(yè)創(chuàng)新門檻，如飛槳提供超過(guò)500個(gè)精選算法和預(yù)訓(xùn)練模型，其中就包含了經(jīng)過(guò)產(chǎn)業(yè)實(shí)踐長(zhǎng)期打磨的主流模型；結(jié)合產(chǎn)業(yè)實(shí)際場(chǎng)景、精心打造了精度與性能平衡PP系列特色模型，覆蓋目標(biāo)檢測(cè)、OCR、語(yǔ)音理解等多個(gè)高頻應(yīng)用場(chǎng)景，可以讓AI產(chǎn)業(yè)應(yīng)用時(shí)達(dá)到事半功倍的效果；飛槳產(chǎn)業(yè)范例庫(kù)和產(chǎn)業(yè)模型選型工具則以真實(shí)產(chǎn)業(yè)場(chǎng)景和數(shù)據(jù)為藍(lán)本進(jìn)行研發(fā)，涵蓋智慧城市、智能制造等多個(gè)領(lǐng)域，助力企業(yè)靈活運(yùn)用模型和開發(fā)套件構(gòu)建完整的落地方案，直達(dá)項(xiàng)目落地，降低AI產(chǎn)業(yè)落地難度。

最后深度學(xué)習(xí)平臺(tái)不僅是AI開發(fā)者的聚集地，同時(shí)也是孵化器，當(dāng)前，深度學(xué)習(xí)平臺(tái)正通過(guò)組織培訓(xùn)、技術(shù)指導(dǎo)、賽事等活動(dòng)等方式，與開發(fā)者共建社區(qū)生態(tài)。同時(shí)，通過(guò)組織人工智能賽事活動(dòng)，推動(dòng)在前沿研究、產(chǎn)業(yè)應(yīng)用中的AI技術(shù)難點(diǎn)攻關(guān)。

總而言之，雖然從客觀上來(lái)講，飛槳等國(guó)內(nèi)平臺(tái)只是邁出了萬(wàn)里長(zhǎng)征第一步，距離其成為AI產(chǎn)業(yè)核心驅(qū)動(dòng)力的“完全形態(tài)”還有很長(zhǎng)的距離，但是深度學(xué)習(xí)平臺(tái)的增長(zhǎng)并非是線性增長(zhǎng)，而是技術(shù)水平、算力、用戶規(guī)模、模型數(shù)量的復(fù)合型增長(zhǎng)，在“乘數(shù)效應(yīng)”的驅(qū)動(dòng)下，可以想見，在不遠(yuǎn)的未來(lái)，深度學(xué)習(xí)平臺(tái)會(huì)在近至自動(dòng)駕駛，遠(yuǎn)至天地探測(cè)，小到蛋白質(zhì)折疊預(yù)測(cè)，大到核聚變裝置控制的廣闊領(lǐng)域里，為我們的技術(shù)發(fā)展帶來(lái)新的曙光。

所以，中國(guó)的深度學(xué)習(xí)平臺(tái)并不只是逆襲，更是在順風(fēng)飛翔。

作者：錢皓

編輯：安吉拉