三言财經3月31日消息，作為推動AI應用大規模落地的關鍵力量，深度學習架構的重要性日益凸顯。它不僅關系國計民生的行業和領域廣泛的應用，同樣也對資訊系統的科技安全有着決定性的意義。
“深度學習架構在人工智能技術體系中，處于貫通上下的腰部位置，它下接晶片、上承應用。”3月31日 ，在百度AI開放日《AI呀，我去！》第五期活動上，百度AI技術生态總經理馬豔軍博士系統分享了深度學習領域的競争格局、中國自研深度學習架構的發展突破和未來趨勢。
（AI技術生态總經理 馬豔軍博士現場分享）
和PC時代的作業系統Windows、移動網際網路時代的IOS和安卓類似，深度學習架構是智能時代的作業系統，它和晶片一起共同構成了人工智能的基礎設施，深度學習架構的重要性不亞于晶片。在“十四五”規劃中，“深度學習架構”被列入“新一代人工智能”領域，成為國家重點支援的前沿創新技術。
在深度學習架構這一AI核心技術上，即便面臨門檻高、生态建設難等困難，中國企業也必須掌握主動權。截至2021年12月，百度“飛槳”深度學習平台，已經沖破了過去在中國市場上谷歌、Facebook的壟斷局面，成為中國深度學習平台綜合市場佔有率第一。目前，人工智能進入大規模落地階段，越來越多的開發者和企業正在基于國産深度學習平台開展智能化轉型應用。
中國産業智能化轉型如何實作技術突圍？
國産深度學習架構面臨三大難點
深度學習架構正在讓AI應用變得更簡單。基于深度學習架構，企業可以根據自身行業的特點和場景需要，更快更便捷地開發AI應用，不再需要從0到1地搭建地基，極大提升了産業智能化的效率和水準。
不論從AI技術發展還是産業應用來說，深度學習架構都處于非常核心的位置。自2013年開始，全球人工智能學術界以及産業界各研發主體陸續開源旗下自主研發深度學習架構，并以架構為核心搭建人工智能開放平台，推動人工智能産業生态的建立。以Google的TensorFlow、 Facebook的PyTorch兩款深度學習架構為代表的深度學習架構起步早、發展快，占據了業界主導地位。
早在2017年，國家發改委正式批複，籌建深度學習技術及應用國家工程實驗室，中國深度學習架構逐漸從國際競争中突圍。2021年，IDC報告顯示，中國首個開源開放的深度學習平台百度“飛槳”，在中國深度學習市場中的綜合份額已超越其他國際巨頭，成為中國第一。這使得大陸人工智能技術開發者和使用者不必依賴于國外平台，同時還可進一步依托國産平台培育産業生态。
然而，中國自研深度學習架構想要在國際競争中取得領先，還有很長的路要走。馬豔軍指出，目前中國深度學習架構的發展仍需突破三大關鍵點：技術實力、功能體驗、生态規模。
首先，技術創新方面，深度學習架構的研發需要人工智能領域底層技術人才，大陸在這一領域的儲備仍有不足。
其次，在應用體驗方面，由于中國是全球産業鍊最為完備的國家，産業體系複雜，中小企業轉型需求迫在眉睫。但在應用AI、促進企業智能化轉型的過程中，僅一項技術應用，從實驗室到産業落地就至少需要3-6個月時間，一個低門檻甚至零門檻的開發平台極為重要。
在開發應用生态方面，深度學習是一個典型的共創型技術領域，隻有建構了自己的生态才實作持續疊代和發展。然而建構生态周期長、成本高，而且隻有當國産架構的技術和功能體驗足以滿足開發者的需求時，才有機會培育起自主創新的AI開發應用生态。
深度學習架構或将決定未來5年AI産業格局
百度飛槳已成為中國市場第一
在全球深度學習領域，國外開發者主要基于TensorFlow、PyTorch、MxNet等國外深度學習架構進行人工智能算法、模型的開發、訓練與部署。中國人工智能企業開發的深度學習架構在社群繁榮度、開發者數量等方面還存在一定差距。
不過，以飛槳為代表的中國深度學習架構正在發展成為更适合産業需求、更受中國開發者歡迎的開源開放平台。一方面，中國深度學習架構不斷紮根實際應用場景，牢牢抓住了開發者和企業智能化更新的需求，降低人工智能技術的應用門檻。另一方面，中國深度學習架構與更多晶片廠商深度适配并融合，形成了軟硬協同優勢。
“中國企業和産業有自身的特點，例如在工業、農業、物流、金融等領域，中國企業對AI技術的需求也有其獨特性。國産深度學習架構，如果既能在功能上大量滿足中國産業需求，同時又低門檻、簡單易開發，那将有很大機會在産業級落地上實作彎道超車。”馬豔軍表示。
以百度飛槳為例，經過對大量真實生産場景的反複打磨，已經能夠使傳統企業在智能化轉型中實作高性能開發、大規模訓練、不同場景和不同軟硬體平台靈活部署。更重要的是，飛槳已經和包括百度昆侖芯、華為昇騰、英特爾、英偉達在内的22家國内外硬體廠商，完成了31種晶片的适配和優化，覆寫全部國内外主流晶片，最大程度幫助企業降本增效。
（飛槳與晶片适配情況概覽）
截至2021年12月，飛槳已經沖破了過去在中國市場上谷歌、Facebook的壟斷局面，成為中國深度學習平台綜合市場佔有率第一。目前，飛槳平台已經彙聚了406萬開發者，建立了47.6萬個 AI 模型，累計服務15.7萬企事業機關，覆寫工業、農業、醫療、城市管理、交通、金融等領域。
（飛槳全景圖）
随着目前中國産業數字化轉型的不斷深入，中國深度學習架構的生态布局正在工業、交通、能源、城市等千行百業“開花結果”。以智慧交通領域為例，高鐵接觸網挂異物導緻列車晚點的事件時有發生，一塊小小的異物，就可能影響上百萬人的出行。此前，依靠傳統的人工巡檢需要每天每條線路安排10到20名軌道檢修工，不但人工成本高，還很難保證及時地檢測與處理。經過一些嘗試後，成都國鐵最終采用飛槳研發了一套“軌道線上智能巡檢系統”，實作了對軌道缺陷全天候的智能判斷。一套飛槳智能巡檢系統，讓城市的守護者不必再披星戴月。
馬豔軍介紹稱，随着中國深度學習架構的開源開放以及更大規模的産業應用落地，未來中國深度學習架構的應用場景将會更加豐富，成本和門檻也會進一步降低。同時，深度學習架構将與科學計算、量子計算、生命科學等更多前沿産業進行融合創新。
不容忽視的是，中國深度學習架構仍面臨着适配部署複雜、應用開發困難等難題，構築自主可控的深度學習和人工智能産業生态道阻且長，但它或将決定未來5年AI技術格局和産業水準。馬豔軍表示：“盡管深度學習架構屬于高投入、長周期、搶生态的競争，但已經得到國家和企業的戰略性支援，是開啟下一個AI時代的鑰匙。“