18世紀中后期，人類推開了工業(yè)革命的大門。
在此后的近250年里，世界經濟迎來了從未有過的發(fā)展曲線，漫長的中古時期轟然倒塌，現(xiàn)代化的晨曦點燃了文明之光。
此后的歲月里，每當經濟發(fā)展遇到瓶頸，社會問題凸顯，新的工業(yè)革命總會適時出現(xiàn)。從蒸汽革命、電氣革命，到信息革命，人類已經完成了三輪奇跡般的生產力增長。
那么，第四次呢？它將出現(xiàn)在何時，以何種技術作為主軸，又如何一步步改變我們的社會經濟？毫無疑問，回答這些問題在這個時代無比重要。
幸運的是，互聯(lián)網、云計算、大數據，再到AI的一系列發(fā)展，基本已經讓第四次工業(yè)革命的首要問題產生了共識：這次全球行動注定由智能化來指揮，以深度學習為代表的第三次AI崛起，將為各行業(yè)生產力再次飛躍提供原動力。
而與前三次工業(yè)革命不同，即將迎來的智能革命中，中國首次與世界站上了同一起點。
那么接下來的問題，是產業(yè)智能革命從理論可行到實際發(fā)展，如何一步步填補AI與現(xiàn)實生產力間的縫隙。這個10月，作為中國唯一功能完備的深度學習開源平臺，百度飛槳將迎來一系列走入工業(yè)化生產與現(xiàn)實世界的大事件。我們發(fā)現(xiàn)，沿著飛槳落地的腳步，恰好可以完整描述出從AI技術，到可用平臺，再到產業(yè)實踐與經濟矩陣，深度學習一步步擴散到現(xiàn)實世界中的行為邏輯。
如果說，得出AI與產業(yè)結合的可能性，是智能革命的春芽；那么收獲AI滲透現(xiàn)實的真實路徑，就是這場智能革命的秋實。恰好時至華夏大地滿眼秋色，我們希望用一個系列，來追尋從飛槳蛻變，到第四次工業(yè)革命的先聲。從深度學習的一粒石子，到產業(yè)與國民經濟的層層波瀾，改變正在這個秋天層層震蕩開去——也許可以稱之為，工業(yè)革命的秋之漣漪。
第一層的故事，關于飛槳產業(yè)級深度學習開源開放平臺。10月16日，首屆世界科技與發(fā)展論壇在北京舉辦，面對著現(xiàn)場來自全球20多個國家和地區(qū)的200多名院士、諾貝爾獎獲得者、世界重要科技組織會員、大學校長和企業(yè)家，百度CTO王海峰發(fā)布“飛槳產業(yè)級深度學習開源開放平臺”，智能時代的操作系統(tǒng)，再次得以升級。
這件事改變了什么？讓我們先從一切故事的背景說起：產業(yè)智能化的沃土，我們的中國。
一片土地的期望
工業(yè)革命是需要溫床的，18世紀完成土地和宗教改革的英倫半島，19世紀急需全球化經濟的歐洲大陸，20世紀在硅晶片上孕育新時代的美利堅。必須有技術底座和強烈需求，才能孕育工業(yè)革命的動力和舞臺。
而今天的中國，廣泛的產業(yè)升級需求和供給側改革，構筑了充分的工業(yè)革命需求；而互聯(lián)網的長足發(fā)展，數據與計算底層設施的建造，則為智能技術提供了生長溫床。二者相加，最適合AI技術投入產業(yè)應用，同時也是最需要AI技術完成生產力迭代的地方，都變成了中國。
智能革命發(fā)生于中國，是三種情況的交匯。首先互聯(lián)網的長足發(fā)展，醞釀了人才與技術的底座，這股力量需要被引導向產業(yè)智能的新藍海；其次，中國的產業(yè)結構完整而廣泛，各行業(yè)或多或少都蘊藏了可以被AI技術完成“提質增效”的空間。在中美科技齊頭發(fā)展的國際新局勢下，國家經濟整體對AI技術應用具有深層渴望。一系列需求構成了產業(yè)智能化命題最大的市場空間；同時需要看到的是，中國數字化滲透度不如發(fā)達國家，各產業(yè)的經濟發(fā)展周期、人才儲備情況、數字化水平參差不齊，這讓AI深入產業(yè)充滿了具體性與不確定性。AI基礎平臺與行業(yè)智慧的交融有待進一步探索。
全球前列的技術水準、廣泛龐大的市場需求、復雜具體的行業(yè)挑戰(zhàn)，這三者共同構成了這片土地與AI技術相遇時驚喜與困難并存的現(xiàn)狀。雖然廣義的前景無限光明，但當智能革命深入某個具體行業(yè)時，問題往往層出不窮。以深度學習為代表的第三代AI技術，與以往軟件應用不同的地方在于，它以機器學習和神經網絡為基礎特征，需要經歷開發(fā)、訓練、推理部署，最終走向產業(yè)應用。但這整套流程對于垂直行業(yè)來說，每個步驟都充斥著挑戰(zhàn)：
1、AI模型的開發(fā)效率低、開發(fā)成本大，人才難以尋找。
2、能夠支撐產業(yè)級別的AI訓練，需要龐大算力和巨大的數據量，以及精度保障能力。這個環(huán)節(jié)往往是企業(yè)的最大負擔。
3、模型在推理端的高時延、高能耗、低速度，容易造成AI應用不達標，形成臨門一腳的失誤。
4、千差萬別的行業(yè)需求和應用特征，對AI技術的標準化、模塊化、行業(yè)智慧結合提出了廣泛挑戰(zhàn)。
綜合起來看，中國引領第四次工業(yè)革命，在今天希望巨大同時挑戰(zhàn)巨大。解決這些問題，有很多種思路。但有一個邏輯是無可否認的：今天開發(fā)深度學習模型，需要開發(fā)框架的支持；未來的產業(yè)智能應用，需要高度可用的操作系統(tǒng)作為底層算力、算法與行業(yè)應用的中間件——無論是今天還是未來，飛槳的戰(zhàn)略價值都與中國的期待緊密相連。
一座車站
在討論飛槳的價值生長時，我們必須要注意產業(yè)節(jié)奏的變化。
深度學習模型的開發(fā)，需要以開發(fā)框架作為基礎工具，這在今天已經成為了常識。支持高并發(fā)訓練部署的完整框架，是飛槳誕生時的價值指向，這時它是AI開發(fā)者的一種選擇；隨著產業(yè)智能化不斷加深，國民經濟應用AI的需求加強，自主可控變成了安全前提，這就讓飛槳這個中國唯一功能完備開源平臺的戰(zhàn)略價值順勢凸顯；接下來，占據了關鍵位置的飛槳，可用向上向下生長出更多算法、工具與解決方案優(yōu)勢，成為盡可能容納開發(fā)、訓練、部署周期，一站式解決AI應用困境的操作系統(tǒng)。
這個邏輯就像車站。當鐵路貫通時，車站是必需品。而當中國AI的鐵軌上，只有飛槳一座車站時，這座車站可以進一步擴容功能，為旅客提供盡可能多的服務。我們知道很多車站成長為了商業(yè)綜合體，就是這個邏輯。
在王海峰發(fā)布的飛槳全景圖中，我們可以看到飛槳的目標，是打造一個向下抵達芯片層、向下輸出到應用層，容納其中所有的開發(fā)支持與產業(yè)應用需求，從而打造標準化、模塊化、自動化的AI入口。這就像智能手機時代，開發(fā)者只需要學習安卓/IOS，再懂基礎的標準語言就可以進行開發(fā)。AI時代想要真正到來，同樣需要一套類似邏輯的操作系統(tǒng)——這就是飛槳的發(fā)展軌跡。
目前，飛槳已經形成了體系完善、工具豐富的開發(fā)平臺生態(tài)。在核心框架層面，提供開發(fā)、訓練和預測一整套的技術能力；在此之上，官方支持包括自然語言處理、視覺、推薦和語音等在內的豐富的工業(yè)級模型庫，以及支持語義理解、目標監(jiān)測、圖像分割等任務的端到端開發(fā)套件。工具和服務平臺層面，提供自動化深度學習、遷移學習、強化學習、多任務學習等工具組件和EasyDL、AI Studio等降低技術門檻的服務平臺。最終形成了集深度學習訓練和預測框架、模型庫、開發(fā)套件、工具組件和服務平臺等為一體，功能完備、全面開源開放的產業(yè)級深度學習平臺。
當深度學習的水滴投入現(xiàn)實世界，飛槳是它激起的第一層波瀾。我們可能需要追尋的，就是這層漣漪如何向更遠處蔓延。其實答案已經顯露，王海峰對飛槳的最新定義，是產業(yè)級級深度學習開源開放平臺——顯然，這里的關鍵點是“產業(yè)級”三個字。
這三個字代表了飛槳接下來的發(fā)展方向。一座車站，可能生長出一個商業(yè)綜合體。接下來，更可能誕生一座城市，美國的奧爾良、芝加哥；中國的鄭州、石家莊莫不如此。飛槳之城，就建立在第四次工業(yè)革命的中國底座中。
一條線
或許很多朋友，覺得“產業(yè)級”無非就是一個修飾。但是百度技術體系向來是不會隨便添加修飾詞的。相反，他們更喜歡把重要的技術更新，輕描淡寫地說出來。
想要理解飛槳的“產業(yè)級”蛻變，需要知道機械學中有個概念叫做“工業(yè)紅線”。我們自己在家也可以DIY一個發(fā)電機或者蒸汽機，實驗室里可以制造機器復雜的機械設備，但是這些設備都無法投入工業(yè)應用，就是因為他們無法越過“工業(yè)紅線”。
一種技術和設備，想要達到工業(yè)標準，需要滿足一系列條件：成本控制、使用難度控制、生產效率達標、模塊化組件、大規(guī)模生產支撐等等。所以產業(yè)工業(yè)化必須是一套完整的體系相互支撐，任何一個創(chuàng)新點如何達不到標準，都可能摧毀整個產業(yè)鏈的效率。
在今天，企業(yè)知道AI好用卻無法用，所有困難本質上都因為AI相關工具和平臺，無法達到切合產業(yè)生產需求的工業(yè)級標準。夠快、夠大、夠簡單，這些聽起來簡單的話題，其實是極其困難的部分。
而飛槳加上“產業(yè)級”，就是百度決定闖過這條工業(yè)紅線的標志。具體來說，飛槳踏過產業(yè)級紅線，來自于四個方面國際領先技術的突破：
1、人才線
想要挺進工業(yè)生產，我們就不能假定每個行業(yè)的AI開發(fā)者和技術人員都是天才大神。然而工業(yè)級的深度學習模型卻在持續(xù)復雜化，代碼結構的理解難度不斷提升。這給開發(fā)人員帶來的巨大挑戰(zhàn)。
想要AI走進產業(yè)，就必須讓開發(fā)簡單易懂，與如今同行的編程教育和行業(yè)并軌。為此，飛槳完成了基于編程邏輯的深度學習框架技術，同時支持聲明式和命令式編程，兼具開發(fā)靈活性和穩(wěn)定性。也就是說，如今的編程從業(yè)者可以不經歷漫長學習就能使用飛槳，企業(yè)的AI人才門檻也將極大降低。
2、訓練線
工業(yè)級AI的基礎特征，就是訓練所用的數據和算力異常巨大，尤其是大規(guī)模個性化推進場景，需要超大規(guī)模的稀疏性特征訓練，堪稱AI中的重工業(yè)。再精巧是算法和工具，如果適配超大規(guī)模訓練都沒有意義。踏過訓練線，是AI操作系統(tǒng)駛向未來的核心。
為此，飛槳平臺率先突破了超大規(guī)模深度學習模型訓練技術，實現(xiàn)了世界首個支持千億特征、萬億參數、數百節(jié)點的開源大規(guī)模訓練平臺，攻克了超大規(guī)模深度學習模型的在線學習難題，實現(xiàn)了萬億規(guī)模參數模型的實時更新。這就像工業(yè)領域的超大熔爐和巨型鍛造機，為未來更復雜的產業(yè)需求打造平臺底座。
3、硬件線
AI駛向工業(yè)革命，一個基本邏輯就是需要把深度學習技術與現(xiàn)實中的無數設備相結合，并且兼容復雜的異構算力、差異化平臺，組成能夠適應行業(yè)需求的解決方案。引申到操作系統(tǒng)中，這就需要技術中間層提供端到端部署的部署能力，實現(xiàn)軟硬件一體優(yōu)化。
這個領域，飛槳為產業(yè)世界提供多端多平臺部署的高性能推理引擎。在推理方面，飛槳平臺不僅可以和其他開源框架訓練的模型無縫銜接，還可以輕松的部署到X86 CPU、ARM CPU、Nividia GPU、Mali GPU等不同架構的平臺設備上。同時提供領先的推理速度。經過跟華為麒麟NPU的軟硬一體優(yōu)化，使得在NPU上的推理速度進一步突破。
4、算法線
最后到應用層，工業(yè)領域所需要的深度學習算法，往往以超高效率、多模態(tài)為主要特征。這類算法的開發(fā)訓練難度不低，企業(yè)往往無法自行研發(fā)。為了讓工業(yè)級的AI算法普惠行業(yè)，飛槳提供面向產業(yè)應用的跨模態(tài)通用語義表示技術，開源開放覆蓋多領域的工業(yè)級模型庫。
截至目前，飛槳平臺支持80多個產業(yè)實踐中長期總結和打磨的主流模型，同時開源開放100多個預訓練模型，搭配大量工具和服務層的能力，構成適合產業(yè)應用的算法+工具+服務綜合工具箱。
每一條必須要跑過的路，飛槳都愿意和有能力比國際競品多跑一段距離。累計起來，構成了世界AI框架領域，唯一的“工業(yè)過線者”。
產業(yè)級，三個筆畫簡單的字里，孕育了多個領域對已極限的突破，對未知世界的憧憬和洞察。
一圈漣漪
目前，飛槳深度學習平臺的開源開放，已累計服務了150多萬開發(fā)者，擁有超過6.5萬企業(yè)用戶、在定制化訓練平臺上發(fā)布了16.9萬個模型，真實推動了中國AI技術的標準化、自動化和模塊化，加快產業(yè)應用步伐。
在從深度學習到產業(yè)級開發(fā)平臺的第一層漣漪之后，飛槳的能量震蕩到廣袤的產業(yè)世界與開發(fā)者群落，形成了第二層堅強有力的漣漪。
在接下來的第二篇里，我們將追溯工業(yè)革命的漣漪——飛槳向產業(yè)實踐和開發(fā)者群落中的投射與嘗試。
各行業(yè)的案例、大量真實場景的凝結、實踐中的問題與解答，都在飛槳與這個秋天的相遇和成長。
作為產業(yè)AI引擎的飛槳，要在颯颯風聲中，讓世界聽到它的轟鳴聲。
免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
