時局如此，國產(chǎn)AI框架雄心更盛。氣勢更足、功能更新力度更大、開發(fā)者羊毛更豐厚……而且新發(fā)布還不是全部，已獲得的成績也相當亮眼：先用AI算法為中國傳統(tǒng)產(chǎn)業(yè)節(jié)省了1個億。這就是百度旗下AI開源框架飛槳(PaddlePaddle)，剛剛秀出的肌肉。

　　2016年開源至今，飛槳目前有150萬AI開發(fā)者，超過6.5萬企業(yè)用戶，在定制化訓練平臺上發(fā)布了16.9萬個模型。儼然中國第一大深度學習開源平臺。并且形勢所迫，自主可控也成為AI框架等基礎平臺發(fā)展要求之一。所以在此次飛槳更新發(fā)布中，也無處不透露著“國家隊”擔當。

　　在采訪中，百度方面透露，飛槳不僅是完全自主知識產(chǎn)權的深度學習平臺，而且在分布式訓練的性能以及易用性上，都超過了國內外競爭對手。那么接下來如何實現(xiàn)更多場景、更全面地同場競技優(yōu)勢?此次的九大新產(chǎn)品、上億新羊毛，以及進一步產(chǎn)業(yè)落地，就更值得關注。

　　九大新產(chǎn)品都是啥？

　　在“WAVE Summit+”2019深度學習開發(fā)者秋季峰會上，飛槳迎來全面升級。

　　百度CTO、深度學習技術及應用國家工程實驗室主任王海峰，率先登臺分享最新思考，他說：深度學習正在推動人工智能進入工業(yè)大生產(chǎn)階段，具有很強的通用性，同時具備了標準化、自動化和模塊化的基本特征，推動人工智能技術從實驗室走向產(chǎn)業(yè)，并且越來越大規(guī)模使用起來。而深度學習技術和平臺也在不斷發(fā)展，在未來的時間里也將繼續(xù)發(fā)揮重要作用。我們秉承開源開放的理念，把飛槳平臺開源開放，與所有開發(fā)者一起，推動科技發(fā)展、產(chǎn)業(yè)創(chuàng)新和社會進步。

　　此次飛槳一共有9大產(chǎn)品全新發(fā)布：包含一個模式、一個端側推理引擎、四大產(chǎn)品開發(fā)套件，三個工具組件。具體詳情如下：

　　首先，一個模式，指的是飛槳Master模式。

　　百度AI技術平臺體系執(zhí)行總監(jiān)、深度學習技術及應用國家工程實驗室副主任吳甜介紹說：飛槳是一個源于產(chǎn)業(yè)實踐，與產(chǎn)業(yè)共進的深度學習開源開放平臺。未來，飛槳將持續(xù)發(fā)展超大規(guī)模分布式計算、異構計算能力，定位于全硬件平臺支持、端云邊結合，為應用場景提供面向場景的端到端套件，構建融合數(shù)據(jù)和知識的預訓練結合遷移學習的Master開發(fā)模式，為開發(fā)者提供最強大的生產(chǎn)平臺和基礎設施，加速產(chǎn)業(yè)智能化。

　　核心是依靠百度的強大算力，提升開發(fā)者在部署模型時的移動性。具體來說，開發(fā)者只使用自己的少量標注數(shù)據(jù)，加上飛槳的遷移學習工具，就能將自己的算法模型快速部署到自己的應用場景中。帶來的直接影響，是面向產(chǎn)業(yè)場景平臺開發(fā)時，降低工作量，提升模型的準確度、可靠性。

　　其次，一個端側推理引擎，指的是Paddle Lite 2.0。這一輕量級深度學習推理框架，在今年8月份正式發(fā)布。這次的升級中，專注易用性，提供了預測到部署完整工具鏈，只需要7行代碼調用Resnet50，也支持極致輕量級部署。硬件支持也更加廣泛，移動端支持8種主流硬件，新增華為NPU和邊緣設備FPGA支持，寒武紀、比特大陸等國產(chǎn)硬件的支持也在路上。在架構設計上對硬件擴展也更加友好。最后是性能，百度深度學習技術平臺部總監(jiān)馬艷軍，現(xiàn)場放出了與其他幾家主流框架的性能對比圖，基本上都是“吊打”狀態(tài)：

　　第三，四大面向場景的端到端開發(fā)套件，也是飛槳體系中完全新增的模塊。覆蓋語義理解、圖像分割、目標檢測，以及個性化推薦。

　　包含ERNIE 2.0，一個基于持續(xù)學習的語義理解預訓練框架，號稱在16個中英文任務全面超越對標產(chǎn)品。核心亮點在于，新構建的預訓練任務類型可以無縫的加入訓練框架，持續(xù)的進行語義理解學習。

　　還有PaddleSeg，產(chǎn)業(yè)級圖像分割庫，提供了18個預訓練模型，覆蓋了DeepLabv3+, U-Net, ICNet三類主流的分割模型。通過統(tǒng)一的配置，幫助用戶完成從訓練到部署的全流程圖像分割應用。

　　以及目標檢測庫PaddleDetection，已集成60+預訓練模型。目的是為工業(yè)界和學術界提供易使用的目標檢測模型。在這個庫中，飛槳還提供了許多目標檢測小模型，方便給移動端設備使用。

　　此外新增的套件，是用于個性化推薦的ELASTIC CTR，這一套件源自于百度的產(chǎn)業(yè)實踐。可以實現(xiàn)分布式訓練CTR預估任務和Serving流程一鍵部署，提供了端到端的CTR訓練和二次開發(fā)的解決方案。

　　最后，三大發(fā)布，都聚焦在深度學習領域前沿的工具組件：PALM，多任務學習框架。

　　其中內置了模型backbone(BERT、ERNIE等)、常見的任務范式(分類、匹配、序列標注、機器閱讀理解等)和數(shù)據(jù)集讀取與處理工具。功能亮點在于易用性，對于典型的任務場景，幾乎無需書寫代碼便可完成新任務的添加。對于特殊的任務場景，用戶可通過對預置接口的實現(xiàn)來完成對新任務的支持。

　　PGL，圖神經(jīng)網(wǎng)絡框架。

　　提供了一系列的Python接口用于存儲/讀取/查詢圖數(shù)據(jù)結構，并且提供基于游走(Walk Based)以及消息傳遞(Message Passing)兩種計算范式的計算接口。利用這些接口，可以搭建最前沿的圖學習算法，結合飛槳核心框架，就基本能夠覆蓋大部分的圖網(wǎng)絡應用，包括圖表示學習以及圖神經(jīng)網(wǎng)絡。現(xiàn)在，PGL已有13個圖學習模型，涵蓋圖神經(jīng)網(wǎng)絡和圖表示學習的主流模型。

　　PaddleFL，聯(lián)邦學習框架。

　　其能力在于復制和比較不同的聯(lián)邦學習算法。在PaddleFL中，還提供了很多聯(lián)邦學習策略及其在計算機視覺、自然語言處理、推薦算法等領域的應用，在部署大規(guī)模分布式集群中部署聯(lián)邦學習系統(tǒng)時，也較為容易。

　　此外，伴隨著這次1.6版本發(fā)布，飛槳還有12項產(chǎn)品重要升級。比如：

　　(1)提供更多的算子庫、簡單高效的API接口、完善的文檔內容，全面提升易用性。

　　(2)升級輕量級模型結構自動搜索PaddleSlim，增加了基于硬件搜索等能力，打通訓練、壓縮和部署全流程。

　　(3)NLP、CV、推薦系統(tǒng)、語音等各大基礎模型庫的模型，從原來的60+到了100+。這其中有多個在AI競賽中奪冠的算法模型，比如在EMNLP獲得了10項閱讀理解項目冠軍的D-Net。

　　(4)Paddle Hub，新增了超參優(yōu)化Auto Fine-tune功能，預訓練模型數(shù)量大幅增加，支持飛槳Master模式。

　　(5)深度強化學習框架PARL并行能力升級，支持進化算法。

　　(6)Paddle2ONNX和X2Paddle升級，飛槳和其他框架的模型互轉更加方便。

　　聚焦產(chǎn)業(yè)場景，上億新羊毛待薅

　　所以上述新發(fā)布究竟夠不夠競爭力?自飛槳開源以來，作為深度學習框架，經(jīng)常被人拿來與PyTorch、TensorFlow兩大框架進行對比。但時至今日，飛槳官方認為已經(jīng)不能再單純以AI框架視之了。他們更愿意定位自稱：深度學習開源平臺。以百度多年的深度學習技術研究和業(yè)務應用為基礎，集深度學習核心框架、基礎模型庫、端到端開發(fā)套件、工具組件和服務平臺于一體。

　　在接受量子位采訪時，吳甜解釋了這一定位背后的考慮：“不同的AI框架都有其相應的發(fā)展規(guī)劃，這就是飛槳選擇的發(fā)展路線。”現(xiàn)在，百度對外宣稱的飛槳四大領先技術時，框架只是其中之一。而且如今談AI發(fā)展，不談落地都顯得太虛。于是大會主題演講中，飛槳也重點分享了發(fā)展至今的側重點與發(fā)力點：產(chǎn)業(yè)。因為產(chǎn)業(yè)之大，轉型之需，AI的降本增效作用簡直再明顯不過。在發(fā)布會舉辦前夕，百度還專門發(fā)布了一個名為“看中國算法工程師如何手動省出1個億”的視頻。

　　其中在農(nóng)業(yè)、工業(yè)制造、質檢和電力搶修等方面，AI算法都在幫助傳統(tǒng)產(chǎn)業(yè)降本增效。先節(jié)省一個億，這是飛槳已經(jīng)完成的小目標。但AI發(fā)展，產(chǎn)業(yè)場景也已經(jīng)是各大人工智能平臺服務供應商的必爭之地，接下來如何面對這種日益白熱化的競爭?飛槳透露的打法是：放羊毛、建生態(tài)，與開發(fā)者和傳統(tǒng)產(chǎn)業(yè)一起贏。一手抓開發(fā)者培養(yǎng)和教育。比如百度響應教育部產(chǎn)學研合作號召，在全國開展深度學習師資培訓班，有效地彌補了國內高校AI教師缺口。在一年半的時間里，飛槳已成功舉辦8期培訓，培養(yǎng)了1000多個AI專業(yè)高校教師，從教育環(huán)節(jié)開始，讓計算機學生從接觸飛槳，將來散落到產(chǎn)業(yè)界才能遍地開花。產(chǎn)業(yè)界還有“黃埔學院”，學術界與高校組建聯(lián)合實驗室，飛槳已經(jīng)和西交、中科大、南大、浙大、大連理工合作，人才聯(lián)合培養(yǎng)。另一手給福利。在今日大會發(fā)布最后，飛槳也發(fā)布了最新生態(tài)激勵計劃：

　　(1)免費開放10多個AI課程;

　　(2)支持100多所重點高校教學培訓;

　　(3)為1000多個企業(yè)轉型提供助力計劃;

　　(4)還有百萬級的AI競賽獎金和億元級GPU算力資源支持。

　　(5)不過，這兩手效果如何、究竟夠不夠硬，還得經(jīng)受時間和實踐檢驗。

　　當然還得經(jīng)受激烈競爭檢驗。如今機器學習的框架之爭，全球范圍內已經(jīng)淪TensorFlow和PyTorch兩家的較量，要從這兩家手中分一杯羹，僅僅有產(chǎn)業(yè)界的支持是遠遠不夠的。但飛槳現(xiàn)在也算在國內擁有民心和祝愿。在活動現(xiàn)場上，一則這樣的留言格外醒目，或許也是2019年潮水方向里的小小注腳：還是得支持國產(chǎn)深度學習框架啊，免得國外框架壟斷，又要跟電腦操作系統(tǒng)和芯片一個結局。

　　所以，好風憑借力，飛槳要加油。畢竟天時地利都有，最關鍵的人心也兼具，唯有拿出更好成績，才能實現(xiàn)更大雄心了。你說呢?