0
| 本文作者： 嘉嘉 | 2022-04-07 10:13 |
近日，斯坦福大學(xué)發(fā)布了《2022年AI指數(shù)報(bào)告》。這份長(zhǎng)達(dá)190多頁(yè)的報(bào)告涵蓋研發(fā)、經(jīng)濟(jì)、教育等各個(gè)方面的AI發(fā)展成果。
根據(jù)這份報(bào)告，2021年，中國(guó)AI專利申請(qǐng)量占全球總數(shù)的52%，專利申請(qǐng)數(shù)量居世界首位。但是，在授權(quán)專利數(shù)量上，仍然落后于美國(guó)。
這個(gè)結(jié)果并不意外，作為計(jì)算機(jī)科學(xué)的發(fā)源地，美國(guó)在AI領(lǐng)域始終獨(dú)樹(shù)一幟，其它國(guó)家難以望其項(xiàng)背。但中國(guó)的發(fā)足追趕也是不爭(zhēng)的事實(shí)。
在整體落后的背景下，中國(guó)AI如何實(shí)現(xiàn)趕超？是單點(diǎn)突破還是多點(diǎn)開(kāi)花？是在商業(yè)落地領(lǐng)域突進(jìn)還是在工程技術(shù)角度比拼，這些問(wèn)題都有待探討。
不過(guò)，在深度學(xué)習(xí)框架/平臺(tái)這個(gè)基于底層創(chuàng)新，又服務(wù)于產(chǎn)業(yè)落地的交界領(lǐng)域，似乎給我們提供了一條中國(guó)AI如何趕超的良好視角。
1956年，美國(guó)漢諾斯小鎮(zhèn)寧?kù)o的一所大學(xué)內(nèi)，包括諾貝爾經(jīng)濟(jì)學(xué)家獎(jiǎng)得主赫伯特·西蒙在內(nèi)的一眾知名科學(xué)家聚集一堂，召開(kāi)了一場(chǎng)漫長(zhǎng)的會(huì)議，討論一個(gè)在當(dāng)時(shí)的人們看來(lái)天方夜譚的話題：用機(jī)器模仿人類學(xué)習(xí)以及其他方面的智能。
這就是后來(lái)廣為熟知的達(dá)特茅斯會(huì)議，這次會(huì)議時(shí)間足足長(zhǎng)達(dá)兩個(gè)月，學(xué)者們卻仍然沒(méi)有達(dá)成共識(shí)，但為討論內(nèi)容起了一個(gè)名字：人工智能（AI）。
時(shí)間過(guò)去66載，曾經(jīng)討論的話題有許多可能已然成為現(xiàn)實(shí)，AI已經(jīng)從邏輯推理、專家系統(tǒng)來(lái)到機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的第三次發(fā)展浪潮，迎來(lái)發(fā)展的爆發(fā)期。
客觀的說(shuō)，最早提出AI理論的美國(guó)在整個(gè)AI發(fā)展的全球化潮流中，在基礎(chǔ)技術(shù)創(chuàng)新、商業(yè)化落地等領(lǐng)域，依然獨(dú)占鰲頭，在學(xué)術(shù)研究、實(shí)踐應(yīng)用等方面也均有著他國(guó)無(wú)可比擬的水平。
不過(guò)，中國(guó)也有獨(dú)特的優(yōu)勢(shì)。
很多人都知道，AI研發(fā)的三要素是算法、算力和數(shù)據(jù)，但這只是技術(shù)意義上的要素。更重要的要素，其實(shí)來(lái)自于需求和場(chǎng)景，在這方面，中國(guó)有14億人口的龐大國(guó)內(nèi)市場(chǎng)、有不少世界級(jí)的超大規(guī)?；ヂ?lián)網(wǎng)平臺(tái)、有大量來(lái)自傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的新基建需求，它們決定了除了美國(guó)之外，再?zèng)]有任何一個(gè)經(jīng)濟(jì)體擁有與中國(guó)競(jìng)爭(zhēng)成為AI創(chuàng)新的世界級(jí)策源地的底蘊(yùn)，包括科技發(fā)達(dá)的歐盟。
的確，關(guān)于AI，我們有很多很好的政策，也有不錯(cuò)的數(shù)據(jù)和成績(jī)。
比如，早在2016年，“人工智能”一詞就已經(jīng)被寫(xiě)入我國(guó)“十三五”規(guī)劃綱要。這之后，相關(guān)利好政策頻出，AI企業(yè)的發(fā)展隨之進(jìn)入快車(chē)道，融資數(shù)量和金額都在快速增長(zhǎng)。
例如，2016年以來(lái)，中國(guó)AI投資領(lǐng)域每年融資事件平均約1000 起。在過(guò)去的2021年，中國(guó)發(fā)生了1132起相關(guān)行業(yè)投融資事件，累計(jì)金額3996.4億元，較2020年增長(zhǎng)51.44%，再創(chuàng)新高。
又比如，在AI最為核心的算力水平，中國(guó)的發(fā)展速度同樣不容忽視。有報(bào)告顯示，過(guò)去一年，各國(guó)算力評(píng)分均有提升，但中國(guó)增幅最大，以總分70分進(jìn)入全球領(lǐng)跑者行列。
還有，中國(guó)可能是發(fā)表AI會(huì)議出版物數(shù)量最多的的國(guó)家，已經(jīng)成為AI專利“賬面上”的全球第一。
但這不是我們盲目樂(lè)觀的理由。
AI畢竟是要通過(guò)應(yīng)用才能發(fā)揮實(shí)際效能的。
而根據(jù)斯坦福大學(xué)發(fā)布的《2022年AI指數(shù)報(bào)告》，美國(guó)在授權(quán)專利數(shù)量上占全球總數(shù)的40%，排名世界第一。
這個(gè)數(shù)據(jù)的意義是，獲得專利授權(quán)才能“證明你的專利實(shí)際上是可信并且有用的”。這有點(diǎn)類似于出版物數(shù)量和被引用次數(shù)的情況。也就是說(shuō)，中國(guó)的研究成果很多，但在真實(shí)落地上的影響力和美國(guó)仍存在一定的差距。
某種程度上，這當(dāng)然是因?yàn)槊绹?guó)在AI以及整個(gè)計(jì)算機(jī)科學(xué)領(lǐng)域，有著不是一星半點(diǎn)的先發(fā)優(yōu)勢(shì)。
但某種程度上，即使在美國(guó)，AI也是極少部分有前瞻精神的學(xué)者，在公眾普遍看不到AI潛力的情況下，堅(jiān)持努力、篳路藍(lán)縷開(kāi)創(chuàng)的結(jié)果，這種精神才是值得我們學(xué)習(xí)的。
回顧歷史，深度學(xué)習(xí)的發(fā)展實(shí)際上經(jīng)歷了從邊緣化課題走向主流技術(shù)的路徑?！敖谈浮奔?jí)人物杰弗里·辛頓對(duì)神經(jīng)網(wǎng)絡(luò)的探索最早可以追溯到上世紀(jì)80年代初期，當(dāng)時(shí)的AI不僅是邊緣，還是低谷。但正是少數(shù)人的努力，比如像辛頓這樣，將神經(jīng)網(wǎng)絡(luò)帶入到研究與應(yīng)用的熱潮，將“深度學(xué)習(xí)”從邊緣課題變成了谷歌等互聯(lián)網(wǎng)巨頭仰賴的核心技術(shù)，使人工智能發(fā)展到今天這般炙手可熱。
更值得一提的是，辛頓早在2013年就意識(shí)到企業(yè)可能比學(xué)校能提供更好的AI研究場(chǎng)景和數(shù)據(jù)、算力，于是他在2013年進(jìn)入谷歌，由此推動(dòng)了一系列AI技術(shù)的產(chǎn)品化。
但是，對(duì)于矢志成為人工智能全球中心的中國(guó)來(lái)說(shuō)，追趕也同時(shí)開(kāi)始了。
從表面上看，2015年-2016年是AI技術(shù)走進(jìn)公眾認(rèn)知的一個(gè)分水嶺。
2015年的年尾，谷歌對(duì)外發(fā)布了迄今為止仍然占據(jù)深度學(xué)習(xí)主流框架位置的TensorFlow，其支撐的AlphaGo在2016年3月的人機(jī)大戰(zhàn)中以4：1戰(zhàn)勝世界圍棋冠軍李世石。深度學(xué)習(xí)的概念由此開(kāi)始被越來(lái)越多的“外行人”知曉，更新迭代也日新月異。
杰弗里·辛頓曾在一次演講中講道：“深度學(xué)習(xí)以前之所以不成功是因?yàn)槿狈θ齻€(gè)必要前提：足夠多的數(shù)據(jù)、足夠強(qiáng)大的計(jì)算能力和設(shè)定好初始化權(quán)重”。而現(xiàn)在，這些困難正在被逐漸抹平。
業(yè)界有一句名言是，搜索引擎是現(xiàn)有的最大的人工智能項(xiàng)目。這一點(diǎn)，在中美兩國(guó)都得到了確證。
早在2011年，谷歌已經(jīng)通過(guò)Google Brain（谷歌大腦）內(nèi)部孵化了一個(gè)叫做DistBelief的項(xiàng)目。隨后，包括杰弗里·辛頓在內(nèi)的大批科學(xué)家、工程師對(duì)其進(jìn)行改造，才有了后來(lái)聲名鵲起的TensorFlow。
無(wú)獨(dú)有偶，在中國(guó)產(chǎn)業(yè)界，最早孕育出人工智能特別是深度學(xué)習(xí)框架的，也是搜索引擎公司。
在現(xiàn)有的記錄中，百度自發(fā)應(yīng)用人工智能技術(shù)最早可以追溯到2006年，深度學(xué)習(xí)這一波強(qiáng)勢(shì)崛起后，百度也是國(guó)內(nèi)最早能夠“看到”深度學(xué)習(xí)技術(shù)及應(yīng)用的潛力的，某種程度上，百度同樣屬于早期的深度學(xué)習(xí)開(kāi)拓者之一。例如，2013年，百度率先建立全球首個(gè)專注深度學(xué)習(xí)研究的深度學(xué)習(xí)研究院。
這里要重點(diǎn)講一下的是，為什么百度在AI研發(fā)中，逐步選擇了深度學(xué)習(xí)框架/平臺(tái)作為核心突破口。
事實(shí)上，百度最早的應(yīng)用人工智能，并不完全是自上而下的，相反有某種自下而上的趨勢(shì)，人工智能猶如火種，在百度的不同體系、架構(gòu)、產(chǎn)品中，逐漸出現(xiàn)了不同層次的應(yīng)用。
可以說(shuō)，深度學(xué)習(xí)框架是絕大多數(shù)人使用人工智能的起點(diǎn)，再往前則是通過(guò)手工搭建模型，這是屬于部分科學(xué)家和高級(jí)工程技術(shù)人員的專利，它們太難也無(wú)法推廣。
當(dāng)時(shí)百度的內(nèi)部，不僅在使用不同來(lái)源的早期深度學(xué)習(xí)框架，甚至是不同部門(mén)都開(kāi)始了自行研究深度學(xué)習(xí)框架。
“研發(fā)隨著業(yè)務(wù)走”也是一種常態(tài)。但深度學(xué)習(xí)的星火燎原，引發(fā)了百度高層的關(guān)注。
在超大型互聯(lián)網(wǎng)平臺(tái)中，不同業(yè)務(wù)、不同部門(mén)使用不同的技術(shù)底座是很常見(jiàn)的事情，部門(mén)墻也是很難穿透的。但百度這次做了一個(gè)決定，要把深度學(xué)習(xí)的技術(shù)底座統(tǒng)一到一個(gè)框架中來(lái)，實(shí)現(xiàn)集中資源重點(diǎn)突破。
為此，百度梳理了各個(gè)部門(mén)的需求，從某種程度上來(lái)說(shuō)，這些部門(mén)的需求其實(shí)就代表著當(dāng)時(shí)中國(guó)產(chǎn)業(yè)界對(duì)AI應(yīng)用需求的最高水平，而匯集并設(shè)計(jì)一個(gè)可以包容這些需求的框架，則可以解決許許多多個(gè)企業(yè)、行業(yè)降低AI應(yīng)用門(mén)檻的問(wèn)題。
相較于很多出自高校、歷史久遠(yuǎn)、演變曲折的框架，飛槳一開(kāi)始就奠定了“產(chǎn)業(yè)級(jí)”深度學(xué)習(xí)框架的基礎(chǔ)。
基于已有的技術(shù)積累，百度在2016年正式對(duì)外開(kāi)源PaddlePaddle框架；而三年后的2019年4月，PaddlePaddle正式發(fā)布中文名——飛槳。
而在美國(guó)，2018年時(shí)，在GitHub的活躍度、Google上的搜索量、知名科技媒體Medium上的文章數(shù)量以及arXiv上的論文數(shù)量，TensorFlow所占比重都是最多的。
同年，也是2018年，Caffe2代碼并入PyTorch ，F(xiàn)acebook主力支持的兩大深度學(xué)習(xí)框架合二為一，PyTorch的發(fā)展駛?cè)肟燔?chē)道，如今，PyTorch已經(jīng)在學(xué)術(shù)論文圈形成了絕對(duì)的優(yōu)勢(shì)。據(jù)統(tǒng)計(jì)，在Hugging Face上有85%的模型是PyTorch獨(dú)家的。
百度在觀察到這兩大世界級(jí)框架的各自長(zhǎng)短板后，毅然做出了一個(gè)重要的決定。
飛槳能夠成為Pytorch和TensorFlow之外的世界深度學(xué)習(xí)框架第三極，真正的彎道超車(chē)來(lái)自一個(gè)重大的決定。
美國(guó)的兩大框架一個(gè)在學(xué)術(shù)圈受歡迎，一個(gè)在產(chǎn)業(yè)界受歡迎，而飛槳要形成差異化致勝，并盡可能把學(xué)術(shù)界和產(chǎn)業(yè)界的精銳集中到一個(gè)生態(tài)中來(lái)，唯有走一條不同的路——從單純的產(chǎn)業(yè)級(jí)框架，變成一個(gè)打通產(chǎn)業(yè)界和學(xué)術(shù)界藩籬的通用型框架，它既是產(chǎn)業(yè)級(jí)的，也同樣要是學(xué)術(shù)界深度歡迎和擁抱的。
為了一切從實(shí)際出發(fā)，飛槳研發(fā)人員經(jīng)常深入到QQ群接受開(kāi)發(fā)者反饋的問(wèn)題，及時(shí)予以解決。這種把開(kāi)發(fā)者需求放在首位的低姿態(tài)，既幫助飛槳獲得了不少開(kāi)發(fā)人員的擁躉，也促進(jìn)了飛槳的快速發(fā)展。截至2021年底，飛槳PaddlePaddle已經(jīng)匯聚406萬(wàn)開(kāi)發(fā)者，創(chuàng)建了47.6萬(wàn)個(gè)模型，服務(wù)15.7萬(wàn)家企業(yè)。
從市場(chǎng)份額看，IDC發(fā)布的報(bào)告顯示，在中國(guó)深度學(xué)習(xí)平臺(tái)市場(chǎng)，2021年上半年，百度的綜合份額持續(xù)增長(zhǎng)，已經(jīng)超過(guò)Google和Meta（Facebook），躍居第一。
《2021中國(guó)開(kāi)源年度報(bào)告》也提到，2021年GitHub中國(guó)項(xiàng)目活躍度Top30中，飛槳占據(jù)5個(gè)項(xiàng)目，其中飛槳框架位列榜首。
這使得我國(guó)AI技術(shù)開(kāi)發(fā)者和使用者不再依賴于國(guó)外平臺(tái)，同時(shí)也為進(jìn)一步培育自主可控的AI開(kāi)發(fā)應(yīng)用生態(tài)奠定了扎實(shí)的基礎(chǔ)，更是中國(guó)在計(jì)算機(jī)科學(xué)的基礎(chǔ)領(lǐng)域非常突出的世界級(jí)成就。
至此，飛槳PaddlePaddle、PyTorch、TensorFlow形成三強(qiáng)鼎立局面，深度學(xué)習(xí)框架步入“PPT”時(shí)代。
但這并不是故事的終點(diǎn)。
隨著深度學(xué)習(xí)的理論研究日趨成熟和深度學(xué)習(xí)框架的快速迭代，AI技術(shù)的應(yīng)用和普及進(jìn)入加速期，但在具體實(shí)踐應(yīng)用過(guò)程中仍存在許多痛點(diǎn)。
比如，人工智能模型的生產(chǎn)成本仍然很高，而在企業(yè)實(shí)際應(yīng)用中也存在適配等各種疑難雜癥。就此，飛槳在模型庫(kù)中為開(kāi)發(fā)者提供了一套全流程指導(dǎo)。從前期適配到后期運(yùn)行，飛槳都提供了相應(yīng)方案。
具體而言，在前期數(shù)據(jù)處理、模型選擇時(shí)，飛槳能夠通過(guò)自己的方式幫助企業(yè)選擇一個(gè)合適的場(chǎng)景。在此之后，飛槳還會(huì)對(duì)部署芯片的效率進(jìn)行跟蹤，在出現(xiàn)準(zhǔn)確率不高等問(wèn)題時(shí)快速提供反饋指導(dǎo)。
換句話說(shuō)，這套指導(dǎo)不僅僅是一個(gè)學(xué)術(shù)界的算法，而是真正根據(jù)行業(yè)需求所梳理設(shè)計(jì)的環(huán)節(jié)。
此外，由于某些行業(yè)的特殊要求，如零件質(zhì)檢對(duì)速度要求非常高，有限的算力很難同時(shí)在速度和精度上達(dá)到極致。為此，針對(duì)這些痛點(diǎn)，飛槳通過(guò)對(duì)算法模型的優(yōu)化設(shè)計(jì)了PP系列模型， 實(shí)現(xiàn)精度和性能兩者間的平衡。
截至2021年，飛槳已經(jīng)發(fā)布13個(gè)PP系列模型，官方提供的算法模型庫(kù)更是已經(jīng)超過(guò)500個(gè)。在訓(xùn)練這些模型過(guò)程中，飛槳總結(jié)了自己的一套方法論，在一定程度上，加快了訓(xùn)練速度。
百度AI技術(shù)生態(tài)總經(jīng)理馬艷軍告訴雷峰網(wǎng)，深度學(xué)習(xí)框架要解決的一個(gè)長(zhǎng)期研發(fā)問(wèn)題就是提升訓(xùn)練效果。為此，飛槳做了很多工作去提升訓(xùn)練性能。
據(jù)馬艷軍介紹，訓(xùn)練性能主要包括兩個(gè)層面，一是跟訓(xùn)練芯片間的聯(lián)合優(yōu)化，充分發(fā)揮硬件本身的算力；二是針對(duì)深度框架本身執(zhí)行調(diào)度的優(yōu)化。同時(shí)也結(jié)合模型設(shè)計(jì)進(jìn)行全鏈路優(yōu)化，最終實(shí)現(xiàn)提高訓(xùn)練速度的目的。
可以說(shuō)，從始至終，飛槳在每一個(gè)步驟的設(shè)計(jì)、優(yōu)化上都為保障后期訓(xùn)練速度提供了助力。
經(jīng)過(guò)努力，飛槳大約70%的模型訓(xùn)練速度已經(jīng)快于業(yè)界最快水準(zhǔn)。這些模型主要包括兩類：一是通用模型，比如芯片適配是在所有地方都會(huì)應(yīng)用到的。二是基于飛槳視角，所發(fā)現(xiàn)的需求量大的應(yīng)用場(chǎng)景。例如，圖像分類在物流、電商等場(chǎng)景應(yīng)用非常普遍。
飛槳在發(fā)揮硬件算力性能上也幾乎發(fā)揮到了極致，得到了包括英特爾、英偉達(dá)、ARM等諸多芯片廠商的支持，同22家國(guó)內(nèi)外硬件廠商完成了31種芯片的適配和聯(lián)合優(yōu)化工作。值得一提的是，不少硬件廠商還主動(dòng)在開(kāi)源社區(qū)為飛槳貢獻(xiàn)代碼。
像英偉達(dá)這樣的深度適配芯片，飛槳更可以將其所能用的算力充分發(fā)揮出來(lái)。
在深度學(xué)習(xí)框架領(lǐng)域，飛槳已經(jīng)取得斐然成績(jī)，打破了谷歌、Meta的壟斷，成為中國(guó)深度學(xué)習(xí)平臺(tái)名副其實(shí)的行業(yè)第一。
當(dāng)然，不可否認(rèn)，到目前為止，深度學(xué)習(xí)框架適配仍較為復(fù)雜，有些行業(yè)的低頻長(zhǎng)尾問(wèn)題尚不能通過(guò)AI得以解決。但這正是飛槳一直在努力解決的問(wèn)題，而且也的確已經(jīng)小有成績(jī)。
馬艷軍坦言，“盡管深度學(xué)習(xí)框架屬于高投入、長(zhǎng)周期、搶生態(tài)的競(jìng)爭(zhēng)，但已經(jīng)得到國(guó)家和企業(yè)的戰(zhàn)略性支持，是開(kāi)啟下一個(gè)AI時(shí)代的鑰匙?！?/p>
人工智能的下一個(gè)十年，飛槳以及中國(guó)AI將書(shū)寫(xiě)怎樣的傳奇，我們不妨拭目以待。
雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
