飞桨突围背后的中国AI框架长征
2012年12月， 美国内华达州太浩湖旁，知名赌场Harrah 酒店的731 房间，一个由瘦弱老头和两个大学生策划的“皮包公司”的匿名线上拍卖收购现场厮杀正酣。
不久前，他们才刚刚成立这家“皮包公司”——名字是现取的，产品是没有的，生产计划为零，创始人之外的员工数量同样是零。不过，他们有一个大胆的计划，要将这家公司高价卖掉，而且还要卖给谷歌、微软在内全球最顶级的科技巨头。
1500万美金、1600万美金……2500万美金、3000万美金、3500万美金、4100万美金、4200万美金……
拍卖会现场，价格正在一轮轮被抬高，拍卖规则，也从一小时加价100万美金，一度上涨到半小时加价500万美金，直至4400万美金花落谷歌。
一个戏剧性的插曲是：最后一轮出价最高的，其实是一个报价4500万美金的中国科技巨头，却无奈老头从小脊柱不好，人在美国，坐不了飞机，而被动遗憾出局。
结果一出，各大科技媒体头版头条，立刻以震惊体外加大字刊登“谷歌4400万美金收购仅三名员工的创业公司。”
有人嗤笑谷歌，千金买马骨，向来擅长炒作。
却不知，年至花甲的老头，正是日后被誉为“神经网络之父”的Hinton。在他加入谷歌后不久，就在谷歌一个名叫DistBelief项目中小试身手，将原本算法友好度奇差的DistBelief进行一番改造，成为了如今AI领域如雷贯耳的TensorFlow，并一举奠定了其在全球人工智能领域的无冕之王地位。
那么问题来了，TensorFlow是什么，为什么具备如此大的魔力？
一句话概括，TensorFlow是目前全球最主流的开源深度学习框架之一。而所谓深度学习框架，你可以理解为是一个集合了所有主流AI算法模型，以及他们使用说明的大型软件仓库。有了深度学习框架，工程师们在工作时调试算法，就如同厨师有了预制菜做饭，简单又高效。
而在AI框架领域称王，无异于微软在PC时代发明Windows，谷歌在移动时代打造安卓。拥有了TensorFlow，谷歌也就拥有了能号令全天下AI群雄的无上权力与责任。
一万公里外的中国，随着TensorFlow的风靡，一场激烈的讨论正同步上演：TensorFlow，我们到底是用还是不用？
如果不用，在没有好用框架的情况下，想做好AI，巧妇也难为无米之炊。如果用，过去几十年，中国的科技产业因“缺芯少魂”而被卡脖子的沉痛回忆，难道在AI时代，又要任相似的剧情再次重演？
01
AI时代，得框架者得天下
得框架者得天下，在AI领域，并不夸张。
我们常说，AI将带来人类历史上的第四次工业革命。更进一步，好用普惠的框架，则正是驱动AI普惠，缔造第四次工业革命的根本。
纵观第一次和第二次工业革命，其根本是以蒸汽机、电力为标志的生产工具向着工业大生产环节全面渗透，使生产力实现颠覆式、飞跃性发展。本质离不开更成熟的内燃机技术，也离不开已经发展至便宜且普惠的电力技术发展。
在AI工业革命中，谁将带动AI走向普惠？在2019年的WAVESUMMIT峰会上，百度CTO王海峰博士就曾前瞻性地提出观点：“深度学习的通用性特点，以及深度学习框架及平台的发展，正在推动人工智能标准化、自动化和模块化，进入工业大生产阶段。”
如何理解这句话？举个例子你就明白了：如果有现成的AI框架，那写一个算法，可能从模型开发，到应用部署，几十分钟就能搞定；但如果没有AI框架，那你得先花至少两个月写模型，然后训练调参数一个月，最后还得花一两个月根据具体的场景进行算法部署，时间一晃，小半年就过去了，结果还不一定尽如人意。因此，无论是从效率，还是从结果来看，框架是实现普惠AI，进入工业大生产的基础条件。
从国家角度出发，框架也是让中国从AI大国变身AI强国的根本。
经历了40余年的基础研究与探索，中国已经成为能与全球顶级水平齐头并进的AI大国。然而，大而不强，却始终是中国AI产业的心头之痛。
来自学界的数据也很好地证明了这一点：斯坦福大学发布的《2022年AI指数报告》中提到，2021年，中国AI专利申请量占全球总数的52%，专利申请数量居世界首位。但是，在该报告中，同样指出，在更检验质量的授权专利数量一项，排名全球第一的是美国。
那么解决办法在哪里？国家战略已经很清晰的为我们指明了方向：最新的十四五规划中，我们国家特地将深度学习框架和AI芯片作为新一代人工智能的前沿科技发展方向重点关注。中国要从AI大国变身AI强国，AI框架强大，是一切的根本。
从更具体一些的产业角度看，我们会发现，好的框架不仅将带动AI产业不断向前发展，同时也是关联产业——国产芯片崛起的必备条件。
关于框架与芯片的关联，百度CTO王海峰博士，同样做过一个科普“在智能时代，深度学习框架起到了承上启下的作用，下接芯片，上承各种业务模型、行业应用。”一个好的AI框架，与芯片互相配合，可以最大限度的“榨干”芯片的算力，发挥其最高效用。
因此，我们不难发现，PC时代，CPU的普及与Windows的发展紧密相关；移动时代，高通处理器总是与安卓架构升级同步完成；AI时代，框架与AI芯片同样如此：过去十多年中，AI的滚滚向前，GPU产业也随之一日千里的飞跃，而谷歌也同样凭借着TensorFlow带动着其自身的芯片TPU妄图在一统天下。
只不过，AI市场之大，一个谷歌吃不下，曾在PC时代、移动时代满眼辛酸的我们，也不会允许中国AI产业的根本，再次被卡脖子。
02
从两强瓜分，到PPT格局，为什么框架的竞争还在继续？
事实上，早在TensorFlow出现之前，AI框架领域就已经硝烟弥漫。
其中最具代表性的是2007年加拿大蒙特利尔大学科学家研发的theano框架；在此之后，又有伯克利大学研发的Caffe框架面世，它们都曾成为红极一时的主流框架。
只可惜，theano出现太早太古老，是业内一个犹如远古化石般的存在，也因此随着2012年，深度学习代替传统算法成为AI显学，theano随之成为过去式。
caffe出现时间上，倒是恰逢其时，只可惜，相比后来的一众主流框架，caffe是个典型的“高玩产品”。如果你是个AI菜鸟，那么打开caffe，2013年前后，你看到的，是大神们一行又一行精妙绝伦的源代码。可到了2015年前后，ResNet为代表的大型神经网络出现，算法层数已经152层起步，别说想拿开源代码修改，就是看得懂，也得费好一番功夫。
因此，当TensorFlow带着计算图与可视化理念，通过在业界疯狂营销培养生态杀入AI框架后，很快就凭借着低门槛特性赢得了一众业内同仁的高度认可。国内不少有识之士却也在此时不免默默扼腕，TensorFlow开源框架的出现，是产业之幸，但对于中国来说，国外框架的垄断，无异于在AI领域，重新上演中国PC时代的操作系统之殇。
不过，就在谷歌左拥AI芯片届元老TPU芯片，右抱全球最大AI框架TensorFlow开源框架，志得意满地以为以为天下AI开发者尽归我有之时，却未曾想到，对手早已杀至家门前。
复盘前面的历史，我们不难发现，世界范围内，AI框架都是在沿着低门槛，以及生态路线不断发展迭代，要想打破TensorFlow的一统神话，秘诀同样如此。
尽管有大神压阵，TensorFlow也并非没有缺点。比如，诞生伊始，TensorFlow就将场景瞄准了工业领域，极度追求框架中算法在实际使用中的高效，代价则是灵活性的损失。就像一把好用的玄铁菜刀，无法像一把瑞士军刀一样还可以当牙签剔牙。而偏偏，AI的另一大应用场景——学界，探索的正是“刀具的108种”使用方法，需要算法实现更灵活，以方便算法研发过程中，不断的调整修改与调优。
我们都知道，一项技术的发展，一定是从理论，到技术，再到实际应用，而对应的人群，则是科学家、高校教授与学生，再到业界工程师。因为TensorFlow对学界的忽视，框架领域的又一次战争再次被埋下伏笔。
谷歌的第一个竞争对手，是2017年正式开源的AI框架PyTorch，通过与本就具备相当用户规模的caffe2合并，PyTorch诞生伊始，就凭借其巨大的灵活性优势受到了学界的广泛欢迎。更值得一提的是，它的背后站着的是Meta，也就是Facebook，因此，无论是做技术，还是花钱搞生态，Meta的实力都不弱于谷歌。
另一个对手，则来自中国。还记得那个因为Hinton老教授坐不了飞机，而在拍卖中遗憾出局的中国巨头吗？当年无奈错失Hinton老教授，并没有影响到这家巨头开发自主AI框架的决心。广泛招纳全球AI人才的同时，这家企业早在2012年已经在内部立项，开始了AI框架的自研工作，并在2016年放出大招，带来了第一个国产AI框架的正式面世。
看到这里，不少了解AI的朋友肯定已经猜到，这个巨头就是国内的AI龙头百度；而这个第一个国产AI框架，则正是已经比肩TensorFlow、PyTorch，成为全球前三、中国第一大AI框架的飞桨（英文名PaddlePaddle）。
不过与TensorFlow过于注重工业，PyTorch专注学界不同，飞桨的特性在于工业学界两手抓，通过动态图自动解析编译静态图的技术，兼顾了学界的灵活，同时也实现了产业界希望的高效。
当然，能够同时俘获学界与产业界认可，飞桨所依靠的，绝不仅仅是动态图自动解析编译静态这一个技术突破就能实现的。AI框架的两大宝典，无论是生态建设，还是在低门槛适用，百度无疑都走在前面。
先说生态。众所周知，一个好的AI框架与操作系统一样，离不开广大开发者的参与。
尽管AI的落地场景，无非计算机视觉、语音语义、搜索推荐等等，但具体到应用，究竟是用在超算中心，还是用在儿童手表；是安全要求极高的金融，还是效率为王的工厂，需要针对具体情况，对算法进行专门的定制。而面对数不胜数的长尾场景，哪怕强如谷歌、百度，也无法以一己之力全覆盖；这时候，开发者生态的重要性就体现出来了。
国内的AI框架界，一度流传着这样一个八卦：2018年前后，飞桨发展最迅猛的一段时间里，为了维护国内开发者生态，飞桨团队众多工程师常常深入开发者社区，潜入开发者QQ群中，一层层爬楼参与讨论，收集一众开发者对飞桨的吐槽，然后再第一时间悄悄加班解决。
更重要的是，相较TensorFlow与PyTorch，飞桨无疑更懂中国开发者的实际需求。举个简单的小例子，2020年疫情最严重的时候，国内一众AI开发者，都因为疫情而被关在了家里，但飞桨的线上直播课却一直没停，反而通过密集的线上的开发者培训，不仅极大加速了飞桨在国内开发者中的普及，甚至还有开发者们在家基于飞桨，做出了戴口罩人脸识别、肺炎CT影像分析等助力抗疫的AI模型和应用。
当然，仅仅凭借更懂国内开发者，并不足以让飞桨真正成为一个世界范围内的主流AI框架，低门槛，是飞桨能够迈出中国，在世界舞台上与TensorFlow，与PyTorch一较高下的根本秘诀。
关于低门槛。TensorFlow与PyTorch，尽管相较前一代caffe，已经有了很大改进，但依旧需要使用者至少看得懂算法，也具备一定的编程基础才能使用。而飞桨，则通过推出Easy DL，让普通人在即使没有任何AI基础的情况下，也能在5分钟时间内，上传标注好的数据，来训练出诸如简单的图片识别、动作识别等基础的算法。
至此，全球范围内，AI框架的PPT格局初显。凭借着飞桨（PaddlePaddle）在学界、业界齐发，技术、生态共建，以及低门槛、对中国开发者的极大友好，曾一度在操作系统时代落后的中国，这一次，终于在AI框架上，扳回了一城。
从无到有只是国产AI框架走完的第一步；从有到强，才是国产AI框架的真正使命。那么，多年发展，飞桨如今走到了哪一步？
在技术与产业侧，飞桨仍在不断突围，让AI越来越普惠好用。
大模型就是其中最典型的代表。在过去，人们对于大模型大多只闻其名，鲜少在产业中真正应用。而在WAVE SUMMIT峰会上，百度则宣布，百度文心大模型依托飞桨，已经有了实质性的行业进展——会上，百度与国家电网、浦发这两大能源、金融领域的产业龙头联手，发布了两个行业大模型。
从空中楼阁，到解决实际问题，在百度看来，大模型落地难的根本问题不在于技术本身，而在于能否做到“更懂产业”，与真正的场景之间有效匹配。
具体来说，百度文心给出的解题思路，可以总结为三个关键词：模型、平台、生态。
拆解来看，模型，可以分为基础大模型、任务大模型、行业大模型。尤其值得一提的是，飞桨以文心大架构为能力基础，通过与最懂产业的行业头部伙伴一起构建的行业大模型，是更高效、精准地解决产业的问题的有效路径。
平台，指的是一个配套工具平台，可以基于产业应用全流程需求，全方位降低AI使用门槛。
因此，当大模型要落地产业时，飞桨除了能与其共享工具、平台、生态，还能将多年AI落地经验、行业KNOW HOW，以及飞桨的生态伙伴，都毫无保留地分享。
除了是文心大模型最可靠的底层支持外，飞桨本身在产业侧，也仍在不断进化。
技术方面，飞桨框架已经进化到v2.3版，已经完成了开发、训练、推理部署的全面升级，并极大提升深度定制开发和自动化能力。
面向场景，还发布训练推理一体的导航图、产业模型选型工具、PaddleScience赛桨与飞桨移动工作站，来帮助开发者做好选型与开发，不仅给出最好的工具，也同时给出一个直接参考路径，让AI不仅可用，还更低门槛的好用。
技术、场景、生态三大领域同步大步迈进的背后，是以百度飞桨为首的中国自主AI框架，奋力夯实工业大生产底座，让AI加速落地，普惠全行业，一同向上突围的坚定决心。
04
尾声：从造芯补魂，到AI普惠，国产AI框架的使命与未来
AI框架的意义是什么？
从一个国家角度来看，无异于是AI时代的造芯补魂，让我们从AI大国变身AI强国。而从一个时代来看，飞桨这样的平台存在，是全人类进入AI工业革命，AI成为通用普惠技术的根本。
然而，这些命题，对于普通人来说，或许过于遥远。作为一个在上海疫情中被隔离的普通人，我会常常反思，我们的AI技术、AI产业真的成熟吗？
如果自动驾驶再普及一点，六七十岁的楼长阿姨，是不是就可以不必在没有电梯的老小区中跑上跑下，配送抗原、蔬菜？
如果人脸识别应用再广泛一点，是不是热心的志愿者们，就不必穿着厚重的防护服，与前来做核酸的人近距离接触？
如果语音技术的门槛再低一点，是不是基层居委就不必因为担心通知不到位，而一家家一户户电话通知最新抗疫安排而忙碌到凌晨无法入眠？
……
背后一切的一切，其实并不需要技术领先全球，它的距离仅仅是，通过AI框架，让人人都能成为开发者，让AI的门槛更低，让普通人能够零门槛，普惠的使用AI，让AI参与到整个社会的变革。
微信扫码关注该文公众号作者