當下，作為人工智能的一個重要分支，深度學習技術已經被應用到越來越廣泛的實踐當中。而其中必不可少的基本工具，深度學習框架之爭也暗流涌動。

國外的谷歌、Facebook、微軟等公司都已經推出了自己的深度學習框架，比如 TensorFlow、Caffe、MXnet 等，國內的本土深度學習框架則以百度的 Paddle Paddle 為首。

各家大型科技公司都希望全球開發(fā)者使用并推廣自己開發(fā)的技術棧，從整個行業(yè)的視角來看，不同科技巨頭支持的不同深度學習框架必然可以相互推動，加快創(chuàng)新，但對于參與這場競爭的公司來說，搶到并保持今日窗口期的領跑者地位，也意味著能夠在明日定義種種行業(yè)標準之時更有話語權。

這也是為何百度史無前例地為其 PaddlePaddle 框架召開了一場重大發(fā)布會的原因。

國產深度學習框架的一次重要亮相

4 月 23 日，首屆 WAVE SUMMIT 2019 深度學習開發(fā)者峰會在北京舉辦，整個峰會的重點，便是圍繞 PaddlePaddle 的一系列更新和升級，以期這款百度自有的深度學習框架能夠覆蓋更多的中國開發(fā)者。

在發(fā)布會上，百度深度學習技術平臺部總監(jiān)馬艷軍首次對外公布了 PaddlePaddle 全景圖，集核心框架、工具組件和服務平臺為一體的端到端開源深度學習平臺，囊括支持面向真實場景應用、達到工業(yè)級應用效果的模型，針對大規(guī)模數據場景的分布式訓練能力、支持多種異構硬件的高速推理引擎等。

圖丨 PaddlePaddle 全景圖（來源：DeepTech）

PaddlePaddle 也發(fā)布了11 項新特性及服務，包含 PaddleNLP、視頻識別工具集、Paddle Serving、PaddleSlim、AutoDL Design 等多種深度學習開發(fā)、訓練、預測環(huán)節(jié)的“硬通貨”。據馬艷軍介紹，百度希望圍繞深度學習框架本身提供一整套緊密關聯、靈活組合的完整工具組件和服務平臺，覆蓋初學者、零算法基礎工程師、算法工程師、研究者。

具體而言，核心框架層開放了從開發(fā)到訓練，再到預測的一整套完整能力。開發(fā)環(huán)節(jié)，PaddlePaddle 已開源 60 多個經過真實業(yè)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，例如全新發(fā)布 PaddleCV 及業(yè)界首個視頻識別工具集，面向工業(yè)應用的中文 NLP 工具集 PaddleNLP。

而首次重磅發(fā)布的視頻識別工具集，為開發(fā)者提供解決視頻理解、視頻編輯、視頻生成等一系列任務。它開放了 7 個視頻分類經典模型，這些模型共享一套配置文件，并且在數據的讀取、評估等方面共享一套代碼，覆蓋視頻識別方向的主流領先模型，還可實現一鍵式的高效配置來做訓練和預測。

訓練環(huán)節(jié)，大規(guī)模分布式訓練主要從三方面實現了升級。首先多機多卡的全面高效支持，提升了速度；其次是在 CPU 的應用場景方面，針對大規(guī)模稀疏特征設計并開放了大規(guī)模稀疏參數服務器，開發(fā)者可輕松下載相關鏡像使用；大規(guī)模分布式訓練支持在各種容器上高速運行，同時支持在 K8S 生態(tài)下使用 PaddlePaddle 進行訓練。

圖丨橙色部分為本次更新的 11 項新服務的分布（來源：DeepTech）

數據處理方面，優(yōu)化分布式 IO，增加遠程文件系統流式讀取能力。GPU 多機多卡同步訓練通過增加稀疏通信能力提升帶寬不敏感訓練能力，在低配網絡帶寬網絡環(huán)境下，例如 10G 網絡下，同步訓練可提速 10 倍。

開發(fā)和訓練后，將模型部署到各種應用場景下是非常關鍵的一個步驟。部署環(huán)節(jié)需要高速的推理引擎，在此基礎上，為了部署在更多的硬件上往往需要做模型壓縮，在真正使用時，還需要軟硬一體能力的支持。基于此，PaddlePaddle 準備了完整的端到端的全流程部署方案，并將持續(xù)擴展對各類硬件的支持?；诙嘤布闹С郑琍addlePaddle 提供性能全面領先的底層加速庫和推理引擎，全新發(fā)布 Paddle Serving 支持服務器端的快速部署。不僅如此，模型體積壓縮庫 PaddleSlim 也是為開發(fā)者準備的“重磅驚喜”，針對體積已經很小的 MobileNet 模型，它仍能在模型效果不損失的前提下實現 70% 以上的體積壓縮。

在多項全新發(fā)布及重磅升級中，工具組件方面顯得尤為突出。此次，PaddlePaddle 不僅開源 AutoDL Design、升級 PARL，并首次提出并發(fā)布預訓練一站式管理工具 PaddleHub。

圖丨百度 AI Studio 算力支持計劃（來源：DeepTech）

One More Thing。在發(fā)布會上，為了解決非大型企業(yè)的開發(fā)者在開發(fā)深度學習應用時遭遇的算力問題，百度宣布推出了1 億元的免費算力計劃：免費算力主要以兩種模式提供，第一種是一人一卡模式，V100 的訓練卡包括 16G 的顯存，最高 2T 的存儲空間。另外一種是遠程集群模式，PaddlePaddle 提供高性能集群，供開發(fā)者免費使用。

PaddlePaddle開源3年之際，下一步會是打造專有硬件嗎？

結合本次發(fā)布會回顧百度的 AI 之路，PaddlePaddle 的存在感愈發(fā)強烈。

百度是國內最早研究深度學習技術的公司之一，早在 2013 年即設立全球首個深度學習研究院，并在 2016 年 正式開源百度 PaddlePaddle，PaddlePaddle 成為中國首個也是目前國內唯一開源開放、功能完備的端到端深度學習平臺。

開源之后，PaddlePaddle 的本土化特色吸引了國內不少開發(fā)者，另外，隨著百度頻繁與國外高校和企業(yè)進行技術交流，一度有業(yè)內數據顯示，PaddlePaddle 也是全球范圍內開發(fā)熱度攀升最快的深度學習平臺之一。

2017 年，由國家發(fā)改委批復，百度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。

負責實驗室的百度高級副總裁王海峰就在這次大會上表示，百度認為深度學習框架是“智能時代的操作系統”，“深度學習技術已經具備了很強的通用性，正在推動人工智能進入工業(yè)大生產階段，呈現出標準化、自動化和模塊化的特點”。

圖丨王海峰（來源：百度）

而當深度學習繼續(xù)走向與產業(yè)結合的深水區(qū)，深度學習框架進化的一個非常關鍵的趨勢就在于軟硬件結合。盡管整場 PaddlePaddle 的更新并不涉及這一方面的內容，但在大會的討論環(huán)節(jié)，包括百度、華為、英特爾等業(yè)內領軍企業(yè)的與會者也紛紛表示認同這一趨勢。

在這一點上，谷歌已經做出表率。谷歌基于 TensorFlow 定制了專屬的芯片 TPU，加速深度學習平臺的部署，而系統廣泛的應用，也為其不斷降低專屬 AI 芯片的成本。

（來源：DeepTech）

AI 芯片、深度學習框架、行業(yè)應用的關系是，深度學習框架承上啟下，下接芯片、大型計算機系統，上承各種業(yè)務模型、行業(yè)應用。當業(yè)務和應用對深度學習框架提出越來越多、越來越復雜的新需求時，傳統的芯片恐怕將難以支撐深度學習框架新能力的輸出，后者反向定制專用 AI 芯片也就成為大勢所趨。

也就是說，某種程度上，未來誰在深度學習框架上有了決定性優(yōu)勢，誰在 AI 芯片的優(yōu)化和定制上就更有話語權。深度學習框架之爭，演化成各家比拼專屬化硬件研發(fā)能力，也就是早晚的事情了。

圖丨PaddlePaddle 的新中文名“飛槳”（來源：DeepTech）