2021年正值科技摩擦之際，我采訪到一位工業(yè)機(jī)械公司的技術(shù)負(fù)責(zé)人，向他問(wèn)到：“制造領(lǐng)域有沒(méi)有一些“卡脖子”的情況？”

他提到，“工業(yè)智能制造的核心要素，可以歸納為“三軟三硬”。三軟主要是指大數(shù)據(jù)、人工智能和工業(yè)軟件，三硬主要是指核心裝備、制造工具和材料?？ú弊舆@個(gè)問(wèn)題，在各行各業(yè)各個(gè)領(lǐng)域都普遍存在”。

“反倒是深度學(xué)習(xí)框架，現(xiàn)在的情況還好，沒(méi)有卡脖子。TensorFlow是開(kāi)源框架，雖然也是國(guó)外的，但目前還沒(méi)有封閉，不過(guò)也不排除它后期還會(huì)封閉。這也是為什么我們公司選擇國(guó)產(chǎn)深度學(xué)習(xí)框架，一是使用門(mén)檻更低，二是防患于未然?？陀^地說(shuō)，國(guó)產(chǎn)框架離TensorFlow還有一定的差距，但這個(gè)差距在肉眼可見(jiàn)地縮小?！?/p>

從傳統(tǒng)的深度學(xué)習(xí)模型時(shí)代，到方興未艾的大模型時(shí)代，都離不開(kāi)AI框架的平臺(tái)化支撐，其重要性不亞于芯片。但和芯片不同的是，與大模型發(fā)展相適配的國(guó)產(chǎn)AI框架，基本實(shí)現(xiàn)了自保。

這是基礎(chǔ)技術(shù)領(lǐng)域一個(gè)非常大的進(jìn)步，也是中國(guó)為什么沒(méi)有錯(cuò)過(guò)這一輪大模型AI熱潮的原因之一。

2021-2024的短短數(shù)年，從機(jī)器學(xué)習(xí)到大模型，新舊技術(shù)“滄海桑田”，科技行業(yè)風(fēng)云變幻，但AI框架之于產(chǎn)業(yè)的重要性，卻從未改變。

如果說(shuō)，從信息化、數(shù)字化到智能化的漫長(zhǎng)進(jìn)程，就像魚(yú)類(lèi)走向陸地的進(jìn)化變遷，那么AI框架，就處于算力層與應(yīng)用層的中間地帶，猶如海洋與陸地之間的那道“海岸”，支撐著各行各業(yè)與智能浪潮的交融。

那么，究竟什么是大模型所需要的AI框架？AI框架是如何滿足產(chǎn)業(yè)鏈需求的？國(guó)產(chǎn)AI框架與海外框架的差距或差異又在哪里？

本文就讓我們深入AI產(chǎn)業(yè)鏈的中樞地帶，沿著AI框架的“海岸”一探究竟。

魚(yú)要經(jīng)由海岸，進(jìn)化成兩棲動(dòng)物，適應(yīng)陸地，才能具備在新環(huán)境的生存能力，拓寬種群的邊界。同理，AI模型從訓(xùn)練到推理的全流程落地，開(kāi)發(fā)者也需要一種基礎(chǔ)設(shè)施作為助力，這就是AI框架。

一個(gè)底層AI框架，至少具備幾個(gè)特質(zhì)：

1.通用性。AI框架作為基礎(chǔ)設(shè)施，廣泛覆蓋各類(lèi)模型，同時(shí)簡(jiǎn)化了AI開(kāi)發(fā)過(guò)程，對(duì)多種算法進(jìn)行模塊化封裝，讓開(kāi)發(fā)者不需要“重復(fù)造輪子”，可以快速搭建AI模型。比如對(duì)多元異構(gòu)計(jì)算硬件的適配兼容，支持大分發(fā)多類(lèi)型任務(wù)調(diào)度的分布式能力，核心算子庫(kù)等，是開(kāi)發(fā)各類(lèi)算法模型都需要的，都要在框架層去解決。

2.全流程。AI框架集成了模型開(kāi)發(fā)所需要的工具，為開(kāi)發(fā)人員提供全流程的開(kāi)發(fā)環(huán)境。具體來(lái)說(shuō)，訓(xùn)練、調(diào)優(yōu)、測(cè)試和部署的一整個(gè)標(biāo)準(zhǔn)化流程中，所需要的相應(yīng)組件，都能夠在一個(gè)平臺(tái)獲得，進(jìn)行全流程的項(xiàng)目提升，高效滿足各類(lèi)場(chǎng)景的定制化建構(gòu)需求。

3.生態(tài)化。從產(chǎn)業(yè)鏈全局來(lái)看，AI框架下接芯片，上承應(yīng)用，是芯片廠商、應(yīng)用開(kāi)發(fā)者、軟件服務(wù)商等多個(gè)行業(yè)主體都匯聚的中樞地帶，形成了非常關(guān)鍵的AI生態(tài)系統(tǒng)。擁有一個(gè)集聚產(chǎn)業(yè)鏈的自研AI框架，就如同擁有了一條生態(tài)豐富、自主可靠的海岸線，是一企乃至一國(guó)守住AI疆域的關(guān)鍵。

因此，當(dāng)ChatGPT代表的大模型爆火之后，焦慮無(wú)處不在，“我們沒(méi)有大語(yǔ)言模型怎么辦？”“高端算力卡被禁了怎么辦？”“基礎(chǔ)軟件卡脖子怎么辦？”但同樣至關(guān)重要的底層AI框架，卻沒(méi)有出現(xiàn)“什么時(shí)候才能有自己的框架”的焦慮。

試想一下，如果國(guó)計(jì)民生重點(diǎn)行業(yè)的大模型，建立在海外企業(yè)的框架上，開(kāi)源許可證的斷供風(fēng)險(xiǎn)、數(shù)據(jù)安全風(fēng)險(xiǎn)可想而知。幸好，國(guó)產(chǎn)AI框架，早就做好了準(zhǔn)備。

目前，國(guó)際有兩大主流AI框架TensorFlow（谷歌）、PyTorch（Meta），而中國(guó)自研的AI框架，按照其廠商可以分為三類(lèi)：

一是以百度為代表的AI頭部科技企業(yè)推出的，如飛槳paddlepaddle，基于先進(jìn)模型和產(chǎn)業(yè)生態(tài)積累，布局AI框架，建立智能業(yè)務(wù)的體系化優(yōu)勢(shì)。

中國(guó)軟件產(chǎn)業(yè)40年功勛人物、“國(guó)家卓越工程師”稱(chēng)號(hào)、百度CTO的王海峰，曾回憶文心一言的開(kāi)發(fā)過(guò)程：2023年要在算力需求爆發(fā)、供應(yīng)緊缺的條件下，快速跟上ChatGPT的趨勢(shì)，正是基于百度的深度學(xué)習(xí)框架飛槳paddlepaddle，下游跟主流的芯片廠商做了適配，任何好的算力，我們都能用得起來(lái)，很快完成了大模型訓(xùn)練。

二是以華為云為代表的AI云服務(wù)廠商推出的，如昇思mindspore，通過(guò)AI框架，在云基礎(chǔ)設(shè)施和行業(yè)云用戶之間搭建起橋梁，提供完整的云端大模型服務(wù)。

去年大模型的百花齊放，就是很多ToB企業(yè)和軟件公司，利用華為云上的AI框架昇思mindspore，以及盤(pán)古大模型、昇騰AI云服務(wù)等，支持國(guó)內(nèi)各類(lèi)開(kāi)發(fā)者、服務(wù)商等結(jié)合行業(yè)應(yīng)用場(chǎng)景，做出原創(chuàng)模型，支撐了國(guó)內(nèi)多個(gè)領(lǐng)域訓(xùn)練并首發(fā)大模型，加速了大模型走向產(chǎn)業(yè)化的進(jìn)程。

三是垂類(lèi)AI服務(wù)商、研究者推出的深度學(xué)習(xí)框架，具備某些獨(dú)特的技術(shù)特性或應(yīng)用場(chǎng)景，比如曠視科技（Megvii）在計(jì)算機(jī)視覺(jué)領(lǐng)域的專(zhuān)長(zhǎng)，使其MegEngine框架在圖像處理任務(wù)上表現(xiàn)突出；清華大學(xué)計(jì)算機(jī)系推出的Jittor，特別適合于研究和教育領(lǐng)域，便于快速實(shí)驗(yàn)和算法原型開(kāi)發(fā)；騰訊優(yōu)圖的NCNN框架專(zhuān)為移動(dòng)端和嵌入式設(shè)備優(yōu)化，適合資源受限的環(huán)境或邊緣計(jì)算；一流科技的Oneflow，也是業(yè)內(nèi)完整的深度學(xué)習(xí)框架類(lèi)產(chǎn)品。

不同于英偉達(dá)基于芯片構(gòu)建的軟件生態(tài)體系，國(guó)產(chǎn)AI芯片廠商受限于產(chǎn)品規(guī)模，自研軟件配套的應(yīng)用范圍比較有限，有待發(fā)育，就不詳述了。

綜上，面對(duì)大模型掀起的這一輪AI浪潮，海外框架平臺(tái)生態(tài)蓬勃，起到了一個(gè)“海闊憑魚(yú)躍”的作用。國(guó)產(chǎn)AI框架也沒(méi)有缺席，為各行各業(yè)探索大模型，奠定了基礎(chǔ)，匯聚了力量。

AI框架之所以沒(méi)有缺席，是中國(guó)產(chǎn)學(xué)界人士“板凳甘坐十年冷”，一點(diǎn)一滴地構(gòu)筑而成的。這個(gè)過(guò)程，遵循了技術(shù)領(lǐng)域的“雙漏斗”規(guī)律，是一個(gè)從擴(kuò)散到收斂，從收斂到擴(kuò)散的過(guò)程，其間經(jīng)由開(kāi)發(fā)者不斷選擇和淘汰，最終演化成了今日格局。

第一階段：早期時(shí)期的擴(kuò)散漏斗（Diversity Phase）

新技術(shù)出現(xiàn)的初期，由于技術(shù)尚未成熟，新的想法和產(chǎn)品層出不窮，市場(chǎng)和用戶對(duì)于哪種技術(shù)會(huì)最終勝出存在很大的不確定性，因此會(huì)出現(xiàn)多樣化的技術(shù)流派。

PC操作系統(tǒng)、移動(dòng)互聯(lián)網(wǎng)OS都經(jīng)歷過(guò)百花齊放、多家爭(zhēng)鳴的階段，AI框架也不例外。深度學(xué)習(xí)大行其道的時(shí)候，數(shù)據(jù)、算法和算力激增，工程復(fù)雜度提高，開(kāi)發(fā)者非常需要減少“重復(fù)造輪子”，直接調(diào)用某些模型或工具，這時(shí)候各大廠商都開(kāi)始將自研算法和工具封裝為軟件框架，供開(kāi)發(fā)者使用，涌現(xiàn)出了Theano、Caffe（伯克利大學(xué)）、Torch、DistBelief（谷歌，TensorFlow前身）等多款框架。

同一時(shí)期，國(guó)內(nèi)還沒(méi)有互聯(lián)網(wǎng)企業(yè)或科技公司做框架，部分高校在學(xué)術(shù)科研角度做了一些零散的工作。構(gòu)建完整的深度學(xué)習(xí)框架，是2013年百度開(kāi)始。因?yàn)楹茉缇完P(guān)注到深度學(xué)習(xí)技術(shù)，百度更早遇到了深度學(xué)習(xí)應(yīng)用上的一些挑戰(zhàn)，比如所有的算法從頭寫(xiě)，開(kāi)發(fā)效率低，經(jīng)常出錯(cuò)；每個(gè)深度學(xué)習(xí)開(kāi)發(fā)團(tuán)隊(duì)寫(xiě)的程序差異很大，模塊無(wú)法復(fù)用，兼容性也不高，急需一個(gè)統(tǒng)一框架。于是2013年，百度開(kāi)始在框架上投入。據(jù)了解，當(dāng)時(shí)百度內(nèi)部也是框架百花齊放，開(kāi)發(fā)了多個(gè)深度學(xué)習(xí)框架，解決不同業(yè)務(wù)的不同問(wèn)題。

值得注意的是，早在此時(shí)起，國(guó)內(nèi)外的框架就已經(jīng)顯露出差異化的特質(zhì)。以Caffe、Torch為代表的海外框架，更偏向于學(xué)術(shù)、工程師使用；以百度為代表的國(guó)內(nèi)框架，從產(chǎn)業(yè)土壤上生長(zhǎng)出來(lái)，一開(kāi)始就很注重實(shí)用性、功能性、分布式訓(xùn)練、硬件優(yōu)化等產(chǎn)業(yè)特性。

第二階段：競(jìng)爭(zhēng)時(shí)期的收斂漏斗（Consolidation Phase）

隨著時(shí)間的推移，更主要是AI巨頭如谷歌、Facebook、百度的優(yōu)勢(shì)框架相繼開(kāi)源，其他框架逐漸被淘汰、合并，多樣化的框架格局開(kāi)始向幾家主導(dǎo)“收斂”。

2015年開(kāi)始，谷歌大腦宣布TensorFlow開(kāi)源，2016年百度飛槳宣布開(kāi)源，2017年Meta人工智能研究院（FAIR）宣布PyTorch開(kāi)源。開(kāi)發(fā)者逐漸集中到幾個(gè)主導(dǎo)者生態(tài)中。

曾經(jīng)的熱點(diǎn)框架如Theano、CNTK（微軟）、Keras、Caffe2都相繼停止維護(hù)，或被主流框架收編，百度內(nèi)部也開(kāi)始將多款框架收斂為paddlepaddle，并正式對(duì)外開(kāi)源。

這一階段，海內(nèi)外并不“同此涼熱”。

一方面，PyTorch憑借極強(qiáng)的學(xué)術(shù)靈活性、易用性，迅速崛起，已經(jīng)發(fā)布很快成為爆款，成為圍剿谷歌“框架霸權(quán)”（TensorFlow不兼容其他開(kāi)發(fā)框架）的生力軍。

另一方面，當(dāng)時(shí)國(guó)內(nèi)很多企業(yè)的AI意識(shí)還沒(méi)有覺(jué)醒，以計(jì)算機(jī)視覺(jué)為代表的深度學(xué)習(xí)技術(shù)，很難滿足產(chǎn)業(yè)落地的精度需求。因此，當(dāng)海外AI巨頭圍繞框架“火星四濺”的時(shí)候，中國(guó)的深度學(xué)習(xí)框架依然是“冷板凳”，企業(yè)中只有百度一家在堅(jiān)持做。

如果說(shuō)，當(dāng)時(shí)海外框架是因競(jìng)爭(zhēng)而主動(dòng)收斂，那國(guó)內(nèi)框架就是因?yàn)橛隼涠粍?dòng)孤守。

第三階段：摩擦?xí)r期的再生漏斗（Renewal Phase）

當(dāng)主導(dǎo)框架不再適應(yīng)時(shí)代需求，就會(huì)出現(xiàn)新的創(chuàng)新浪潮，導(dǎo)致技術(shù)的多樣性再次增加。“TensorFlow、PyTorch兩分天下”的局面被改變，國(guó)產(chǎn)AI框架的創(chuàng)新再生大爆發(fā)，是在2019-2020左右，中美科技摩擦逐漸增多，需求側(cè)和供給側(cè)都發(fā)生了諸多變化。

從供給側(cè)來(lái)看，海外框架爆出安全漏洞，而AI又涉及國(guó)計(jì)民生核心領(lǐng)域，供應(yīng)鏈風(fēng)險(xiǎn)不得不重點(diǎn)考慮，自主可靠的國(guó)產(chǎn)框架成為必需，供給增多。這一階段，國(guó)產(chǎn)AI框架進(jìn)入加速發(fā)展期，除了飛槳PaddlePaddle，華為、阿里巴巴、騰訊、曠視科技等產(chǎn)業(yè)界，以及清華薩血等學(xué)術(shù)界，也都相繼推出了自研框架，豐富了國(guó)產(chǎn)框架的活力。

從需求側(cè)來(lái)看，隨著AI滲透率提升，中國(guó)各行各業(yè)的開(kāi)發(fā)者需要中文框架，更貼合中國(guó)市場(chǎng)的工具與數(shù)據(jù)集，更符合中國(guó)開(kāi)發(fā)者需求的社區(qū)生態(tài)，更能滿足中國(guó)產(chǎn)業(yè)需求的AI平臺(tái)。

有開(kāi)發(fā)者曾提到過(guò)，偏底層的TensorFlow，沒(méi)有為開(kāi)發(fā)者考慮到大量細(xì)碎問(wèn)題；習(xí)慣了郵件溝通的海外平臺(tái)社區(qū)，無(wú)法滿足中文開(kāi)發(fā)者實(shí)時(shí)交流、社群互動(dòng)的本土化開(kāi)發(fā)需求；需求分散、場(chǎng)景多樣的國(guó)內(nèi)中小企業(yè)，很少有技術(shù)人員，TensorFlow、PyTorch純開(kāi)源框架不能提供成熟低門(mén)檻的解決方案，這種模式無(wú)法支撐AI廣泛落地。

當(dāng)前階段：大模型時(shí)期的再收斂漏斗

AI框架從深度學(xué)習(xí)到大模型階段，從擴(kuò)散到收斂再到擴(kuò)散，技術(shù)革新與格局嬗變的背后，一條主線從未改變，那就是從學(xué)術(shù)到產(chǎn)業(yè)化，變得越來(lái)越易用、實(shí)用。對(duì)開(kāi)發(fā)者和產(chǎn)業(yè)更友好，更具應(yīng)用優(yōu)勢(shì)的框架，生態(tài)的吸引力更強(qiáng)，框架的生命力也就更長(zhǎng)，最終從群雄逐鹿的賽場(chǎng)中廝殺出來(lái)，成為主導(dǎo)。

目前，源于中國(guó)產(chǎn)業(yè)實(shí)踐的國(guó)產(chǎn)AI框架，也逐步收斂到更懂產(chǎn)業(yè)應(yīng)用場(chǎng)景、更具技術(shù)先進(jìn)性和生態(tài)規(guī)模優(yōu)勢(shì)的飛槳與昇思。

具體表現(xiàn)在，飛槳和文心一言，昇思與盤(pán)古大模型，與產(chǎn)業(yè)結(jié)合的廣度和深度，已經(jīng)超越了其他國(guó)產(chǎn)框架的生態(tài)規(guī)模。

同時(shí)，形成了全鏈路、低門(mén)檻的大模型服務(wù)能力，提供從算力、模型到應(yīng)用、商業(yè)層的多元多層支持，凝聚更加廣泛的開(kāi)發(fā)者。

產(chǎn)業(yè)鏈角色的多樣性與開(kāi)放性也格外顯著，與模廠、硬件廠商、應(yīng)用開(kāi)發(fā)者、軟件企業(yè)、ISV服務(wù)商等行業(yè)伙伴，都建立起了較好的相互賦能關(guān)系，構(gòu)建起智能服務(wù)的產(chǎn)品結(jié)構(gòu)體系。

進(jìn)入大模型時(shí)代的新階段，AI基礎(chǔ)設(shè)施的重要性，也被拔高到了前所未有的高度。

正如基礎(chǔ)通用模型不可能人人都做，如果企業(yè)和科研機(jī)構(gòu)無(wú)差別入場(chǎng)做基礎(chǔ)模型，會(huì)造成算力人力的極大浪費(fèi)，也會(huì)讓使用者的精力分散在各種模型的試錯(cuò)上，無(wú)法快速凝聚到技術(shù)更強(qiáng)的模型上，框架也是類(lèi)似的邏輯。

一個(gè)底層框架的技術(shù)優(yōu)勢(shì)、工具完整度、生態(tài)規(guī)模，需要長(zhǎng)期積累、聚沙成塔，而基礎(chǔ)軟件又格外需要生態(tài)的發(fā)展和匯集。逐步收斂到飛槳、昇思等更具潛力和繁榮的產(chǎn)業(yè)化框架上，構(gòu)筑AI戰(zhàn)略底座，將是大勢(shì)所趨。

如前所說(shuō)，AI框架是技術(shù)浪潮與產(chǎn)業(yè)大陸的連接地帶，只有在一次次潮起潮落后，仍然堅(jiān)守下來(lái)的平臺(tái)，才能成為中國(guó)AI產(chǎn)業(yè)鏈的堅(jiān)定守護(hù)者。

經(jīng)由時(shí)間和市場(chǎng)的洗練，國(guó)產(chǎn)框架與海外框架的特性差異，也變得越來(lái)越清晰。而這，可以作為一個(gè)側(cè)影，讓我們看到中國(guó)AI的差異化亮點(diǎn)。

還記得ChatGPT橫空出世之后，大家總能聽(tīng)到這樣的言論，“中美AI差距有十年”“OpenAI一心底層創(chuàng)新，中國(guó)AI還沒(méi)長(zhǎng)大就得出去賺錢(qián)”“百模大戰(zhàn)是同質(zhì)化的浪費(fèi)資源”……

從AI框架可以看到，更強(qiáng)的產(chǎn)業(yè)化能力，本就是中國(guó)AI的底色，也是亮色。

基礎(chǔ)能力上，以飛槳、昇思為代表的AI框架，在產(chǎn)業(yè)AI方面的實(shí)踐更多、積累最早，理解也最為深刻，因此可以很好地支持AI模型開(kāi)發(fā)與部署，讓產(chǎn)業(yè)迅速、更大規(guī)模應(yīng)用這些新技術(shù)。

舉個(gè)例子，面向科研、強(qiáng)調(diào)學(xué)術(shù)研究靈活性的PyTorch，對(duì)產(chǎn)業(yè)應(yīng)用的推理部署需求，做得是比較薄弱的，而國(guó)產(chǎn)框架為大模型到產(chǎn)業(yè)鋪設(shè)了一條高效通道。

飛槳很快上線了對(duì)大模型開(kāi)發(fā)的功能支持，提供了一系列模型封裝能力，加速大模型的產(chǎn)業(yè)化落地。昇思MindSpore提供了一整套高效、易用的大模型使能套件，形成了端到端的使能大模型開(kāi)發(fā)能力。

通過(guò)AI框架，開(kāi)發(fā)者與行業(yè)少走彎路，不重復(fù)造輪子，快速高效地把大模型用起來(lái)，這是中國(guó)的基座通用大模型快速跟進(jìn)、行業(yè)大模型爆發(fā)的前提。

產(chǎn)品體系上，源于產(chǎn)業(yè)需求的國(guó)產(chǎn)AI框架，能力布局更加全面、細(xì)致，可以更好地滿足產(chǎn)業(yè)落地AI大模型的實(shí)際需求。

純開(kāi)源的海外模型，常常會(huì)強(qiáng)調(diào)自己的技術(shù)有多厲害，有多強(qiáng)，對(duì)開(kāi)發(fā)者就主打一個(gè)“野蠻生長(zhǎng)”，這與其數(shù)字化水平、數(shù)字人才等都有直接關(guān)系。

然而中國(guó)企業(yè)的小、分散、需求長(zhǎng)尾，決定了AI框架作為產(chǎn)業(yè)基礎(chǔ)設(shè)施，是不能輕易“放養(yǎng)”的。

比如硬件適配，海外以英偉達(dá)為主導(dǎo)的硬件市場(chǎng)，也不像中國(guó)面臨多元異構(gòu)算力問(wèn)題的巨大挑戰(zhàn)。作為國(guó)產(chǎn)AI框架，必須進(jìn)行軟硬件結(jié)合的深度融合優(yōu)化，做特別多的工程開(kāi)發(fā)工作，來(lái)降低開(kāi)發(fā)者的硬件適配成本。

再比如模型庫(kù)。模型庫(kù)不是深度學(xué)習(xí)框架核心的組成部分，底層框架廠商投入精力去打造更細(xì)分的模型，看起來(lái)好像是把精力分散到了外圍一些無(wú)關(guān)緊要的東西上，而不是底層核心技術(shù)。但從產(chǎn)業(yè)應(yīng)用的角度來(lái)看，中國(guó)存在大量企業(yè)，沒(méi)有專(zhuān)門(mén)的研發(fā)人員能夠使用核心框架，從頭完成一個(gè)模型的自研工作，AI也沒(méi)有辦法落在產(chǎn)業(yè)需求中。

利用框架平臺(tái)的AI解決方案、模型和開(kāi)發(fā)套件，進(jìn)行微調(diào)改寫(xiě)，就能得到一個(gè)貼合場(chǎng)景的定制化模型，這更符合中國(guó)的產(chǎn)業(yè)實(shí)際。

源于產(chǎn)業(yè)、面向產(chǎn)業(yè)、托舉產(chǎn)業(yè)，以國(guó)產(chǎn)AI框架為基，如同隱藏在漫長(zhǎng)時(shí)光深處的“海岸”，在技術(shù)潮水涌動(dòng)之際，才能看出戰(zhàn)略價(jià)值，支撐住中國(guó)產(chǎn)學(xué)政各界對(duì)大模型技術(shù)的期待。

處于產(chǎn)業(yè)鏈中樞地帶的AI框架，以穩(wěn)定的底座、全產(chǎn)業(yè)鏈的貫通、較低的門(mén)檻，吸引了大量行業(yè)和從業(yè)者在這里棲身，適應(yīng)并探索AI新技術(shù)；

在這里“進(jìn)化”，從非數(shù)字原生組織，生長(zhǎng)出數(shù)字化、智能化的能力；

在這里“融合”，多種產(chǎn)業(yè)角色在這里交流、融合、創(chuàng)新，匯聚起豐富的AI生態(tài)。

最終，經(jīng)由AI框架的“海岸”，開(kāi)發(fā)者和行業(yè)一步步向AI時(shí)代遷徙，開(kāi)啟產(chǎn)業(yè)智能進(jìn)化的新篇章。

生成海報(bào)

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評(píng)論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個(gè)人觀點(diǎn)，與極客網(wǎng)無(wú)關(guān)。文章僅供讀者參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)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(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。