近期，中央密集出臺相關(guān)政策，各省市陸續(xù)出爐2020年重點(diǎn)建設(shè)項(xiàng)目，“新基建”成為當(dāng)前各界關(guān)注重點(diǎn)。3月4日，中共中央政治局常務(wù)委員會召開會議，提出將加快推進(jìn)國家規(guī)劃的重大工程和基礎(chǔ)設(shè)施建設(shè)，其中明確提出將加快人工智能、5G網(wǎng)絡(luò)、數(shù)據(jù)中心等新型基礎(chǔ)設(shè)施建設(shè)進(jìn)度。

區(qū)別于傳統(tǒng)基建，“新基建”是指發(fā)力于信息數(shù)字化的基礎(chǔ)設(shè)施建設(shè)，主要包括5G基站建設(shè)、特高壓、城際高速鐵路和城市軌道交通、新能源汽車充電樁、大數(shù)據(jù)中心、人工智能、工業(yè)互聯(lián)網(wǎng)七大領(lǐng)域，其核心在于傳統(tǒng)產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型，傳統(tǒng)基礎(chǔ)設(shè)施的數(shù)字化改造。

打破科技壟斷

在新基建提出之后，曠視也“碰巧”開源了深度學(xué)習(xí)框架“天元”，表面上看起來是巧合，其實(shí)在曠視內(nèi)部，從去年開始便已經(jīng)在推動天元框架的開源進(jìn)程，從框架技術(shù)的成熟度、生態(tài)環(huán)境的完善度，一直到未來發(fā)展的方向，經(jīng)過了多次討論才做出了這樣一個需要勇氣的決策。

總得說來，深度學(xué)習(xí)框架有三個時間節(jié)點(diǎn)，早在六年前Caffe便已經(jīng)開放，此后2015年、2016年先后集中涌現(xiàn)了一批開源框架，TensorFlow和PyTorch分別成為產(chǎn)業(yè)級和學(xué)術(shù)界非常受歡迎的深度學(xué)習(xí)框架代表。

Caffe是一個清晰而高效的深度學(xué)習(xí)框架，也是一個被廣泛使用的開源深度學(xué)習(xí)框架，它的主要優(yōu)勢是上手容易，訓(xùn)練速度快，組件模塊化，可以方便的拓展到新的模型和學(xué)習(xí)任務(wù)上。但是Caffe最開始設(shè)計時的目標(biāo)只針對于圖像，沒有考慮文本、語音或者時間序列的數(shù)據(jù)。TensorFlow在2015年由谷歌公司正式發(fā)布，是一個使用數(shù)據(jù)流圖進(jìn)行數(shù)值計算的開源軟件庫。靈活的體系結(jié)構(gòu)允許使用單個API將計算部署到服務(wù)器或移動設(shè)備中的某個或多個CPU或GPU。

在國外開源的深度學(xué)習(xí)框架占據(jù)了主流框架之后，2020年，中國迎來了深度學(xué)習(xí)框架集中爆發(fā)之年。清華大學(xué)的計圖（Jittor）、曠視的天元（MegEngine）和華為推出的MindSpore先后問世。

實(shí)際上，曠視天元早在2014年8月就在公司內(nèi)部誕生了，經(jīng)過實(shí)踐中的不斷改進(jìn)，終于在2020年3月開源，雖然在開源時間上晚于國外的幾家公司，但是曠視天元的優(yōu)勢仍然非常明顯。首先是框架與算法的協(xié)同，其次是高效與強(qiáng)大的性能，第三是很好地支持大數(shù)據(jù)、大規(guī)模訓(xùn)練。天元是為工業(yè)級、研究院規(guī)模的研發(fā)機(jī)構(gòu)設(shè)計的，它具備的一些核心特點(diǎn)都是用來解決現(xiàn)實(shí)研發(fā)過程中的痛點(diǎn)，例如一鍵切換訓(xùn)練推理，同時支持動態(tài)圖和靜態(tài)圖等。

深度學(xué)習(xí)框架屬于AI的底層技術(shù)架構(gòu)，像谷歌這樣的大公司一直在積極的布局人工智能的底層技術(shù)發(fā)展，只有站穩(wěn)了軟件層，未來在算法層、服務(wù)層和應(yīng)用層上才能有更大的發(fā)展空間，而且不會因?yàn)榧夹g(shù)受制于人。

從當(dāng)前人工智能技術(shù)在場景中應(yīng)用分析，人工智能應(yīng)用薄，算法能力與人工能力的差距大。對于很多企業(yè)來說，想要用人工智能解決當(dāng)下遇到的問題，但是本身沒有技術(shù)，需要專門招聘相關(guān)的人才、投入資金設(shè)備研究，而且需要多長時間能實(shí)現(xiàn)商業(yè)應(yīng)用也是未知數(shù)，成本太高但是預(yù)期又不確定，因此很多企業(yè)也就不愿意投入資源探索。對于身處人工智能領(lǐng)域的企業(yè)而言，很多企業(yè)一直扎根于技術(shù)的研發(fā)、升級，對于需求端的了解并不深入，因此在商業(yè)化方面略顯尷尬。