AI识别遥感数据，快速获得精准农耕地块信息，一个平台就能指导2000万亩的农业生产，实现农作物全生命周期监管，每亩地节省成本100元，农户收入提高10%。

  老师傅30年练成的配料经验，AI赋能下的模型3秒就能给出最优配比，每年为企业节省原材料10%，配料计算时间节省90%。 

  通过分析机器运转的声音、噪音，进行“把脉”诊断，快速判断设备问题。AI加持的设备故障预警系统，将生产设备故障停机率降低70%，工厂产量提升20%。

  AI教会19个城市机器人智能判断设备状态，智能巡检机器人设备仪表识别准确率提升至90%以上，实现变电站设备全年无人巡检，人工巡检工作量降低90%。

  对于国内首个自主研发、开源开放、功能丰富的产业级深度学习平台百度飞桨而言，这些案例也只是其生态的冰山一角。目前百度飞桨已经凝聚了406万开发者，创建47.6万个模型，服务15.7万家企事业单位，广泛应用于工业、农业、能源、城市、科学计算等20多个领域，助力各行各业数字化、智能化升级。

  AI已经应用到千行百业，赋能数字化、智能化转型，实现增效降本。但与信息化时代的PC、智能手机等设备相似，AI体系也有多个组成部分，如芯片、深度学习框架、应用等等。其中，深度学习框架扮演着承上启下的关键角色。

  在3月31日 ，百度AI开放日《AI呀，我去!》第五期活动上，百度AI技术生态总经理马艳军博士分享深度学习领域的竞争格局、中国自研深度学习框架的发展突破和未来趋势时谈到，“深度学习框架在人工智能技术体系中，处于贯通上下的腰部位置，它下接芯片、上承应用。” 

  正所谓“练功不练腰，终身艺不高”。想要锤炼自身的技能和功力，作为发力传动器的腰部如果不够强大，那么拳脚也难有作为，甚至导致根基不稳被对手轻松击倒。

  在AI体系中处在“腰部位置”的深度学习框架，无论是推动AI技术发展，还是探索产业应用、加速应用大规模落地都属于核心技术，也被称为“智能时代的操作系统”，重要性不亚于芯片。在“十四五”规划中，“深度学习框架”被列入“新一代人工智能”领域，成为国家重点支持的前沿创新技术。 

  在马艳军博士分享的深度学习领域竞争格局中介绍到，就全球市场而言，开发者主要基于Google的TensorFlow、Meta的PyTorch等国外深度学习框架进行AI算法及模型的开发、训练和部署。如果，中国开发者也只有国外深度学习框架这一条路可选，将伴随着核心技术容易形成代差、技术封锁带来巨大危害、国家重要领域数据泄露等诸多隐患。

  深度学习框架堪称AI应用研发、落地的“催化剂”，可以助力企业结合自身行业、场景需要跳过“0到1”的搭建环节，实现AI应用更高效便捷的开发。就像是搭积木一样，在深度学习框架平台的模型库中选择需要的模型，然后导入数据加以训练，再到实现部署。从而缩短AI应用落地周期，加速产业智能化转型。

  因此，中国企业自主研发深度学习框架尽管困难重重，也必须要掌握主动权。这也是百度飞桨诞生的初衷。

  2016年百度宣布对外开源PaddlePaddle框架，到2019年“飞桨”这个源自朱熹的“闻说双飞桨，翩然下广津”的中文名正式发布。要说起飞桨的萌芽，则还要追溯到更早的2012年，百度开始探索深度学习技术及应用。 

  到了今天百度飞桨也可以说是“十年磨一剑”了，取得了一系列瞩目成绩，牢牢占据国内深度学习平台的首位。

  百度飞浆在深度学习框架的开发、训练、预测及部署等核心能力上均有着比肩甚至超越国外主流框架的表现。IDC公布的数据显示，2021年飞桨位居中国深度学习平台市场综合份额第一。

  飞桨构建了全球前三、中国第一的AI开发者生态。

  飞桨和百度昆仑芯、华为昇腾、英特尔、英伟达等22家国内外硬件厂商完成了31种芯片的适配和联合优化，国产芯片适配量第一。 

  飞桨在开源社区的影响力中国第一。飞桨在开源代码平台Github总star位居全球前三、中国第一。《2021中国开源年度报告》显示，2021年GitHub中国项目活跃度 Top 30中，飞桨占据了5个项目，其中飞桨框架位列第一。

  百度AI专利申请量超过1.3万件，深度学习专利申请量世界第一，基于飞桨训练出了中文语义理解最强的文心大模型等等。

  百度飞桨的快速发展，对于国内AI体系构建起到了重要作用。百度飞桨不仅为我国AI技术开发者、使用者提供了框架平台，也助力构建国内企业自主可控的AI开发应用生态，让开发者、企业能够基于国产深度学习框架平台开发智能化转型应用。

  然而在国外TensorFlow、PyTorch等深度学习框架占据主导地位的情况下完成技术突围并不轻松。除了百度多年来AI、深度学习技术的积累外，2017年百度牵头筹建深度学习技术及应用国家工程实验室，作为唯一深度学习领域国家工程实验室在随后的研究探索中取得了丰硕成果，其中就包括百度飞浆，让中国人工智能底层基础技术与国际巨头正面交锋，并在部分领域实现了国际领先。

  技术突围只是阶段性成功，中国AI技术发展、在国际竞争中取得领先，仍不轻松。马艳军博士谈到，当前中国深度学习框架的发展仍需突破三大关键点：技术实力、功能体验、生态规模。

  首先，技术创新方面，我国深度学习框架研发需要的AI领域底层技术人才储备不足。

  其次，在应用体验方面，中国AI应用落地场景复杂，技术应用周期长，迫切需要低门槛甚至零门槛的开发平台满足不同领域产业、企业转型需求。一项识别工厂内人员是否佩戴安全帽的AI技术应用落地需要经过“产品方案设计、数据采集与标注、安全帽模识别模型训练、方案开发与集成、方案部署”等环节，而且中间环节还需要经过几轮迭代，从实验室到产业落地就至少需要3-6个月时间。 

  第三，开发应用生态方面，深度学习是一个典型的共创型技术领域，只有构建了自己的生态才能实现持续迭代和发展。然而构建生态不仅周期长、成本高，国内企业想要打造自主创新的AI应用开发生态还有一个重要前提——国产框架的技术和功能体验足以满足开发者的需求。

  面对三大难题，百度飞桨仍旧能够实现技术突围并快速发展，与其四大核心优势以及构建国产AI生态圈的全面布局息息相关。

  四大核心优势攻克三大难题

  百度飞浆在多年的迭代、打磨中，也逐渐形成了“世界领先的AI技术、支撑科研与产业共进的核心框架、拥有产业级开源模型库的开发平台、全球前三的AI开发者生态”的四大核心优势。 

  百度飞桨不仅有充足技术积累打下的硬实力基础，同时也立足于实际应用场景融合创新，伴随着AI在产业、科研领域的应用，进一步积累和提升。百度飞桨能够抓住当下AI应用大规模落地机遇，也得益于超过400个产业及开原算法模型、13个PP系列模型。并且凭借飞桨企业版EasyDL平台等工具，助力企业更快、更易用、更高效的实现AI应用。

  百度飞桨构筑国产AI生态圈并没有闭门造车，一方面汇聚了超过400万的开发者，与众多合作伙伴探索丰富的AI应用场景，另一方面也与芯片等硬件厂商合作，实现软硬件一体，框架、芯片加速优化的全面布局。

  针对我国深度学习框架研发需要的AI领域底层技术人才储备不足问题，百度飞桨也有相应方案。据介绍，百度飞桨已经建立起成熟完善的产业级复合型AI人才培养体系，积极为社会培育AI人才，确立了5年培养500万AI人才目标，包括面向一线算法工程师的“AI快车道”，面向技术负责人的“AI私享会”和面向CTO、架构师层级的“AICA首席AI架构师培养计划”。

  在校教育方面，百度飞桨还支持全国700+所高校培养了超过3000位AI教师。飞桨的高校教学支持计划，提供四位一体的课程共建方案，支持超过400所高校开设人工智能课程。目前也打造了丰富的优秀案例，比如深度学习与配备摄像头眼镜结合打造的便携式导盲设备，可以通过深度学习、计算机视觉技术，智能分析实时图像并以语音播报方式传递给用户，帮助他们了解路况、寻找物品等等。

  写在最后

  如今，中国深度学习框架的生态布局覆盖了工业、交通、能源、城市等千行百业，加速着数字化转型。但正如马艳军博士分享的，中国企业、产业对于AI应用的需求更为多元化，适配部署复杂、应用开发困难等仍旧是中国深度学习框架不得不面对的难题。 

  机遇与挑战是并存的，以百度飞桨为代表的开源开放中国深度学习框架，在软硬件适配、生态构建方面已经取得长足发展，伴随着AI应用大规模落地，将进一步积累产业应用。同时，随着中国深度学习框架长期投入、积累，可以为开发者提供更多高效、易用、符合产业需求的工具，将降低成本和门槛，也会缩小与国外深度学习框架在生态、开发者数量等方面的差距，进一步完善自主可控的深度学习以及AI产业生态。

  马艳军表示：“尽管深度学习框架属于高投入、长周期、抢生态的竞争，但已经得到国家和企业的战略性支持，是开启下一个AI时代的钥匙。“