科技自立自強，深度學習需要百度這道“飛槳”
文|鄰章
現在起,科技自立自強、自主可控,不再停留在企業或行業的層面。
在剛剛結束的五中全會上,“十四五”規劃(2021-2025年)和2035年遠景目標出爐,很多人都注意到,五中全會公報首次提出“把科技自立自強作為國家發展的戰略支撐”,突出了創新在現代化建設全局中的核心地位,更進一步強調了科技的自立自強,并明確提出到2035年關鍵核心技術要實現重大突破。
這表明了“十四五”期間,科技創新會被提升到一個更高的戰略位置,以改變當前對美國技術依賴性強的被動局面,并成為拉動未來經濟發展的重要力量。
核心技術的范圍還是比較寬泛的,但作為互聯網、計算機相關的從業者,沒人會否認,人工智能時代的狂風已經吹起,AI給社會、給經濟、給生活帶來的影響力將是前所未有。五中全會公報配合當下“新基建”上馬的大潮,人工智能將迎來新一輪的發展契機,與此同時,能否將人工智能底層核心掌握在自己手中,某種程度上決定著中國科技競爭力的“天花板”。
一、中國發展人工智能為什么需要自主可控?
眾所周知,人類社會正處在第四次工業革命的開端,人工智能則正是其核心驅動力,引領社會進入智能經濟時代。錯失了前三次工業革命機遇,我們自然不能再錯失第四次,大力發展人工智能已成共識。
從現實來說,在國家政策指引、相關科技企業以及科研機構的共同努力下,我國已成為全球人工智能一極。
但在看到成績的同時,也需要認識到:當下,眾多中國企業的人工智能技術應用依舊嚴重依賴TensorFlow、PyTorch等國外企業提供的深度學習框架。
所謂深度學習框架,百度CTO王海峰的定位很精煉——“在智能時代,深度學習框架起到承上啟下的作用,下接芯片,上承各種應用,具有重要價值,是‘智能時代的操作系統’。”
用更為通俗的話來解釋,深度學習平臺(框架)就猶如一棟房子的地基。但現實情況卻是,大部分的“房子”都建立在外國的地基上。
這會帶來很嚴重的問題:一是核心技術容易形成代差,因為外國不會開源最先進的技術;二是存在重要數據泄露風險;三是技術封鎖帶來安全風險。
特別是近幾年,復雜的國際形勢,為國家間科研、商業等方面的交流帶來很大的阻礙。而人工智能已經被各國視為國家戰略,貿易保守主義的抬頭、“實體清單”的存在,使得人工智能技術,尤其是深度學習框架,被蒙上一層隨時可能斷供的陰影。
(開源及私有代碼托管服務平臺GitHub突然限制了克里米亞、古巴、朝鮮、伊朗和敘利亞等國家用戶訪問就是個很典型的例子)
中國信息通信研究院政策與經濟研究所副總工何霞表示,“我國高度重視信息安全,產業安全和國家安全。如何保障安全,需要有核心的技術,安全的平臺和完善的管理。”中國科學技術發展戰略研究院研究員、科技部新一代人工智能發展研究中心副主任徐峰也表示:“在開源創新平臺方面,科技部有布局,國家政府持特別鼓勵的態度;產業政策方面,科技部會再對接實驗區建設和平臺建設做工作,搭建交流平臺,讓AI和經濟社會做深度融合;更重要的是教育方面,需要將AI課程普及進校園,包括教材編寫等。”
所以,從技術迭代、數據安全等角度而言,實現深度學習平臺(框架)自主可控的必要性已毋庸置疑,畢竟只有在自家牢固的“地基”上搭起的AI萬丈高樓才有安全感。
二、中國人工智能發展能否自主可控?
國內人工智能產業應用高度依賴國外深度學習平臺的潛在風險,很早就引起了業內的警惕。近年來,一些企業也推出了國產深度學習框架。
除了百度在2016年宣布飛槳深度學習平臺開源,還有DI-X、曠視天元、MindSpore、計圖等產品的推出,讓國產深度學習平臺呈現整體崛起的態勢。
特別是飛槳,在經歷多年產業實踐后,現已成長為開源開放、功能完備、生態繁榮的深度學習平臺,可作為國內企業尋求安全可控、替代TensorFlow、PyTorch等美國產品的新選擇。
在此,我們可以從這樣幾個層面來一窺這道“飛槳”的實力。
從基礎能力層面來看:百度飛槳已經集深度學習核心框架、基礎模型庫、端到端開發套件、工具組件和服務平臺于一體,包含完整的開發、訓練、推理的端到端深度學習AI模型開發工具鏈。截止目前,飛槳官方模型庫算法總數達到146個,預訓練模型已達200多個。在深度學習模型開發、訓練、預測和部署等方面,已可比肩TensorFlow、PyTorch等國際主流框架。
同時,飛槳的能力迭代也非常快——去年11月全新發布和重要升級21個產品方向后,在今年5月召開的“WAVE SUMMIT202”深度學習開發者峰會上又帶來了35項全新發布和重要升級,推出飛槳企業版,用以全面滿足不同規模企業的業務開發需求。在這次百度世界2020大會上,飛槳又迎來“動靜統一、軟硬融合”的更新:硬件上適配22種芯片型號,覆蓋15家硬件廠商,對國產硬件的支持超過TensorFlow和PyTorch;軟件上,動態圖功能升級實現了動靜態的結合,讓用戶更容易開發模型,全面升級的API體系,則對于開發者更加友好。
從生態層面來看:公開數據顯示,飛槳已經凝聚了超過230萬開發者,服務超9萬家企業,基于飛槳平臺創造了31萬個模型,覆蓋了通信、典禮、城市管理、民生、工業、農業、林業等眾多關乎國計民生的行業和領域。更與英特爾、英偉達、arm中國、華為、MediaTek、寒武紀、浪潮、中科曙光等啟動共建硬件生態合作圈。
從具體產業實踐來看: 百度飛槳的能力已經在大工業生產中得到驗證。例如在消費類電子領域,OPPO在其多個業務線都上線了基于飛槳構建的大規模分布式推薦系統,覆蓋全球3．5億月活用戶;工業安全領域,通過飛槳研發的輸電線路通道隱患目標圖像與視頻智能檢測系統,實現了輸電線路通道隱患目標的自動化識別和預警;環境保護領域,飛槳支撐的無人機自主飛行+應用管理平臺,可以對森林進行自主巡邏、火情監測、非法入侵、森林樹木砍伐監測等功能……而這些只是百度飛槳深度學習平臺產業實踐的冰山一角。
從市場地位來看:飛槳正日益展現出強大競爭力,成為中國人工智能抗衡國外TensorFlow、PyTorch等產品的絕對力量。據統計,飛槳在國內深度學習市場份額穩居第三,僅次于Google TensorFlow。在第六屆世界互聯網大會上,飛槳入選了世界互聯網領先科技成果,可見其在行業和市場中的地位。
綜上:從技術實力、生態規模以及產業落地實踐來看,百度飛槳深度學習平臺已然具備承接大量中國企業由國外到國內平臺轉移的足夠能力。
三、產學研攜手共建,筑牢人工智能地基
雖然飛槳當下已成長為國內唯一開源開放、功能完備的深度學習平臺,在市場份額發展上也展出了迅猛勢態,但也需要客觀承認的是,其在整體市場份額層面,距離TensorFlow、PyTorch等主流平臺仍有差距。
如何抹平中國與外國的差距?在我看來,需要從政策扶持、產學研三方共建入手,以共同實現發展繁榮,筑牢中國人工智能地基。
特別是政府、產業、學術界需要更多地“打配合”,來集中力量辦大事,促進百度飛槳、曠視天元、MindSpore等國產深度學習平臺進一步成長,進而最大程度降低未來國際環境惡化帶給國內人工智能產業的損失。
(飛槳已經在產學研界有著大量合作共建)
此外,國內大部分的深度學習平臺在構建底層平臺所需的技術門檻高、周期長、投入大的現實下,這些平臺的基礎功能完備性、產業具體實踐以及生態構建等層面,都還處于非常稚嫩的狀態,離飛槳尚有距離,更別說對標TensorFlow、PyTorch等成熟產品。
因此,無差別“大水漫灌”可能不是一個好的選擇,從投入產出比的角度來看,重點扶持百度飛槳等優勢產品,做到“力出一孔”,可能是應對國際形勢變化、把握超車時機的最好選擇。
寫在最后:
飛槳已經在技術上取得大量升級突破,并在工業大生產中得到充足驗證,許多國產深度學習框架的出現,也證明了中國人工智能的整體實力 。中國擁有世界上最多的AI開發者,算法層與應用層也領先世界,只要合理進行政策扶持引導,加強產業橫向與縱向的合作,打造良性的生態集合,必然能實現“國貨自強、掌握核心科技、自主可控”的最終目標。
作者:鄰章系獨立撰稿人,專注科技互聯網評論,致力傳遞價值思考。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
