金磊 夢晨 發(fā)自 凹非寺

　　量子位 報道 | 公眾號 QbitAI

　　“調(diào)教”一只機器狗學會新技能需要多長時間?

　　僅需5分鐘。

　　一個往左走的手勢，它就乖乖地向左挪了挪;一個“趴下”手勢，機器狗狗就立馬蹲了下去：

　　而且“狗狗”的視界也可以同步地展示出來。

　　這就是剛剛在Wave Summit+2021峰會現(xiàn)場中，百度飛槳秀出的AI新技能——自動高效的模型部署能力。

　　而這，只是這場年度深度學習開發(fā)者盛宴中的一隅。

　　但站在當下的時間節(jié)點，從現(xiàn)場種種的“技巧展示”中，無不在透露著人工智能技術(shù)發(fā)展的一種新信號——創(chuàng)新在融合，門檻在降低。

　　一方面，AI技術(shù)及產(chǎn)業(yè)的融合創(chuàng)新越來越多;另一方面，雖然AI技術(shù)越來越復雜，但AI開發(fā)與應用的門檻卻越來越低。

　　百度首席技術(shù)官、深度學習技術(shù)及應用國家工程實驗室主任王海峰在大會中所述：

　　深度學習推動人工智能進入工業(yè)大生產(chǎn)階段。面向技術(shù)和產(chǎn)業(yè)發(fā)展需求的AI大生產(chǎn)平臺可以讓AI技術(shù)以標準化、自動化和模塊化的方式輸出給千行百業(yè)，實現(xiàn)規(guī)模化應用，同時以平臺為基礎促進融合創(chuàng)新、共同發(fā)展。

　　那么基于這樣的“信號”，AI的發(fā)展在現(xiàn)階段又呈現(xiàn)著怎樣一種趨勢?

　　對此，百度集團副總裁、深度學習技術(shù)及應用國家工程實驗室副主任吳甜表示：

　　全國各城市的AI開發(fā)者規(guī)模逐年增長，應用人工智能的企業(yè)數(shù)量，也呈現(xiàn)了多地開花、多行業(yè)繁榮的景象。

　　但正所謂“臺上一分鐘，臺下十年功”。那么具體而言，在這些能力的背后，到底是什么樣的AI技術(shù)在加持，又是如何發(fā)揮著作用?

　　接下來，老規(guī)矩，我們一文看盡WAVE SUMMIT+2021。

　　飛槳再升級，煉大模型不忘開源看家本領

　　百度飛槳，中國首個自主研發(fā)、開源開放的產(chǎn)業(yè)級深度學習平臺，便是“臺下十年功”的奧義之一。

　　這次飛槳公布了新版全景圖，值得一提的是，其中的產(chǎn)業(yè)級模型庫新增了百度剛剛新發(fā)布的產(chǎn)業(yè)級知識增強文心大模型，多年積累，讓大模型真正走進了生產(chǎn)應用。

　　在百度飛槳平臺上，開發(fā)者可以實現(xiàn)AI模型的便捷開發(fā)、高效訓練和多端多平臺部署。

　　對此，王海峰認為百度飛槳已經(jīng)成為典型的AI大生產(chǎn)平臺，這一點從最新公布的成績單中也可以得到驗證：

　　凝聚406萬開發(fā)者，創(chuàng)建47.6萬個模型，服務15.7萬家企事業(yè)單位，中國深度學習平臺綜合市場份額第一。

　　今天，飛槳開源框架也正式更新到2.2版本。

　　這次飛槳升級的方向正是進一步加強融合創(chuàng)新，在開發(fā)、訓練、部署全流程均有體現(xiàn)。

　　開發(fā)階段，飛槳API更加豐富、高效、兼容;

　　尤其是體系化新增了科學計算API，新增短時傅里葉變換API、Jacobian/Hessian API和高階自動微分等功能。

　　可支持計算流體力學、分子動力學等更廣泛的模型開發(fā)，屬于跨學科、跨場景的融合創(chuàng)新。

　　像這樣的API，飛槳2.2版本新增了100多個。

　　訓練階段 ，全新發(fā)布端到端自適應大規(guī)模分布式訓練技術(shù)。

　　4天前百度剛剛發(fā)布的全球首個知識增強千億大模型鵬城-百度·文心，就是基于這項技術(shù)訓練出來。

　　端到端自適應，說的是把不同模型和硬件抽象成統(tǒng)一的分布式計算視圖和資源視圖，屬于軟件與硬件的融合創(chuàng)新。為了進一步提高訓練的穩(wěn)定性和資源利用率，飛槳還提供彈性調(diào)度模塊，能感知硬件資源變化，來自動重構(gòu)資源視圖，觸發(fā)各個模塊自動的發(fā)生變化。

　　部署階段，硬件適配是讓AI開發(fā)者最頭疼的問題，這次飛槳自研了3個硬件接入優(yōu)化方案：

　　Kernel Primitive API通過對算子計算與硬件的解耦，讓開發(fā)者能更加專注于實現(xiàn)計算邏輯本身，同時做到一處優(yōu)化可讓70多個算子同時受益。

　　NNAdapter統(tǒng)一適配層實現(xiàn)了實現(xiàn)了算子定義及框架調(diào)度執(zhí)行與硬件解耦，不僅降低框架和硬件適配的穩(wěn)定性，還降低了代碼的維護成本。

　　神經(jīng)網(wǎng)絡編譯器CINN (Compiler Infrastructure for Neural Networks)，編利用基礎算子自動融合優(yōu)化實現(xiàn)復雜算子功能，降低適配成本的同時，優(yōu)化性能。

　　除了以上這些通用場景的技術(shù)升級，飛槳框架2.2還特別對文本任務做了從文本處理、訓練、解碼到部署的全面加速。

　　如果說技術(shù)上的融合創(chuàng)新是在降低門檻上邁出的第一步，那么工具上的融合創(chuàng)新能讓飛槳技術(shù)更廣泛的落地。

　　飛槳企業(yè)版升級帶來了自動高效的模型部署功能。

　　在推理性能方面，啟用了PaddleSlim根據(jù)不同模型和硬件的特點自動選擇最佳壓縮路徑，在常見模型硬件上做到精度損失控制在1%以內(nèi)，性能提升3-5倍。

　　在推理芯片的適配上，飛槳平臺已完成9345種模型芯片的組合的真實測試和調(diào)優(yōu)，可以覆蓋95%的需求場景，節(jié)省97%的適配和開發(fā)時間。

　　在智能邊緣控制臺上，你可以直接看到以上模型服務的部署和管理，對輸入設備、服務、事件進行實時監(jiān)控管理。

　　另外還有一個“彩蛋”——零門檻AI開發(fā)平臺飛槳EasyDL現(xiàn)在有了桌面版，一鍵極速安裝，本地高效建模。

　　這次一起獲得升級的還有飛槳產(chǎn)業(yè)級開源模型庫。

　　百度結(jié)合場景的需求痛點，推出13個結(jié)合場景應用深度優(yōu)化過的PP系列模型，實現(xiàn)精度和性能的平衡。

　　到目前為止，飛槳產(chǎn)業(yè)級開源模型庫已支持超過400個模型，涵蓋CV、NLP、推薦系統(tǒng)、語音等多種方向。

　　那么這些產(chǎn)業(yè)級的開源模型都用在了哪里呢?

　　已經(jīng)用在了你身邊

　　這樣的技術(shù)，其實離我們的生活并不遙遠。

　　例如上海哲元科技發(fā)展有限公司在制造業(yè)上有著多年的經(jīng)驗，在數(shù)字化大浪潮之下，選擇采用百度飛槳的EasyDL來提高效率。

　　具體而言，他們基于飛槳EasyDL訓練出食品生產(chǎn)流水線數(shù)量清點及外觀檢測模型。

　　這樣就能夠做到從蛋卷皮外觀、巧克力噴涂、灌料、撒料、壓蓋、包裝全流程智能化檢測。

　　值得一提的是，今年9月，在上海哲元提供的智能化質(zhì)檢系統(tǒng)加持下，該冰淇淋品牌位于江蘇太倉的工廠被認證為世界級“燈塔工廠”，更是全球冰淇淋行業(yè)的第一家“燈塔工廠”。

　　而之所以他們選擇EasyDL，易上手和精度高是主要的原因。

　　公司2名研發(fā)從接觸EasyDL到訓練完成所需要的模型并實際應用僅花費二十多個工時，同時模型還可根據(jù)客戶需求靈活迭代優(yōu)化，快捷方便。

　　再如華夏天信機器人公司，專注于工礦企業(yè)智能硬件設備的研發(fā)、生產(chǎn)和實施。

　　而在中國近萬座礦山的生產(chǎn)環(huán)節(jié)中，輸煤用帶式輸送機是一種重要的煤炭運輸設備，礦區(qū)用量可達十幾臺至上百臺不等，是整體產(chǎn)業(yè)鏈中重要的一環(huán)。

　　但以往對此的監(jiān)控方式都采用的是人工，包括巡檢和安裝固定攝像頭等等。

　　這就非常的耗時耗力，以巡檢為例，一天頻率為2到3次，有時2人每組，重要的皮帶設備還需6人實施3班倒。

　　而現(xiàn)在，華夏天信基于飛槳的目標檢測工具套件PaddleDetection，開發(fā)出的輸煤膠帶智能巡檢機器人。

　　如此一來，不僅能實現(xiàn)高頻次、無間歇巡檢，還能通過攝像儀將實時視頻回傳并智能識別分析。

　　可以說是一次性解決了工作效率、惡劣環(huán)境、作業(yè)安全等多項難題。

　　為了更好助推AI產(chǎn)業(yè)應用落地，飛槳此次還推出業(yè)界首個產(chǎn)業(yè)實踐范例庫，從真實產(chǎn)業(yè)場景分析、完整代碼實現(xiàn)，到詳細過程解析，直達項目落地，覆蓋數(shù)十個高頻應用場景，推動AI落地可復制和規(guī)�；�。

　　而對于百度飛槳來說，技術(shù)本身和產(chǎn)業(yè)應用固然重要，但還有一點也是百度要“狠抓”的。

　　這就是開發(fā)者和生態(tài)。

　　越發(fā)熱鬧的飛槳社區(qū)

　　在生態(tài)方面，百度飛槳這一次升級了“大航海”計劃，正式邁入2.0時代。

　　具體而言，就是在原有的啟航、護航、領航三大航道基礎上，新增“共創(chuàng)”計劃。

　　啟航計劃是飛槳將投入總價值5億元的資金與資源，支持全國500所高校，重點培訓5000位高校AI師資，聯(lián)合培養(yǎng)50萬AI學子。

　　護航計劃面向產(chǎn)業(yè)智能化。要達到的是智能升級，通過技術(shù)賦能、市場推廣和資源導入，縮短技術(shù)創(chuàng)新到商業(yè)落地的路徑。

　　而領航計劃的面向群體，則是核心開發(fā)者，目標是與社區(qū)開發(fā)者一起共建開源生態(tài)，并探索前沿技術(shù)。

　　而此次新增的“共創(chuàng)”板塊，可以分三個方向來看：

　　聯(lián)合社區(qū)開發(fā)者：共創(chuàng)工具、模型、產(chǎn)業(yè)實踐經(jīng)驗

　　形成產(chǎn)業(yè)創(chuàng)新需求對接平臺：共創(chuàng)產(chǎn)學研用融合正循環(huán)

　　建設人工智能產(chǎn)業(yè)賦能中心：共創(chuàng)區(qū)域創(chuàng)新生態(tài)

　　至于其背后的緣由，吳甜解釋道：

　　建設飛槳需要抓住的關鍵點有三個，技術(shù)持續(xù)創(chuàng)新、功能體驗以開發(fā)者的需求為首位，以及廣泛地與生態(tài)共享、共創(chuàng)。

　　那么在“大航海”計劃的加持之下，百度飛槳的開發(fā)者都得到哪些益處?

　　在活動現(xiàn)場中，來自哈爾濱工業(yè)大學大三的學生曹志浩便分享了他的故事。

　　他從大一開始就接觸飛槳AI Studio學習與實訓社區(qū)，一路上已經(jīng)是三載時光。

　　而在最初身為小白的他，最頭疼的便是不知如何入手，很難找到實踐的方法。

　　也花費過時間、精力在市面上的產(chǎn)品中“貨比三家”，還自掏腰包買算力。

　　但當曹志浩接觸飛槳開發(fā)者社區(qū)之后，這些問題便全部迎刃而解、煙消云散了：

　　飛槳平臺上面有著非常豐富的一些學習資源和開發(fā)環(huán)境，幫助我的一些數(shù)理基礎打得更扎實或者一些進階的都可以在里面找到。

　　還有一些產(chǎn)品級的應用、前沿的模型，包括算力開發(fā)的流程都會在上面有所展現(xiàn)。

　　我可以在飛槳AI Studio社區(qū)上面開源一些代碼，包括在上面也開源了一些3D點云的算法和基礎原理的實現(xiàn)，還有一些趣味性的項目和實用性的項目，比如APP的開發(fā)。

　　不僅如此，曹志浩還認為在這條路上進階過程“不是一個人”，他在開發(fā)者社區(qū)里遇到了許多志同道合的小伙伴。

　　他們分享讀論文的經(jīng)驗、交流困惑，還組建團隊共同“打怪升級”，并肩作戰(zhàn)開源的3D點云模型倉庫，支持一系列算法。

　　曹志浩分享的故事，只是眾多飛槳開發(fā)者中的一例。

　　而類似的故事在持續(xù)不斷地譜寫著：

　　鐵路工人在工作之余自學AI，基于飛槳實現(xiàn)了鐵路貨運車號的自動識別，為所在鐵路段節(jié)省數(shù)十萬元成本。

　　吉林大學的師生團隊聯(lián)合飛槳，打造了已在生產(chǎn)線上應用的藥瓶自動化檢測系統(tǒng)，并沉淀為教學課程，幫助更多師生學習AI技術(shù)和應用。

　　……

　　那么最后一個問題便是，百度飛槳為什么如此重視開發(fā)者和生態(tài)呢?

　　人才人才，還是人才

　　無論是技術(shù)發(fā)展、產(chǎn)業(yè)升級還是社區(qū)建設，歸根結(jié)底都要靠人來實現(xiàn)。

　　隨著AI與產(chǎn)業(yè)的深度融合，需要越來越多既懂AI，又具備產(chǎn)業(yè)經(jīng)驗的復合型AI人才。

　　百度飛槳在AI人才的培養(yǎng)上積累已久。面向高校，飛槳積極踐行的是“產(chǎn)教融合”的路徑：合作人工智能相關教材、提供人工智能教育資源，超過700所高校的3000多名AI專業(yè)教師從飛槳舉辦的深度學習師資培訓中受益，百余所高校的學生基于飛槳開發(fā)創(chuàng)意項目、參與各類AI技術(shù)競賽。

　　更深一步，則是探索產(chǎn)教融合協(xié)同育人路徑。

　　如吉林大學三創(chuàng)實驗室(創(chuàng)意、創(chuàng)新、創(chuàng)業(yè))團隊針對醫(yī)藥企業(yè)藥瓶缺陷檢測場景需求，基于飛槳平臺創(chuàng)新研發(fā)了一套全方位、高精度的自動化檢測系統(tǒng)，并實現(xiàn)了產(chǎn)線落地。

　　吉林大學還與飛槳共建了CV及AI+質(zhì)檢課程體系，將課程資源全面開放，通過飛槳學習與實訓社區(qū)AI Studio，將這一實踐經(jīng)驗輸送給百萬開發(fā)者。

　　面向產(chǎn)業(yè)，在復合型人才的培養(yǎng)上，深度學習技術(shù)及應用國家工程實驗室與百度聯(lián)合發(fā)起創(chuàng)辦了首席AI架構(gòu)師培養(yǎng)計劃 (AICA)。

　　首席AI架構(gòu)師培養(yǎng)計劃目前已舉辦到第5期，累計向業(yè)界輸送190名AI架構(gòu)師，遍布工業(yè)、農(nóng)業(yè)、金融、交通、能源等數(shù)十個行業(yè)。

　　吳甜從中觀察到，每期學員們提出的課題，越來越深入到行業(yè)的關鍵問題，專業(yè)度逐年提升。

　　縱觀整場Wave Summit+峰會，百度飛槳在產(chǎn)業(yè)、開源、人才培養(yǎng)方面下了這么大功夫，為什么?

　　答案依舊是王海峰在開場提到的融合創(chuàng)新與降低門檻的大趨勢。

　　除了多種技術(shù)之間、技術(shù)與場景的融合，產(chǎn)業(yè)界、學術(shù)界、AI企業(yè)和開源平臺之間也在進行更廣泛的融合。

　　隨著AI落地在更多如金融、醫(yī)療、制造、能源，乃至文娛體育這樣的傳統(tǒng)行業(yè)，不斷降低技術(shù)門檻，打通產(chǎn)學研用形成正向循環(huán)，就成了人工智能發(fā)展的關鍵。

　　其根本目的還是更好地讓技術(shù)本身和產(chǎn)業(yè)發(fā)展相結(jié)合，不斷為經(jīng)濟發(fā)展注入新的活力，促進產(chǎn)業(yè)升級和智能化轉(zhuǎn)型。

　　于是我們看到了由飛槳框架2.2新版本、飛槳產(chǎn)業(yè)級開源模型庫、大航海2.0共創(chuàng)計劃等項目共同組成的這份給開發(fā)者的“雙12大禮包”。

　　在峰會現(xiàn)場，飛槳生態(tài)里的開發(fā)者們也把這一天過成了開發(fā)者的節(jié)日，許多人帶著自己在飛槳平臺上開發(fā)的作品來“練攤”。

　　像開頭的機器狗在現(xiàn)場學習的新模型，就是一位個人開發(fā)者帶來展示交流，被選中后登上主舞臺的。

　　百度飛槳準備的這一份雙12大禮包，你還滿意么?

　　本文首發(fā)于微信公眾號：量子位