（文/程文智）提到AI，人們最先想到的可能是相機的美顏功能，其實如今的AI技術可以說不僅已經滲透到人們的日常生活當中，而且在工業場景中也有了很多的應用。作為推動AI應用大規模落地關鍵力量------深度學習框架，在廣大AI企業、研究者，及開發者的努力下，變得越來越成熟，越來越多樣。

目前主流的AI深度學習框架，有2015年11月由Google設計研發并開源的TensorFlow、2017年1月由Facebook人工智能研究院基于Torch推出的PyTorch、2016年5月由Amazon設計研發并開源的MXNet、2016年1月由微軟在Github上開源的CNTK、以及2016年8月由百度進行開源的PaddlePaddle（飛槳）等。

據百度AI技術生態總監周奇介紹，百度的飛槳深度學習平臺集核心框架、基礎模型庫、端到端開發套件、豐富的工具組件于一體，還包括了飛槳企業版零門檻AI開發平臺EasyDL和全功能AI開發平臺BML，以及飛槳AI Studio學習與實訓社區。

截止到2022年5月，飛槳平臺上已經有477萬開發者、創建了56萬個AI模型，服務了18萬家企事業單位。市場份額方面，據IDC統計，2021年飛槳在中國深度學習平臺市場綜合份額排名第一，全球排名第三。

在硬件適配方面，目前有超過20個廠家，30種以上的芯片適配了飛槳，包括Intel、龍芯、申微、飛騰、華為、海光和兆芯等CPU芯片；英偉達、昆侖芯、海光、華為、Graphcore、寒武紀及天數智芯等深度學習芯片；Arm、高通、蘋果、芯原、聯發科技、紫光展銳、晶晨等深度學習推理芯片和IP廠商；以及Intel-Altera和AMD-Xilinx等FPGA廠商。

更為重要的是，飛槳已經開始在各行各業種得到應用了。在周奇看來，如今AI與產業結合的場景變得越來越深入，越來越專業。他在分享中表示，AI應用落地有兩大挑戰，一是應用場景非常多，開發者需要結合不同的應用場景開發各種各樣的模型；二是模型開發出來后，為了更加流暢地運行，需要針對不同的芯片開展優化適配。

“飛槳在持續不斷地降低AI開發者的門檻。”周奇指出，EasyDL就是一個零門檻AI開發平臺，即便開發者不懂得如何寫代碼，也能進行AI應用開發。

開發者辨影科技創始人王京京將EasyDL比作AI界的“預制菜”。“EasyDL把很多算法模塊化了，‘就像廚師無需親自制作菜刀一樣’，碼農們可以按需調用，開發AI程序、做出AI硬件，無論是PC、平板、電視還是安卓、iOS，都可以適配。”他在行業應用分享時表示，“如果說用其他AI開發架構做模型如同爬樓梯，那用了EasyDL就感覺像是坐上了電梯，省時、省力又省心。”

他采用飛槳的EasyDL平臺開發出的AI質檢邊緣計算相機，部署非常簡單，接口也很豐富，而且自帶高靈敏度液晶觸摸屏，在不用外接顯示器的情況下就可以對模型進行管理，連接蜂鳴器和LED燈之后，可以對不合格產品進行提示。

據王京京介紹，目前基于飛槳EasyDL的相機檢測系統已經可以應用在發動機漏液檢測、活塞環瑕疵檢測、焊縫氣泡檢測、鉚釘裝配檢測、注塑部件未注滿缺失檢測、螺紋口瑕疵檢測等工作中。甚至還可以用于飛機維修檢測當中，“使用這個相機檢測系統，可以檢測飛機靜壓孔是否正常，蒙皮外表面有沒有凹坑或雷擊點，以及有沒有螺釘確實等。”王京京分享說。

不過，他也承認，飛機維修檢測項目，目前還在研究測試階段，但他相信未來AI可以讓飛機更加安全，也能幫助飛機維修工程師更加高效地完成他們的工作。

在生產線上的質檢應用已經在不少工廠得到部署，“我們只需要按工廠質檢科的需求，在飛槳EasyDL上進行良品和次品的數據標注，就可以完全按照工廠質檢部門的標準訓練出來模型，數據標注和模型訓練過程完全不需要質檢人員懂代碼。”王京京表示。

在他看來，這就像販賣預制菜的店面不需要廚師一樣，辨影相機加上飛槳企業版EasyDL就像是AI界的“預制菜”，工廠不需要AI算法工程師在現場，也能方便地使用AI技術來進行降本增效。

其實，AI已經在很多行業有了落地應用，比如智能機器人巡檢、設備預測性維護、智能鍛造熔煉等智慧工業場景；肺炎CT影響篩查、胚胎囊胚圖像的自動分割等智慧醫療；自動駕駛、軌道在線智能巡檢系統等智慧交通；以及智慧農林，智慧金融等等領域都有很多應用。相信未來AI技術還會在更多應用領域得到應用。