電子發燒友網報道（文/李彎彎）深度學習框架是一種底層開發工具，是集深度學習核心訓練和推理框架、基礎模型庫、端到端開發套件、豐富的工具組件于一體的平臺。

有了深度學習框架，工程師在工作時調試算法，就可以更快速、更高效。通俗一點講，深度學習框架相當于是AI時代的操作系統，如同PC時代Windows，移動互聯網時代的iOS和安卓。

國內外都有哪些深度學習框架

深度學習框架的歷史并不算長，從2010年誕生的Theano算起，至今不過十二年時間。2017年后，早期的Theano、Caffe、Torch等框架逐漸銷聲匿跡，2016年前后出現的TensorFlow、PyTorch、飛槳逐漸占據市場。

TensorFlow由谷歌人工智能團隊谷歌大腦開發，擁有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在內的多個項目以及各類應用程序接口。自2015年11月9日起，TensorFlow依據阿帕奇授權協議（Apache 2.0 open source license）開放源代碼。

PyTorch于2017年由Facebook人工智能研究院（FAIR）基于Torch推出，它是一個基于Python的可續計算包，提供兩個高級功能：1、具有強大的GPU加速的張量計算（如NumPy）；2、包含自動求導系統的深度神經網絡。

飛槳（PaddlePaddle）以百度多年的深度學習技術研究和業務應用為基礎，集深度學習核心訓練和推理框架、基礎模型庫、端到端開發套件、豐富的工具組件于一體，是中國首個自主研發、功能完備、開源開放的產業級深度學習平臺。

根據調研機構IDC公布的一份中國深度學習框架平臺市場份額的報告，在中國深度學習領域，百度飛槳綜合市場份額已經成為中國第一。截至2022年5月，飛槳已經凝聚477萬開發者，創造56萬個AI模型，服務18萬企事業單位，與產學研用協同培養超過200萬AI人才。

從目前市場占有情況看，產業界以TensorFlow為主，學術界以PyTorch為主。與TensorFlow過于注重工業，PyTorch專注學界不同，飛槳的特性在于工業學界兩手抓，通過動態圖自動解析編譯靜態圖的技術，兼顧了學界的靈活，同時也實現了產業界希望的高效。

除了TensorFlow、PyTorch、飛槳，深度學習框架還包括由Amazon設計研發并開源MXNet、微軟在github上開源的CNTK、華為推出的MindSpore、北京一流科技有限公司開發的OneFlow，以及清華大學自研Jittor，和騰訊、字節跳動、360開源的Angel、BytePS、TensorNet。

國產深度學習框架框架的挑戰

深度學習框架是智能時代的操作系統，它和芯片一起共同構成了人工智能的基礎設施，深度學習框架的重要性不亞于芯片。在“十四五”規劃中，深度學習框架被列入“新一代人工智能”領域，成為國家重點支持的前沿創新技術。

如今以百度飛槳為代表，我國深度學習平臺已經沖破國外技術壟斷，越來越多的開發者正基于國產深度學習平臺開展智能化轉型應用。不過，中國自研深度學習框架想要在國際競爭中取得領先，還有很長的路要走。

百度AI技術生態總經理馬艷軍此前在百度AI開放日活動上表示，當前中國深度學習框架的發展仍需突破三大關鍵點：技術實力、功能體驗、生態規模。

首先，技術創新方面，深度學習框架的研發需要人工智能領域底層技術人才，我國在這一領域的儲備仍有不足。其次，在應用體驗方面，由于中國是全球產業鏈最為完備的國家，產業體系復雜，中小企業轉型需求迫在眉睫，一個低門檻甚至零門檻的開發平臺極為重要。

在開發應用生態方面，深度學習是一個典型的共創型技術領域，只有構建了自己的生態才能實現持續迭代和發展。然而構建生態周期長、成本高，而且只有當國產框架的技術和功能體驗足以滿足開發者的需求時，才有機會培育起自主創新的AI開發應用生態。

日前華為公司中央軟件院架構與設計管理部部長，華為科學家與昇思MindSpore首席架構師金雪鋒在某活動上也談到“AI框架的挑戰”相關的話題。

他認為，在人工智能新基建時代，AI框架面臨這幾個挑戰和機會點：1、新的應用范式：模型復雜度指數級增長，大模型成為新生產方式，AI與傳統科學計算融合，有望催生革命性成果。2、新的計算架構：計算量指數增長，通用芯片向領域高效能芯片轉變，雙碳經濟下，分散低效的算力向集約高效算力演進。3、新的開發和部署方式：AI行業應用進入深水區，融入生產系統是關鍵。

面對上述挑戰和機會點，華為昇思MindSpore進行了技術創新，比如面向新的應用范式，包括自動并行，原生大模型支持，即自動并行AI編譯器，通過編譯器進行復雜的多維混合并行策略的尋優，把算法和模型自動切分到集群上去執行，既大大降低了大模型的開發門檻，又保證了多種并行策略的靈活組合使用。

總結

整體而言，在人工智能體系中，深度學習框架處于貫通上下的腰部位置，下接芯片、上承應用，是一個關鍵樞紐，是推動AI應用大規模落地的關鍵力量。因此對于企業來說，克服深度學習框架當前面臨的挑戰，不斷進行技術創新，完善技術、功能和生態是關鍵。