超越TensorFlow、PyTorch，百度飛槳登頂中國市場應用規模第一 | 信通院最新報告

金磊 發自 凹非寺

量子位 | 公眾號 QbitAI

百度飛槳又一次被“點名”了：

中國深度學習市場應用規模第一！

這就是中國信通院與深度學習技術及應用國家工程研究中心聯合發布的《深度學習平臺發展報告（2022年）》（下文簡稱報告）中，所給出的最新結論。

而且還是和老牌深度學習框架選手，谷歌家的TensorFlow、Meta家的PyTorch一較高下后的結果。

不僅如此，報告中還指出，中國已經成為全球開發框架生態發展最快的國家。

單是在社區生態這一塊，以飛槳為代表的“中國隊”便在GitHub中交出了一組亮眼的數據：

• 項目貢獻人數（Contributors）增速：是TensorFlow的5.2倍，PyTorch的1.6倍；
• 關注度（Stars）增速：是TensorFlow的3.8倍，PyTorch的1.3倍。

而與信通院這次發出的“信號”類似，在更早之前，IDC和弗若斯特沙利文等研究機構也給出了值得關注的結論。

它們分別在報告中指出：

飛槳在中國深度學習市場中的綜合份額已超越其他國際巨頭，成為中國第一。

飛槳在中國深度學習軟件框架市場綜合競爭力領跑行業。

不難看出，百度飛槳在多家研究機構調研下，已然成為佼佼者的存在。

那么問題就來了：

飛槳何以實現“國內第一”？

人工智能發展至今，可以說是已經成為最具活躍度的創新領域。

并且隨著其不斷在產業乃至生活中的應用，不僅是對技術本身，對社會經濟的發展起到了推動作用。

而縱觀近十幾年來的發展軌跡，較為顯著的一點是：深度學習仍舊是當下進程中的那個“主旋律”。

因此，與之對應的深度學習框架，也就成為了類似于AI時代下操作系統般的存在——下接芯片，上承各種業務模型、行業應用。

這也就是國內外科技巨頭不遺余力地在此發力的原因了。

值得一提的是，在飛槳于2016年率先開源之后，2020年成為國內深度學習框架發展歷程中值得被“標記”的一年。

因為在這一年，國內外深度學習框架的全球格局，發生了顯著的變化：

從圖中不難看出，在2020年之前，深度學習框架仍舊是TensorFlow和PyTorch等主流“玩家”來主導，國內僅有百度飛槳一枝獨秀。

但在此之后，國內深度學習框架異軍突起，呈現了第一波集中式的爆發。

產業界方面，獨角獸曠視拿出了工業級深度學習框架天元（MegEngine），一流科技OneFlow、華為昇思（MindSpore）也在同年登場。

學術界方面，清華大學則是開源了支持即時編譯的深度學習框架計圖（Jittor）。

而信通院此番研究結果，正是基于國內外現如今“百家爭鳴”般的深度學習框架。

從報告中來看，信通院這次將百度飛槳定位為“中國深度學習市場應用規模第一”，主要是從三個維度進行的考量。

首先，是技術應用能力。

報告認為，在全球范圍來看TensorFlow和PyTorch仍是深度學習框架的主流“玩家”，但與此同時，也認可了百度飛槳自2016年以來的成績。

例如在GitHub和Papers with Code的趨勢榜單中，飛槳的PaddleClas、PaddleDetection、PaddleGAN等多個套件便登頂榜單。

并且從技術專利數量來看，百度在深度學習方面已經取得全球第一的成績。

值得一提的是，飛槳還做到了“因地制宜”，針對國內市場的需求變化，不僅提供了大量“有經驗”的產業模型庫，還支持中文環境的算法和API：

相較于TensorFlow和PyTorch成為更滿足國內技術應用需求的開發框架。

其次，是社區生態構建。

正如剛才我們提到的，報告指出“我國已成為全球開發框架生態發展最快的國家”。

報告統計了近一年半以來，我國以飛槳為代表的深度學習框架在貢獻人數、關注等方面，與主流“玩家”的增速對比。

基于此，報告認為：

整體來看，目前飛槳社區生態僅次于PyTorch，位居國內市場次席。

而且報告針對國內玩家，圍繞“活躍度”、“關注度”和“貢獻人數”也做了數據的對比統計：

不難看出，百度飛槳在各項數據上的表現，都處于遙遙領先的狀態。

最后，是平臺服務規模。

報告指出，目前國內在深度學習框架開發者群體規模最大的便是百度飛槳，已經達到了477萬、服務18萬個企事業單位，并且通過飛槳所打造出來的AI模型數量已經達到了56萬個。

綜上數據，報告得出了如下了結論：

飛槳已經超越TensorFlow和PyTorch，成為國內服務規模最為廣泛的框架工具。

至于為什么信通院要通過這三個維度來做評判，在報告中也道出了其緣由。

報告認為，要構建面向產業的深度學習平臺，不僅僅是打造一個框架這么簡單，更需要兼顧模型研發到部署的服務體系。

總體而言，需要包含這三個要素：開發框架、算法模型和開發工具及能力平臺。

基于如此要素的深度學習平臺，方可實現其基礎核心：

通過打造易用、高效、可拓展的框架引擎，解決產業級應用的一系列問題，涉及編程范式、大規模分布式訓練、軟硬件適配等關鍵技術。

無獨有偶，在IDC和沙利文的研究報告中，對百度飛槳“市場第一”的評判維度，同樣也是圍繞著易用、高效和落地等關鍵詞展開。

那么基于這樣的結果，還有一個更為深入的問題值得探討：

飛槳拿下“國內第一”，意味著什么？

從多方研究機構的報告來看，國內深度學習框架的市場著實有“厚積薄發”的味道。

而百度飛槳作為國內最先發力且目前成績最佳的那一個，或許多方給予的“第一”殊榮，正是意味著飛槳在“如何把深度學習用起來”這件事上，提交了一個“高分作業”。

這份“作業”，我們不妨將其定義為“飛槳模式”。

若是將其拆解開來，大致可以分為三個關鍵詞，分別是深度學習、產業級和開源開放。

“深度學習”這個關鍵詞，不僅指的是人工智能核心基礎技術本身，還應當囊括深度學習框架，讓開發者能夠面對不同需求，不用再從0到1地去搭建，更應該像是搭積木一樣簡單。

為此，“易用”從始至今都是百度飛槳在發展、迭代中的一條主線路，也是能夠在國內市場規模拿下第一的“致勝法寶”。

比如，飛槳企業版零門檻AI開發平臺EasyDL一站式支持智能標注、模型訓練、服務部署等功能，內置豐富的預訓練模型，支持公有云/本地服務器/設備端等靈活部署，已在工業、零售、制造、醫療等領域落地。

有開發者評價：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。

這就讓開發者可以在不挑算法的情況下，“絲滑”地去做開發。

除此之外，現在飛槳的核心框架做到了貫穿開發、訓練、推理部署三個環節，基礎模型庫更是覆蓋CV、NLP、推薦、語音、知識增強的文心大模型。

而開發者所要做的，僅僅是根據自身業務的需求，把數據導進來訓練即可，最終就可以快速實現部署。

用百度CTO王海峰在最近百度世界大會上，與撒貝寧的一段對話來形容就是：

百度飛槳像是一道完成了九成的菜，主料、佐料全都準備好了，只需要拿回去往鍋里放就行了。

“產業級”則指的是，飛槳平臺上的所有技術，并不是一張張PPT，而是用真金不怕火煉的方式，在現實場景中歷練過的那種。

根據最新數據顯示，飛槳提供超過500個精選算法和預訓練模型，其中就包含了經過產業實踐長期打磨的主流模型；飛槳還結合產業實際場景、精心打造了精度與性能平衡PP系列特色模型，覆蓋目標檢測、OCR、語音理解等多個高頻應用場景，可以讓AI產業應用時達到事半功倍的效果。

飛槳產業范例庫和產業模型選型工具則以真實產業場景和數據為藍本進行研發，涵蓋智慧城市、智能制造等多個領域，助力企業靈活運用模型和開發套件構建完整的落地方案，直達項目落地，降低AI產業落地難度。

正所謂“實踐是檢驗真理的唯一標準”，飛槳的技術也真真實實地已經用來在各行各業當中。

例如百度世界大會上最新展現的這些故事：飛槳走進過內蒙古大草原，相關高校團隊借助飛槳，針對牧民在養羊上的痛點，打造了母羊分娩預測和預警系統，提高羊羔成活率。

再如農業場景之下，飛槳還曾幫助農業科研人員開展農田地塊分割和農田障礙物識別。

從結果上來看，即使在形狀不規則、環境復雜的農田地塊里，也能快速獲取高精度農田場景模型，保障了農機的精準作業。

最后的“開源開放”，指的就是百度把多年來積累下來的經驗，一口氣毫無保留地釋放出來，和各界共同打造更強大的AI生態。

至于這么做的理由，其實也無需再多贅述，畢竟開源的力量，大家都是有目共睹的。

正如王海峰所說：

作為“智能時代的操作系統”，百度飛槳集深度學習框架、產業級模型庫，以及豐富的開發套件和工具組件為一體，持續降低門檻，支持企業和廣大開發者開展技術創新和產業應用。

飛槳的技術生態繁榮，也從一個側面反映出中國人工智能技術、產業、人才正在蓬勃發展。

……

以上便是“飛槳模式”的主要內容了，至于這種模式的正確與否，還需要時間來慢慢考驗。

但能夠明確的一點是，起碼“飛槳模式”現在所發力的關鍵節點，是與此次信通院報告中對于深度學習未來展望所契合的，即：

深度學習平臺能力將圍繞技術實力、功能體驗、生態模式三個維度演進迭代。

并且單單是做到落地“格局”還是小了，深度學習框架還肩負更加深遠的價值，正如報告中所述：

從更長周期和更廣視野來看，深度學習平臺將持續提升傳統行業高附加值產品的比重，進一步優化產業結構，增強國家產業經濟韌性和抗風險能力，已成為一項具有戰略性、全局性、時代性、現實性的緊迫任務，需要政府、科研機構、人工智能企業和傳統行業企業等各方通力協作配合，共同營造積極健康的產業生態。

掃碼獲取報告