破解深度学习框架“双缺”难题 抢占人工智能战略制高点

本篇文章2920字，读完约7分钟

深度学习框架是人工智能新跨越发展的核心引擎，也是全球科技创新和产业发展的前沿。近年来，各国一直在竞相制定深入的学习框架，努力抢占这一领域的制高点。目前，人工智能在中国的发展存在“双不足”问题，即深度学习框架面临国际战略和核心技术的缺失。在这方面，要加快总体布局，推进关键技术研究，扩大产业实力，创造创新发展环境。

随着人工智能时代的到来，深度学习框架已经成为科学技术的核心突破和前沿。依托深度学习框架，构建人工智能生态正成为未来的发展方向。

深度学习框架是人工智能跨越式发展的核心引擎

深度学习是神经网络及其应用的通称，旨在将复杂的神经网络体系结构应用于数据建模，从而带来前所未有的准确性。目前，它已经在计算机视觉、语音识别和无人驾驶等领域取得了突破性进展。深度学习框架可以为深度学习提供底层架构、接口和大量的神经网络模型，可以减少重复编程的时间和精力，提高深度学习的效率。深度学习框架+应用场景已经成为主流发展模式，是人工智能发展的基础和核心，也是人工智能跨越到下一阶段的关键。

全球技术巨头是构建深度学习框架和开发开源软件的主要力量。作为人工智能跨越式发展的一个重要突破，深度学习框架引起了科学界和工业界的极大关注。全球科技巨头纷纷部署。目前，该领域的主要竞争对手是谷歌、亚马逊、微软等。其中，谷歌开发并开放了分布式深度学习框架tensorflow，该框架已应用于谷歌的搜索、电子邮件、语音助理、机器翻译等领域。一方面，大型技术公司吸引更多的开发人员，并通过开源加速框架更新的迭代；另一方面，它也降低了开发门槛，吸引了用户，扩大了深度学习的市场规模。

科研机构和初创公司是深度学习框架研究的主要力量。随着对深度学习框架研究和开发的要求和要求越来越高，开发快速高效的深度学习框架已经成为国际权威科研机构和团队的追求目标。一方面，基于研究工具的深度学习框架在科学研究领域层出不穷，极大地推动了深度学习框架研究的进程；另一方面，具有商业前景的深度学习框架不断涌现，对学术界和工业界产生了深远的影响。此外，一些初创公司已经开发出了性能卓越的面向服务的深度学习框架。他们不仅提供框架，还提供第三方业务支持服务。

中国的深度学习框架存在“双重缺失”问题

与发达国家相比，中国核心技术的前瞻性相对滞后，尤其是深层次学习框架中缺乏国际战略和核心技术的“双不足”问题。

首先，缺乏深度学习框架研究的国际战略，这在很大程度上依赖于国外的开源框架。近年来，中国人工智能产业蓬勃发展，在特定领域达到了世界先进水平。但是，在人工智能的核心环节——深度学习框架领域，国际上的声音很少，策略的缺乏也很明显，尤其是在开发和开源方面，仍然远远落后于欧美国家。目前，中国唯一众所周知的深度学习框架是由百度在2016年8月推出的paddle。由于缺乏资源支持和积极反馈，它在国际开源社区中普遍活跃，国际影响力有限。此外，中国深度学习框架国际战略的缺失还表现为其对国外开源框架的严重依赖。

第二，深度学习框架的核心技术缺失，核心生态系统尚未建立。经过多年的积累，中国在人工智能的一些技术领域取得了重要突破。然而，在深度学习的框架下，它已经处于后续阶段，其创新引领能力非常有限，尤其是在核心技术方面。原因如下:第一，基础研究不能支持深度学习框架核心技术的研究与开发，尤其是神经网络模型的可用性、稳定性和运行效率等基础问题不足；二是缺乏先进的设计和开发深度学习框架，包括跨平台移植、分布式学习、模型模块化等核心组件，滞后；第三，适合特定场景的深度学习框架和面向服务的产品还没有开发出来，缺乏对其应用场景的探索。

深度学习框架作为决定人工智能技术、产业和应用的核心环节，是建立人工智能核心生态系统的基础和关键。核心技术的缺乏将直接影响深度学习芯片、深度学习系统以及与深度学习框架生态系统相关的深度学习软硬件平台的行业发展，可能造成巨大的生态系统红利损失，甚至阻碍我国人工智能的跨越式发展。

从四个方面推进中国深度学习框架的发展

目前，中国只有重视并尽快解决“双不足”问题，才能抢占人工智能的战略制高点。

第一，整体布局，抢占战略制高点。深度学习框架作为承载人工智能各种硬件设备和软件应用的基础平台，是人工智能生态学中最困难的部分，具有最高的系统要求。因此，各国都加快了技术创新和战略布局。中国还必须加快整体布局，在深度学习框架领域抢占战略制高点。首先，制定《深度学习框架发展指南》，确定发展方向和重点任务，明确深度学习框架研究和应用的时间表和路线图。二是建立以R&D深度学习框架为核心任务的人工智能创新中心，与大型科技公司和科研机构协调合作，推进R&D深度学习框架关键技术和成果产业化。第三，建立深度学习框架，研究重大科技项目，支持研发，开辟一批具有国际影响力的深度学习框架。第四，引导社会资本向深度学习框架方向关注创业企业和创业项目。

二是自主创新，推进关键技术研究。要解决中国深度学习框架缺乏核心技术和依赖国外框架的问题，必须积极推进自主创新，推出以中国为主导的深度学习框架。首先，基于深度学习算法框架的协同研究，形成芯片、平台和应用协同的集成创新平台，加快深度学习算法框架的核心技术开发和应用创新，夯实技术基础；二是支持科研团队为科研、教学和测试开发深度学习框架，重点关注神经网络模型的稳定性、运行效率和可用性，加强高性能深度学习框架的基本支持能力；三是支持大型科技公司开发商业级和工业级深度学习框架，重点突破深度学习框架的跨平台移植、跨系统运行和分布式学习等核心技术，利用海量数据(603138，诊断单元)训练神经网络。模型，形成开放、模块化、可重构的培训模型；第四，支持科技企业研究框架语言、界面和性能等应用问题，为特定领域开发专门的深度学习框架。

第三，研究与应用相结合将增强产业实力。人工智能应用的高转换水平可以推动关键技术的集成应用。针对深度学习框架，我国应全面利用理论研究的优势，促进研究与应用的结合，以深度学习框架为核心，壮大人工智能产业的实力。一是引导科研机构积极与行业合作，借鉴国际先进科研机构开发深度学习框架的成功经验，坚持理论研究与应用模型相结合，开发先进、高可用的深度学习框架；二是鼓励科研资源的开放共享，为研究人员提供平台设施、数据资源和计算资源，培养和完善深度学习框架；三是建立政府、行业、研究与科研相结合的创新组织，联合芯片、软件、硬件、互联网等行业的企业和科研机构，打造研究与利用、广泛参与、合作共赢的生态系统，增强行业整体实力；第四，鼓励企业积极探索深度学习框架的应用场景，创新制造、金融、医疗、农业等行业的应用，加快技术在应用中的迭代创新。

第四，开放源码，创造创新环境。开源是深度学习框架快速发展的重要推动力。中国应该遵循开源原则，为深度学习框架的发展创造良好的环境。整合国内科技界和产业界的R&D力量，共同构建国家主导的开源社区；组织开源社区发展指南，制定社区技术和数据共享标准，引导企业、高校和开发者积极参与开源社区的管理、建设和维护；建立以深度学习框架研发为核心、深度学习芯片、深度学习系统、深度学习软硬件平台研发布局为支撑的科技创新体系，促进创新主体互动，共同促进发展，完善人工智能核心生态系统。

(作者:徐亚倩)