日前，美媒《華爾街日報》報道稱：美國羨慕中國的基礎設施，并希望加強基建以夯實美國經(jīng)濟增長。事實上，對“基礎設施”的建設，除了短期內(nèi)可拉動增長刺激就業(yè)外，更重要的意義是“有力地支持全領域共同繁榮”。我國的十四五規(guī)劃中，“科技創(chuàng)新”成為焦點，加強科技的基礎設施建設，從而更高效、高質(zhì)量的實現(xiàn)全領域共同進步。中國科技新基建再次當先。

　　宜早不宜遲的“科技新基建”

　　人工智能是科技新基建的核心之一，而深度學習又是人工智能的先鋒。自 2012 年深度學習取得突破性進展，眾多深度學習框架應運而生，成為研究者和業(yè)界工作者的新寵。不管深度學習研發(fā)進行的多么火熱，都要轉(zhuǎn)化為生產(chǎn)力和商業(yè)價值，最終落地到產(chǎn)業(yè)中，而且宜早不宜遲。

　　實踐鑒差距。“做不做得出來”跟“用不用得起來”差的完全是“從0到1”的決定性距離。從早期的學術框架 Caffe、Theano，到如今有業(yè)界背景的大規(guī)?？蚣躊ytorch，TensorFlow以及國內(nèi)最早開源的飛槳PaddlePaddle來看， AI新基建絕非一朝一夕可成，需要長期持續(xù)的投入和產(chǎn)業(yè)實踐打磨，方可有所沉淀。

　　2016年，百度PaddlePaddle就打響了國產(chǎn)深度學習框架開源的第一槍，成為我國首個自主研發(fā)的產(chǎn)業(yè)級深度學習平臺。2019 年 4 月，在 Wave Summit 深度學習開發(fā)者峰會上，PaddlePaddle發(fā)布中文名“飛槳”，開始強調(diào)自己更適合中國開發(fā)者，以及更加專注于深度學習模型的產(chǎn)業(yè)實踐。2020年5月，飛槳作為百度大腦“AI大生產(chǎn)平臺”的基礎底座，構(gòu)建“飛槳開源深度學習平臺”和“飛槳企業(yè)版”，更精準地服務各類AI模型開發(fā)訓練與部署。

　　其中，飛槳開源深度學習平臺已涵蓋核心框架、基礎模型庫、端到端開發(fā)套件與工具組件，為產(chǎn)業(yè)、學術、科研創(chuàng)新提供基礎底座。飛槳企業(yè)版包括零門檻AI開發(fā)平臺EasyDL和全功能AI開發(fā)平臺BML，滿足企業(yè)快速智能化需求。飛槳全平臺功能與開發(fā)流程成熟完善，完全站在使用者角度定義技術迭代。今年3月，飛槳核心框架已正式升級為2.0版本。飛槳生態(tài)凝聚了超過265 萬開發(fā)者，服務 10萬多家企業(yè)，創(chuàng)建超過 34 萬個模型。

　　權(quán)威數(shù)據(jù)調(diào)研機構(gòu)IDC公布了2020年下半年深度學習框架平臺市場份額報告， 數(shù)據(jù)顯示，Google、百度、Facebook穩(wěn)居前三，占據(jù)70%以上市場份額。其中，百度占比提升3.38%增速第一，綜合市場份額位列第二。

　　高性能+高效率=萬物皆智能、一切可編程

　　人類使用工具這事兒可以追溯到史前文明。工具的意義在于輔助勞動，省時省力，這也是飛槳作為工具存在的意義。能被廣泛開發(fā)者用起來的工具也才是好工具。要知道，這個時代對于很多人來講，搶時間就是搶市場、搶優(yōu)勢、搶奪競爭力。以飛槳最新發(fā)布的框架2.0正式版為例，更便利高效且通用的AI開發(fā)與訓練部署，正方便著各個領域中的企業(yè)用AI技術建立自己的智能化領先優(yōu)勢。

　　具體來看，首先此次升級后，飛槳框架2.0 可支持用戶使用動態(tài)圖完成深度學習相關領域全類別的模型算法開發(fā)，這標志著飛槳的動態(tài)圖功能已經(jīng)成熟完備。不僅方便開發(fā)者隨時查看變量輸入、輸出的動態(tài)情況，更有助于調(diào)試程序便捷化，減少了憑手感與玄學的“盲調(diào)”。同時，飛槳框架 2.0 還做到了模型存儲和加載的接口統(tǒng)一，保證“動轉(zhuǎn)靜”之后保存的模型文件能夠被純動態(tài)圖加載和使用。就像靜態(tài)圖像與動態(tài)視頻一樣，可以一鍵“高畫質(zhì)”互相轉(zhuǎn)換，實際上是方便了使用端的操作。此外，官方支持的動態(tài)圖算法數(shù)量達到了270+，涵蓋計算機視覺、自然語言處理、語音、推薦等多個領域，并且在動態(tài)圖的訓練效率和部署效率方面都有所提升。

　　人工智能的價值，是通過軟件編程實現(xiàn)虛擬化、靈活、多樣和定制化功能，并最終向各個行業(yè)和人群提供專用的智能化、定制化服務。軟件與硬件在深度融合時的核心就是API。AI時代里，API之上一切皆可編程，而API之下，則要求“如無必要不增實體”，所以API絕對是技術對外輸出、以怎樣的方式實現(xiàn)可用的關鍵點。飛槳框架2.0也對自身 API 體系進行了全新升級，包括體系化梳理和簡潔化處理。簡單來說，就是把AI技術對外的輸出“路徑”變得更加好用，更加兼容，方便技術的“一鍵輸出”。

　　在訓練層面上，飛槳框架2.0在支持萬億規(guī)模稀疏參數(shù)基礎上，也已實現(xiàn)支持千億規(guī)模稠密參數(shù)模型訓練。作為“從實踐中來，到實踐中去”的技術，AI的可用性與高效性，必然都是從實踐中獲得的。分布式訓練源自于百度自身的場景需求，可謂是飛槳與生俱來的特性。此外，在飛槳框架2.0 版本中，還新增支持了混合并行模式，即數(shù)據(jù)并行、模型并行、流水線并行這三種并行模式可以相互組合使用，可更高效地將模型的各網(wǎng)絡層甚至某一層的參數(shù)切分到多張 GPU 卡上進行訓練，從而真正支持不同場景下的千億規(guī)模稠密參數(shù)模型訓練。

　　“領先性”直接轉(zhuǎn)化為“降本”

　　飛槳框架2.0推出業(yè)內(nèi)首個“通用異構(gòu)參數(shù)服務器”技術，可使訓練任務對硬件型號不敏感，即可以同時使用不同的硬件混合異構(gòu)訓練。通過異構(gòu)參數(shù)服務器模式，用戶可以在異構(gòu)硬件集群中部署分布式訓練任務，目的是對不同算力的芯片高效利用，獲得更高吞吐，更低資源消耗的訓練能力。異構(gòu)參數(shù)服務器擁有非常高的性價比，如下圖所示，僅用兩個CPU機器加兩個GPU機器就可以達到與4個GPU機器相仿的訓練速度，而成本至少可以節(jié)約35%。

　　飛槳還著力建起業(yè)界最為完備的硬件合作生態(tài)。作為一塊“智能革命”的磚，AI必須哪里有需要就往哪里搬。所以如何“搬過去”就很關鍵了。飛槳全面深度適配各種人工智能硬件，除了英特爾、英偉達、ARM等諸多芯片廠商，還有飛騰、海光、鯤鵬、龍芯、申威等 CPU，并結(jié)合麒麟、統(tǒng)信、普華操作系統(tǒng)，以及百度昆侖、海光 DCU、寒武紀、比特大陸、瑞芯微、高通、英偉達等 AI 芯片深度融合。此外，還和浪潮、中科曙光等服務器廠商合作形成軟硬一體的全棧AI基礎設施。當前飛槳已經(jīng)適配和正在適配的芯片或 IP達到 29款。

　　現(xiàn)如今，AI 的大規(guī)模落地已經(jīng)步入快車道，深度學習技術不斷發(fā)展，以飛槳為首的國產(chǎn)框架迎來時代機遇。2021 年，基于飛槳的企業(yè)級開發(fā)工具庫數(shù)量越來越多，內(nèi)容越來越豐富，加入飛槳生態(tài)社區(qū)的用戶越來越多，它正在成為加速這個時代走向智能化的重要驅(qū)動力。可以說， 飛槳“技術賦能萬物”的磅礴力量正在顯現(xiàn)。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內(nèi)容。本站不承擔此類作品侵權(quán)行為的直接責任及連帶責任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請及時聯(lián)系我們，本站將會在24小時內(nèi)處理完畢。