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者使用并推廣自己開發的技術棧，從整個行業的視角來看，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者。

在發布會上，百度深度學習技術平臺部總監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、達到工業級應用效果的模型，針對大規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、訓練、預測環節的“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到訓練，再到預測的一整套完整能力。開發環節，PaddlePaddle 已開源 60 多個經過真實業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，例如全新發布 PaddleCV 及業界首個視頻識別工具集，面向工業應用的中文 NLP 工具集 PaddleNLP。

而首次重磅發布的視頻識別工具集，為開發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。

訓練環節，大規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，針對大規模稀疏特征設計并開放了大規模稀疏參數服務器，開發者可輕松下載相關鏡像使用；大規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境下，例如 10G 網絡下，同步訓練可提速 10 倍。

開發和訓練后，將模型部署到各種應用場景下是非常關鍵的一個步驟。部署環節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?；诖耍琍addlePaddle 準備了完整的端到端的全流程部署方案，并將持續擴展對各類硬件的支持?；诙嘤布闹С?，PaddlePaddle 提供性能全面領先的底層加速庫和推理引擎，全新發布 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。在發布會上，為了解決非大型企業的開發者在開發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？

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

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者，另外，隨著百度頻繁與國外高校和企業進行技術交流，一度有業內數據顯示，PaddlePaddle 也是全球范圍內開發熱度攀升最快的深度學習平臺之一。

2017 年，由國家發改委批復，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）

而當深度學習繼續走向與產業結合的深水區，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，但在大會的討論環節，包括百度、華為、英特爾等業內領軍企業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，上承各種業務模型、行業應用。當業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勢，誰在 AI 芯片的優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能力，也就是早晚的事情了。

圖丨PaddlePaddle 的新中文名“飛槳”（來源：DeepTech）