十九屆五中全會公報提出，要“把科技自立自強作為國家發展的戰略支撐。”

公報更進一步強調了科技的自立自強，并明確提出到2035年關鍵核心技術要實現重大突破。這表明，“十四五”期間，科技創新會被提升到一個更高的戰略位置，以改變當前對美國技術依賴性強的被動局面，并成為拉動未來經濟發展的重要力量。

這也是公報首次將科技自立自強提高到國家戰略的地位，這個變化給中國的創新力量們注入了一針強心劑。尤其是在過去的幾年間，由于貿易保護主義與逆全球化抬頭，眾多領域都受到了來自外國產業鏈的掣肘，科技自立自強確實到了迫在眉睫的地步。

必須承認，在PC時代與互聯網時代，我們錯失了關鍵的突圍機會，那么，在世界公認的下一站AI時代里，我們必須掌握主動，拒絕“卡脖子”。

被稱為AI時代“操作系統”的深度學習框架的重要性被發掘了出來。

作為自主可控核心技術諸多選項中的一個，深度學習在AI體系內的關鍵價值在于，它是AI向更深層次發展必經的技術壁壘，也是科技巨頭轉型角逐AI時代的核心內容。

深度學習框架助燃新工業革命，自主可控是當務之急

深度學習到底有多重要？

我們先來看看人工智能的進化過程，從最開始的人工規則到機器學習，再到深度學習，非生物體有了思考和學習的方法路徑，簡單來說就是通過大量的數據“訓練”，然后做出決策和預測。

深度學習框架則是對底層語言和重要算法模型進行封裝，對于我們現實世界而言，其技術價值主要體現在通過專家經驗的移植與復制，讓機器進一步渠道低水平的重復勞動，從而提高整體效率。

以上描述或許有些生澀，那么我們來看一個案例。

河北工業大學教授劉晶兩個月時間跑了一百多家鋼鐵廠，把老師傅們三十年時間積累的鋼鐵熔煉配料經驗，在百度飛槳平臺上用三秒就做出了最優配比AI模型，更厲害的是，這個模型每年可為鋼鐵企業節省10％的原材料，配料計算時間節省90％。

將人類歷史歷次工業發展變革進行類比，深度學習框架實際上也提供了一個“標準化、自動化、模塊化”的生產平臺，只不過這個平臺架構在虛擬的數字空間，生產的東西變成了“AI應用”。

“得框架者得AI”，巨頭們開始在深度學習領域跑馬圈地，靠的就是深度學習框架。

Facebook推出了Caffe、PyTorch平臺、Google推出了TensorFlow平臺、百度推出了飛槳平臺，亞馬遜推出了MXNet平臺……在目前大大小小幾十種開源框架中，Google 2015年開源的TensorFlow，以及Facebook的PyTorch份額最大，幾乎是當下使用最廣的兩個深度學習框架。

根據IDC去年發布的《中國深度學習平臺市場份額調研》顯示，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，雖然Google、Facebook和百度占據了國內絕大部分市場份額。

（IDC《中國深度學習平臺市場份額調研》各家排名）

類似于操作系統和芯片，深度學習框架也具有贏家通吃的特征。一旦國外技術占據了上風，深度學習框架規則的制定也將具有排他性，AI在深層領域的通用技術也將受到框架的規定和限制。

雖然目前包括TensorFlow、PyTorch在內的深度學習框架都是開源的，但并不能排除哪一天停止開源，屆時深度融入國外深度學習框架生態的中國公司將不得不面臨研發停滯的局面，而切換新的深度學習框架，又要經歷一段重新融入新生態的磨合。

鑒于此，自主可控的深度學習框架對于中國來說，不但重要，而且必要。

百度飛槳的自強之路，深度學習的“國貨之光”

如果說中國有深度學習框架能和TensorFlow、PyTorch掰手腕，那應該是飛槳。

作為中國首個開源開放、功能完備的深度學習平臺，飛槳可以說凝聚了百度領先的人工智能技術，也是百度在AI賽道長期布局、開花結果的體現。

1、技術沉淀深：率先起跑，一步領先步步先

“幫人做一件事”和“教人做一件事”在本質上是不同的。

當我們用AI來解決問題時，如果將“幫人做一件事”比喻成AI應用，拿來即用，那么“教人做一件事”就是深度學習框架，告訴你如何來做一個可以用來解決問題的AI應用。

很明顯，“教人做一件事”的路徑更長，要求的能力更高，就像成為一名優秀的老師一樣，需要長時間的積累和沉淀，才能完成能力的對外輸出。

飛槳的積淀來自于布局早。

百度的深度學習歷史可以追溯到2013年設立全球首個深度學習研究院，這個時間比大多數AI企業切入AI領域還要早。

2016年飛槳正式開源，之后的2017年，百度又在國家發改委批復下牽頭籌建了國內唯一的深度學習技術及應用國家工程實驗室。

起早布局的結果是百度形成了很難被追趕的深度學習積累，不論是率先開源還是籌建實驗室，在國內都不存在對手。其他提供深度學習開發服務的AI企業，其發展階段還遠未到能夠開源或被官方認可的程度。

2、落地場景多：賦能百業，價值轉化看得見

作為一項技術，其價值的大小與之落地對產業改變程度的多少是成比例的，這里有兩個衡量維度，一是看賦能行業場景的多少，二是看每個落地場景效率提升的多少。

飛槳作為深度學習框架“國貨”，推動產業應用是它的主力方向，迄今服務賦能涉及農林、醫療、工業制造、消費類電子、電力能源、交通、環保等多個領域。

比如在林業管理中，紅脂大小蠹是非常嚴重的害蟲災害，過去，林業管理系統需要通過人力監測來預報和治理蟲情，現在，北京林業大學在百度飛槳支撐下研發的智能蟲情監測系統，1小時可完成原本研究院一周的觀察工作量，大大提升了災害防治的效率；

又比如，飛槳攜手國家電網和山東信通打造了電網智能巡檢方案，其中分析準確率達到90％，報警響應速度更是從小時級提升為秒級，再次證實了技術驅動的高效能力。

再比如，OPPO基于飛槳的大規模分布式訓練技術研發的推薦系統，訓練速度提升了8倍，模型擴大了20倍，推薦場景效果提升4％－5％，內存節省90％，為OPPO應用商店業務帶來了巨大的價值轉化。

飛槳與華為達成合作，雙方在硬件底層打通，可以為端側AI提供強勁算力，這一點在輸入法應用上體現得特別明顯：性能提升25％，內存節省22％，功耗降低50％，而且表現更加穩定，不會受到CPU的負載影響。

（深度學習框架與硬件打通可以優化手機應用的使用體驗）

飛槳所有的場景落地都是用可視化的數字讓應用價值明明白白的被看見，這既是飛槳的能力，也是飛槳能夠成為最受歡迎的中文深度學習框架的底氣。

3、易用易部署：開源開放，打造全產業生態

深度學習框架落地場景多說明它“好用”，但若要完成大范圍普及，深度學習框架還要做到“易用”，在部署時也要盡可能簡便，最好可以“開箱即用”。

飛槳正是這樣一個“寶藏”平臺，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，具備從開發到訓練再到部署的全鏈條無死角的系統化能力。

例如，在開發環節，飛槳已開源100多個經過真實業務場景驗證的官方模型，涵蓋視覺、NLP、推薦等AI核心技術領域，成為官方支持模型最多的深度學習平臺。比如視頻識別工具包，能為開發者解決視頻理解、視頻編輯、視頻生成等一系列任務，可實現一鍵式的高效配置來做訓練和預測；

在訓練環節，飛槳在提升協同訓練效率的通俗，還在大幅度放松訓練所需求的軟件、硬件、帶寬環境，通俗理解就是在各種學習條件下都能“好好學習”；

在部署環節，飛槳的軟硬一體能力起到了重要作用，有針對多硬件支持的底層加速庫和推理引擎Paddle Mobile以及Paddle Serving等，打個比方就是，除了教會學生知識，還給他們快速適應環境、實踐上手的能力。

以上可以看到，飛槳在想方設法降低千行萬業應用AI的門檻，讓“用戶”快速上手，實現生產力；讓產業無縫進入AI時代，完成變革。

成為產業的AI基座，中國技術自強的時代利器

在前三次產業革命中，中國都是被邊緣化的看客，如今站在第四次產業革命的起點，我們顯然不會錯過這個“再次崛起”的機會，那么誰能承擔起中國在AI時代的產業基座呢？

就目前來看，百度飛槳責無旁貸。

特別是在“新基建”的風口之下，飛槳在獲得發展機遇的同時也被寄予了更多的期望，中國技術自強的破局期望。

平心而論，飛槳通過開放大規模深度學習模型訓練技術，在訓練規模和訓練效率上（支持萬億級規模參數的模型訓練）與TensorFlow和PyTorch不遑多讓，特別是為了進一步降低人工智能的應用門檻，推出無需代碼編寫的人工智能建模工具EasyDL，使用者通過頁面拖拽操作和少量數據上傳即可創造出定制化的人工智能模型，以此來平衡專業人才與AI需求之間的矛盾。

百度飛槳技術領先、功能完備、便捷易用的特性，使其成為中國技術自強的代表，將視野放得更高一些，飛槳還將成為中國破局深度學習框架自主可控的一柄利器。

在不久前的百度世界2020大會上，飛槳又迎來再次進化。

作為百度大腦“軟硬一體AI大生產平臺”的“軟”的層面，飛槳動態圖功能升級實現了動靜態的結合，讓用戶更容易開發模型；全面升級的API體系，則對于開發者更加友好。同時在硬件上適配22種芯片型號，覆蓋15家硬件廠商，對國產硬件的支持超過TensorFlow和PyTorch。

（飛槳深度學習平臺在百度世界2020大會上發布更新）

此外，在“硬”的層面，此次大會百度自研的AI芯片百度昆侖2預發布，相比2018年發布的中國首款云端通用AI處理器“百度昆侖1”，百度昆侖2的性能大幅提升，能夠更好地滿足各種場景的AI計算需求。百度飛槳，加上百度昆侖，軟硬一體，使得中國在AI操作系統和AI芯片兩大AI核心底層技術上擁有了自主知識產權。

百度創始人、董事長兼CEO李彥宏也在百度世界2020上表示，AI技術研發需要長期堅持，因為它的商業價值不可能在短短幾年之內就體現出來，需要科技人員有雄心、有耐心、耐得住寂寞，而且要有堅定的信仰，相信自己一定要掌握這門技術。“‘沒有一種堅持會被辜負’，我們堅信，只要堅持下去，一定會獲得相應的成果。”

操作系統上，我們錯過了；芯片，我們也錯過了。

深度學習框架還沒掉隊，我們要挺住。

責任編輯：PSY