• 深度
  • 行業
  • 行業
  • 互動

拿下AI大時代的“操作系統”,百度飛槳如何為中國贏得話語權

曾響鈴 2019-10-18

文|曾響鈴

來源|科技向令說(xiangling0815)

任何一個新興科技領域在經過草莽式的發展后,必然無法逃離“社會化大分工”的普遍行業邏輯,出現承擔起基本能力輸出與服務的巨頭平臺,而合作伙伴、客戶/用戶開始專注于事業本身的創新與創意。

深度學習就是這樣一個時代的產物。

在2019年中關村論壇上,百度所主辦的平行論壇“AI時代的深度學習技術與應用創新論壇”中,百度PaddlePaddle(中文名“飛槳”)深度學習平臺被重點關注。

正如該論壇上深度學習知名學者、馬里蘭大學帕克分校教授Dinesh Manocha在例舉大量機器人和自動駕駛技術AI研發與應用后對飛槳的評價所說,“飛槳是一個非常好的通用架構,并且它是非常靈活的……它是一個非常好的開放平臺……希望在未來能夠將更多的模型應用在不同的行業里”,毫無疑問,飛槳已經越來越發揮出AI浪潮的幕后推動價值——看得見的是百度AI技術產業落地,看不見的是“飛槳”。

這些也意味著深度學習平臺將很大程度掌控AI時代的話語權,這個被稱為AI時代“操作系統”的東西,在全球范圍內的話語權戰爭也已經打響,Facebook PyTorch最近在時隔僅2個月就急不可耐地發布PyTorch 1.3,“硬剛”Google在10月1日發布的Tensorflow 2.0,硝煙彌漫……

只不過這一次,中國徹底準備好了。

“操作系統”混戰巨頭各有“調性”,中國鎖定“產業智能”

總體而言,全球范圍內叫得上號的深度學習框架主要有四大玩家,三個位于美國(微軟Cognitive Services、Facebook Pytorch、Google TensorFlow),中國僅有一根“獨苗”(百度PaddlePaddle),它們是AI時代的“操作系統”混戰的主要力量。

而雖然都是深度學習,巨頭們的產品也各有不同之處,這也決定了短期的競爭格局。

先從中國看起,當談論起深度學習框架時,盡管“飛槳”也具備多方面的適應性,例如其用戶既有Intel、Nvida、華為、中國聯通、中信銀行等產業組織,也有北京航空航天大學、中國科學院大學等學院派,但總體而言,飛槳的“人設”在所有玩家中與產業集合最為緊密。

在2019年中關村論壇深度學習平行論壇上,百度王海峰就直接表示,“希望更好的把深度學習技術標準化、自動化和模塊化,應用于各行各業的工業大生產,去賦能各行各業,幫助產業的智能化轉型。”

這也體現在了飛槳面向產業應用的代表性技術優勢上,目前飛槳其開放了覆蓋多領域的工業級模型庫,支持100多個經過產業實踐長期打磨的主流模型,其中包括在國際競賽中奪得冠軍的模型,同時開源開放200多個預訓練模型,官方稱目標是“助力快速的產業應用”,這個表述中,與產業升級聯動的調性已經很明顯。

從實際案例來看,例如在傳統工業質檢領域,致力于機器視覺在工業質檢方面應用的大恒圖像就與飛槳合作,解決了傳統基于機器學習特征工程方法對外觀缺陷類質檢無法快速進行場景切換、場景與場景之間的遷移研究成本高、識別效果差等痛點問題,在飛槳深度學習的框架下生成模型,實現產品缺陷分類,實際應用到流水線檢出率已達99.8%。

類似的案例還有很多,但總而言之,飛槳走的產業智能化升級聯動路線在全球范圍內十分獨特,反過來看,這恰恰也是中國現階段獨一無二的產業發展現實所決定,飛槳順應了這個趨勢。

而在國際上,準確地說是在美國,深度學習框架的競逐頗有“百花齊放”的意味。

例如微軟的Cognitive Services注重垂直能力經營,其深度學習平臺服務涵蓋圖像、視頻、文本和語音等各個領域,2018年重點推出的完全自動化的平臺Microsoft Custom Vision Services就是視覺領域的強化,這符合微軟一貫從垂直領域做產品而不做大平臺的調性。

而Facebook的Pytorch則更像是一個學究型開放平臺,實驗室氣質十分濃厚,Pytorch一開始就致力于為研究者服務,例如在2019年,引用PyTorch的論文數量就爆速增長了194%,在學院派AI陣營中頗有地位。

不過,Facebook也在試圖改變這一境況,現在包括Uber等大公司也開始采用PyTorch。

與之對應的是,是有評論認為,“PyTorch搞定研究,TensorFlow搞定業界”——作為Google家的產品,TensorFlow比冤家對頭PyTorch更有現實應用色彩,用來為實驗室刷AI論文的痕跡不那么濃。

而TensorFlow打出旗號——任何人都可以用,學生、研究員、愛好者、極客、工程師、開發者、發明家、創業者——其在安卓之外再度壟斷一個操作系統的野心也十分明顯了。

產業應用“必要+充分”,中國深度學習具備唯一的生態“完全體”基因

深度學習在中國的境況,與互聯網在中國的境況類似:龐大的應用市場和需求,哺育出最廣泛、全面的前沿技術與產品,這些技術和產品在持續“供養”下又能極大滿足市場需求,并實現國際領先。

互聯網、AI等的彎道超車就是這個邏輯,這種“必要+充分”的雙向循環,即是典型的生態“完全體”,是中國所有前沿技術應有的獨特優勢,飛槳也處在這樣的環境中,只不過是放到產業視角下看。

1、越是產業規模龐大的國家,越需要集中的深度學習能力共享

深度學習平臺本質是AI能力的一種云上“共享經濟”,平臺把自己的知識儲備拿出來,通過框架設計共享給更多開發者,“操作系統”的意義即在于此。

只有需求這種能力共享的AI項目越多,深度學習平臺的“共享”價值才更能凸顯。

作為全球GDP排名第二,制造業第一,服務業蓬勃發展的東方大國,中國產業的智能化需求催生出全球最為龐大的深度學習需求,飛槳的出現和壯大是必然。

而反過來,飛槳本身也必須適應這種龐大、多樣化的共享需求,其中既有能力上的廣泛適應需求(不能偏科),也有系統上的集中承載需求(要能扛得住)。

飛槳的一個領先的技術優勢之一,就是支持超大規模深度學習模型的訓練。根據官宣,目前飛槳突破了超大規模深度學習模型訓練技術,是世界首個支持千億特征、萬億參數、數百節點,攻克了超大規模深度學習模型在線學習難題,且實現了萬億規模參數模型實時更新的開源大規模訓練平臺。

能力與需求“握手”,中國大本營是飛槳國際化競逐的底氣。

2、產業的“躍遷式”發展,讓中國更需要深度學習平臺

除了應用的廣泛,如何讓應用更便捷實現,是所有深度學習平臺競逐的重點,無論是PyTorch 1.3還是Tensorflow 2.0的版本更新,都打出了易用、好實現這張牌。

而這件事放到眼下的中國,情形更為特殊。

中國金融科技的發展,是在原本傳統的金融業基礎上跨越而來,反而領先了國外。而中國的產業演化也在經歷同樣的過程,從十分傳統到十分智能的大跨度式跳躍,快速開發與部署的需求更為強烈。

但是,AI這件事必須投入大量人力物力去鉆研,不論是傳統領域,還是做服務的創業企業都很難支撐。

當飛槳打出“開發便捷的產業級深度學習框架”旗號時,也就是在契合這樣的需求,其采用基于編程邏輯的組網范式,對于普通開發者而言更容易上手,符合他們的開發習慣,同時,平臺支持聲明式和命令式編程,簡言之就是兼具開發的靈活性和高性能。在這種情況下,飛槳亦實現了網絡結構自動設計,模型效果超越人類專家。

這些屬性無疑能幫助那些需要躍遷式發展的企業在AI領域快速使用深度學習的成型算法,解放出更多精力放在重要業務上。

3、已有豐富的案例落地,產生AI領域的低成本知識裂變價值

先來看一個案例。

“紅脂大小蠹”長期侵害中國植被森林區,對生態影響很大,過去的解決辦法是人力翻山越嶺巡查,找到害蟲聚集區采取措施。除了專業人才需求大,也容易出現巡查漏洞,貽誤治蟲時機。

嘉楠捷思、百度飛槳和北京林業大學共同合作研發出了智能害蟲檢測系統解決了這個林業的痛點問題,利用搭載AI芯片的攝像頭模組進行蟲子的檢測與識別,分析病蟲害當中蟲子的種類,以及害蟲集中在哪個層面,以進行針對性的防治。

在這一過程中,飛槳提供框架,嘉楠捷思利用飛槳快速開發識別模型并通過芯片攝像頭模組落地,北京林業大學則提供害蟲、森林知識圖譜,三方共同完成的“智能害蟲檢測項目”已經開始走向商業化。

通過一個三方合作,飛槳的圖像識別技術即順利實現了產業應用,在林業領域實現了一個知識裂變的案例。

類似的案例還要更多,王海峰在2019年中關村論壇深度學習平行論壇上把飛槳定義為“一個源于產業實踐的深度學習平臺”,顯然,深度學習平臺的開放與實踐,產生了更大的AI產業智能化實踐價值,同一知識在不斷裂變出大量案例并走向現實和商業應用。

AI與產業升級,兩場不能失敗的戰爭、一個“幕后英雄”

Windows操作系統控制PC時代的交互窗口,現在控制著“生產力工具”,安卓、iOS控制著移動互聯網時代的交互窗口,主宰了“消費力”窗口。

如果說過去沒有掌握操作系統的話語權還尚能接受,只是在被扼住咽喉時難受一下,而AI大時代的“操作系統”一旦喪失主動權,其影響將是廣泛的。畢竟,全民AI、全面AI的時代即將到來,深度學習的話語權間接影響了一個國家的方方面面,從消費到產業,從個人到組織,都無法逃脫影響。

這種“操作系統”的遏制力體現在,一旦大多數開發者都習慣于某一套框架下的AI應用開發方式,將帶來很大的遷移成本,而平臺方出于某些目的一旦限制開放、限制專利應用,將直接鎖死下游開發者。

類似的在操作系統上的教訓,我們已經深深見識過了,未來AI時代不能再如此了。

這也說明,全球視野下的深度學習平臺的PK,不只在技術優劣更在生態構建,盡快擴大生態、提升行業影響力是與技術同等重要的事。

好在,飛槳的一些動作客觀上在實現這種影響力的構建。

飛槳代表性的領先技術優勢之一是多端多平臺部署的高性能推理引擎,也即不僅兼容其他開源框架訓練的模型,還可以輕松地部署到不同架構的平臺設備上。同時,經過跟華為麒麟NPU的軟硬一體優化,飛槳在NPU上的推理速度進一步突破。

這些都是兼容并蓄的表現,飛槳是一個靈活的、可以接納所有不同開發者、開發條件的“操作系統”,具有理論上無限的延展性。也只有這樣,才能保證影響力的持續擴大、生態的全方位滲透和充實,而不是“封閉王國”。

同時,在全球產業升級浪潮下,各國都在拼轉型拼升級,開放的深度學習平臺作為推動產業智能化的重要內容,無疑是大國戰略一個更為底層的構成要素,更類似于“幕后英雄”——它不直接表現出競爭優勢,卻在背后影響著國家的整體競爭力,既有直接的產業推動,也有國際AI話語權的掌控。

這一次,中國能不能不再被扼住咽喉,甚至反客為主,拭目以待吧。

*此內容為【科技向令說】原創,未經授權,任何人不得以任何方式使用,包括轉載、摘編、復制或建立鏡像。

【完】

曾響鈴

1鈦媒體、品途、人人都是產品經理等多家創投、科技網站年度十大作者;

2虎嘯獎高級評委;

3作家:【移動互聯網+ 新常態下的商業機會】等暢銷書作者;

4《商界》《商界評論》《銷售與市場》等近十家雜志撰稿人;

5鈦媒體、36kr、虎嗅、人民日報客戶端、澎湃新聞等近80家專欄作者;

6“腦藝人”(腦力手藝人)概念提出者,現演變為“自媒體”,成為一個行業。

7現為“今日頭條問答簽約作者”、多家科技智能公司傳播顧問。

(免責聲明:此文內容為第三方自媒體作者發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)

  • 曾響鈴
    郵箱:caoceng@fromgeek.com
    曾響鈴,作家,資深評論人,[移動互聯網+ 新常態下的商業機會]作者,[網紅經濟學]作者之一,《商界》等多家雜志撰稿人。微信號:xiangling0815 重點關注SaaS/智能硬件/互聯網金融/O2O/新媒體運營等。
    分享本文到