本報記者 秦梟 北京報道
數(shù)智時代，AI作為重要的通用技術之一，具有溢出帶動性很強的“頭雁”效應，在整個AI技術體系中，AI框架處于“承上啟下”的位置，南向使能多樣化算力，北向孵化各類創(chuàng)新算法模型，是人工智能應用創(chuàng)新的土壤和源泉。
思MindSpore開源社區(qū)理事長丁誠對《中國經(jīng)營報》記者表示，在每一個時代的技術更迭中，硬件系統(tǒng)都需要與之密切配合的軟件使能，才能將產(chǎn)品更好地推廣和應用。所以，在人工智能時代，AI框架便應運而生，它提供了豐富的數(shù)學編程接口，便捷的自動微分求導，高效的分布式并行調度能力，與多樣化算力系統(tǒng)相結合，幫助人工智能研究者孵化出各種AI算法和應用創(chuàng)新。
打破國外壟斷
AI框架就類似Windows、安卓一般，是“AI領域的操作系統(tǒng)”，所有人工智能的算法及應用都要通過AI框架進行訓練與部署。作為人工智能領域的“根技術”，AI框架在人工智能技術的發(fā)展中具有重要作用。
AI框架是算法模型開發(fā)的必備工具和基礎設施，承擔著人工智能操作系統(tǒng)的重要角色。可以幫助開發(fā)者降低開發(fā)難度，提高開發(fā)效率；可以幫助項目快速落地，平衡項目的投入成本、安全性、合規(guī)性、性能和上市時間等因素；在項目落地之后，還可以幫助項目實現(xiàn)規(guī)�；瘧谩�
丁誠表示，人工智能框架南向對接不同的算力，北向通過編程接口幫助開發(fā)者實現(xiàn)算法創(chuàng)新應用。在整個大模型生態(tài)當中，人工智能框架是起到一個大模型使能的定位，作為大模型使能，就是幫助開發(fā)者孵化他們的大模型，人工智能框架不會自己去做大模型，但是它會把做大模型的算法團隊作為它的用戶。
簡而言之，AI框架是一個集合了所有主流AI算法模型，以及他們使用說明的大型軟件倉庫。開發(fā)者可以按需取用。
不過，在AI框架領域則呈現(xiàn)雙寡頭的格局。Google的TensorFlow，和Meta的PyTorch兩款AI框架起步早、發(fā)展快，占據(jù)了業(yè)界的主導地位。
從市場占有情況看，產(chǎn)業(yè)界以TensorFlow為主，學術界以PyTorch為主。這與兩款AI框架的發(fā)展歷程不無關系。
TensorFlow的初始版本源于2015年，由谷歌大腦團隊開發(fā)并發(fā)布在Apache 2.0開源許可證下。TensorFlow是谷歌大腦的第二代機器學習工具，谷歌旗下部署的商業(yè)應用包括搜索、圖片、地圖、廣告、翻譯等都與此有關。
在一年后，由Meta人工智能團隊開發(fā)的開源機器學習工具PyTorch面市，雖然它的出現(xiàn)比TensorFlow晚了近一年，但它兼收并蓄地改進了Caffe、Torch等幾款主流AI框架， PyTorch起步之初就迎合了大量開發(fā)者的需求與習慣。
而國內也有一些廠商奮起直追，呈現(xiàn)出雙寡頭并驅下的多元發(fā)展態(tài)勢，也涌現(xiàn)出一批以思MindSpore、百度PaddlePaddle、騰訊TNN、阿里MNN、字節(jié)跳動BytePS等為代表的優(yōu)秀AI框架。
丁誠認為，在智能時代飛速發(fā)展的今天，特別是近年來大模型的興起，使得AI算力需求和模型復雜度以突破摩爾定律的速度飛速增長。這意味著，除了對物理計算量的硬件要求外，軟件的開發(fā)和調度效率也面臨著巨大的挑戰(zhàn)。在此背景下，AI框架既要如同汽車方向盤一般，給AI用戶提供便捷的操作接口，也要像變速箱和傳動軸一般，將算力合理高效地調度，發(fā)揮出系統(tǒng)最佳的性能�？梢哉f，在整個AI技術體系中，AI框架南向使能多樣化算力，北向孵化各類創(chuàng)新算法模型，處于人工智能技術體系的核心中堅，是人工智能的創(chuàng)新源泉。
仍需砥礪前行
Omdia發(fā)布的《中國人工智能框架市場調研報告》，在中國開發(fā)者的心目中，MindSpore、PaddlePaddle在國產(chǎn)AI框架中認知度排前兩位。
具體來看，中國人工智能開發(fā)者認為TensorFlow、PyTorch,Mindspore、PaddlePaddle等框架具備全方位能力，既能提供特定的能力（如開發(fā)大模型、進行科學計算），又能實現(xiàn)全生命周期的開發(fā)（即端到端開發(fā)，從訓練到部署）。其中，Pytorch提供了便捷靈活的動態(tài)圖執(zhí)行模式和調試能力，TensorFlow在生產(chǎn)模型部署上具備領先優(yōu)勢，PaddlePaddle提供了PaddleoCR為代表的北向算法套件，Mindspore原生支持大模型、科學計算并能實現(xiàn)端邊云路平臺部署。
不過，國產(chǎn)框架與國外仍有很大的差距，尤其是易用性和性能方面。人工智能框架隔離了底層的復雜性，更加易用的框架能夠讓開發(fā)人員以更快的速度和更高的效率，來探索、創(chuàng)建、改進和迭代人工智能項目。而人工智能框架的性能則涉及到框架本身的底層性能，包括框架的底層算法效率，以及框架利用底層硬件資源進行優(yōu)化開發(fā)、訓練和推理的能力。
根據(jù)Omdia的報告，開發(fā)者認為TensorFlow和PyTorch的易用性更好，而本土框架思MindSpore和飛槳PaddlePaddle緊隨其后；性能方面，開發(fā)者認為TensorFlow和PyTorch性能更好，思MindSpore和飛槳PaddlePaddle同樣緊隨其后。
而為了共建人工智能框架生態(tài)，在人工智能框架生態(tài)峰會2023上，18家AI頭部企業(yè)、高校、科研機構、開源社區(qū)等共同發(fā)布首個AI框架生態(tài)倡議，倡議通過政產(chǎn)學研用的共同努力，支撐中國人工智能框架生態(tài)走向新高度，推進中國人工智能產(chǎn)業(yè)新發(fā)展。
丁誠表示，AI框架的生態(tài)錨點會從API走向模型，MindSpore開源社區(qū)將承載更多業(yè)界高質量算法模型，把這些模型打造成一個算法套件，幫助傳統(tǒng)賽道的AI用戶能快速得到行業(yè)場景應用。第二件事情，MindSpore在保持自己自主創(chuàng)新的一套原生API基礎之下，兼容業(yè)界現(xiàn)有像Pytorch這樣的API的生態(tài)。對傳統(tǒng)用戶來講，如果想重新學習MindSpore，學習成本將會很低，通過這樣的方式，把傳統(tǒng)的生態(tài)逐漸吸引到MindSpore生態(tài)圈里。
（編輯：張靖超 校對：顏京寧）
