文 | 曾響鈴

來源 | 科技向令說（xiangling0815）

三年前，李彥宏撰寫《智能革命》一書時，人工智能還是“將來時”。

2020年的歲末，當我們回頭審視即將過去的一年時，猛然發現人工智能已經在交通、金融、能源、制造等行業應用開來，在我們生活中的大量場景滲透進來。

我們驚詫于人工智能的發展速度，站在“新基建”、“十四五”規劃等國家戰略的時代背景之下，產業智能化大潮的翻涌之中，我們同時也在思考，人工智能技術發展與落地的速度還會更快，越來越快嗎？

百度首席技術官王海峰在12月20日召開的“WAVE SUMMIT+2020”深度學習開發者峰會上演講時表示，“開源開放的精神內涵，已不僅是技術開發領域的協作機制，更是驅動技術創新和加速產業發展的核心動能”。被稱為AI時代操作系統和百度AI底座的開源深度學習平臺飛槳也帶來了八大全新發布與升級。

產業智能化升級浪潮下，令人詫異的飛槳速度

產業智能化升級浪潮的來勢到底有多猛？

我們平時看到的，感受到的一些智能化變化或許過于主觀，難以從全局視角對這個問題進行很好的回答，“WAVE SUMMIT+2020”深度學習開發者峰會上，百度集團副總裁、深度學習技術及國家工程實驗室副主任吳甜提煉了飛槳上的一些數據，將當前這場智能化升級的時代浪潮進行了立體展示。

其一，產業智能化升級的廣度和深度不斷擴展，在飛槳平臺上，使用AI進行行業應用開發的行業品類明顯在增加，非互聯網IT行業占比從2018年的53.4%現在已經增長到67.9%。

其二，AI開發者活躍度在全國各地均持續增高，全國范圍內，開發者AI熱情升溫，很多城市的開發者開始擁抱AI，過去一年中增速最高的5個城市分別為佛山、東莞、重慶、福州、天津。AI開發者熱度從一線城市向二三線城市遷移，說明產業智能化升級的需求也開始下沉，同時AI開發者的活躍成為了城市發展的新活力。

其三，越來越多高校老師關注人工智能課程，在高校AI培訓覆蓋的學科數量也在明顯的增加，從數據上看到，非計算機專業的高校教師占比從2019年的35%已經增長到了2020年的45%。越來越廣的專業領域也在開始擁抱AI了。

一面是國家戰略和政策的助推，一面是巨大的市場需求，飛槳作為中國自主可控的深度學習平臺，此時既迎來機遇，又承擔下責任。

產業智能化升級的車輪滾滾向前，飛槳跟上時代趨勢的做法是對自身進行再升級，再強化，本次峰會上，百度飛槳一口氣帶來了八大全新發布與升級。

其中包括，有支持前沿技術探索和應用的生物計算平臺PaddleHelix螺旋槳，開發更加便捷的飛槳開源框架2.0 RC版，端云協同的AI集成開發環境BML CodeLab，支持更強大分布式訓練的業界首個通用異構參數服務器架構，開源算法庫增至200+，飛槳企業版EasyDL智能數據服務升級，飛槳硬件生態路線圖以及攜手全球開發者開啟“大航海”計劃。

特別是生物計算平臺PaddleHelix螺旋槳，先期將開源螺旋槳生物計算開源工具集，提供包括RNA二級結構預測、大規模的分子預訓練、DTI藥物靶點親和力預測以及ADMET成藥性預測等在內的新藥研發和疫苗設計環節的核心能力，幫助生物信息學、計算機交叉學科背景的學習者、研究者和合作伙伴，更便利地構建AI算法模型。

可以說，產業智能化的浪潮洶涌向前的速度有多快，飛槳奔跑的速度就有多快。

飛槳速度的背后，什么才是產業智能化升級的核心邏輯？

我們心中或許會有疑問，飛槳為何能夠高速奔跑，什么又支撐了飛槳速度的產生？

我們先來看百度飛槳在峰會上公布的一組數據。

目前，飛槳平臺上已凝聚265萬開發者，開源貢獻者超過5000萬，有97位優秀的開發者成為飛槳開發者技術專家（PPDE）；在產業應用上，飛槳服務了10萬+企業，創造了34萬+模型……

很顯然，飛槳已經扎根于產業智能化升級的事業之中，與開發者和產業都產生了深度關聯：開發者需要什么，飛槳就去做什么；產業智能化遇到了哪些問題，飛槳就去解決它。雙向反饋的速度越來越快，造就了飛槳升級的速度也越來越快。

比如，為了讓開發者有更好的開發體驗，飛槳發布了開源框架V2.0 RC版本，“編程一致、動靜統一”，同時還能更好的支持深度概率編程、量子機器學習等前沿學術研究；

比如，今年的疫情讓我們對藥物研發、疫苗設計等生物工程的效率有了更高的期待，于是飛槳發布了生物計算平臺PaddleHelix螺旋槳進行跨界探索。

再比如，寧德時代為解決產品品控和生產效率的問題，需要計算機視覺的大量應用，百度飛槳提供了視覺檢測方面的能力，將寧德時代的產品瑕疵目標從百萬分之一提高到十億分之一。

將飛槳速度進行整體總結，飛槳高速迭代，飛速奔跑的最終目的既簡單又純粹，即讓AI開發具有更高的技術能力和更低的進入門檻，從而為產業智能化升級的廣度和深度提速。

通過此次升級的主要內容，我們來看看圍繞著一高一低的核心邏輯（有更高的技術能力和更低的進入門檻），飛槳是如何落地實踐的。

首先，提升技術能力上，飛槳通過升級開發性能來實現。

本次推出業內首個通用異構參數服務器架構和升級開源算法庫這兩項動作中，前者實現了更強大的大規模分布式訓練，在訓練效率上大幅提升；后者將官方算法數量從140+擴展至200+，同樣在能力上保持著持續進化。

為了強化飛槳企業版的服務能力，其底層技術也在不斷迭代，本次峰會還升級了EasyData智能數據服務平臺，大幅提升智能標注的效能，新增多人標注能力以及高級智能清洗能力。

其次，降低應用門檻方面，很多產業開發者并不具備深厚的AI功底，但又有解決問題的實際需求，飛槳站在開發者的角度，不斷推出新的工具來幫助開發者。

此次峰會推出的端云協同的AI集成開發環境BML CodeLab就為AI算法開發者提供了更友好的開發體驗，其開箱即用的客戶端內置飛槳文心（ERNIE）NLP套件及單機高性能技術引擎，最重要的是它可以無縫擴展到包括百度智能云在內的多個云端算力平臺，極大加強了客戶端的可擴展性和靈活性。

飛槳對工具、套件及時升級，甚至提前準備好，AI開發的門檻大大降低，產業智能化的進程也大大提速。

產業智能化浪潮的推動造就了飛槳速度，飛槳同時又在反哺著產業智能化，雙方協同互促之下，展現的是一幅可以產生奇跡的產業藍圖。

厚實繁榮的生態底座，沒有終途的開源之路

飛槳之所以能夠在產業智能化升級的浪潮中創造飛槳速度，厚實繁榮的開源生態底座是其中關鍵，起到了巨大的支撐作用。

在討論飛槳的開源生態之前，我們先來看看幾個開發者的故事。

13歲的陳奕帆，只有六年級，但在今年的百度之星大賽中，與上萬名博士、碩士同臺角逐，并最終殺入決賽，獲得百度之星決賽未來之星特別獎，成為百度之星辦賽16年來殺入決賽的年齡最小的開發者。

芯片企業工程師安寶磊，在飛槳上貢獻的代碼量累計超過3600行，他的代碼已經在很多的場景中落地運行起來了。安寶磊表示，希望自己的努力能夠把AI帶入到各行各業中。

飛槳開源社區網友“GT-老張”，一直在飛槳社區進行答疑，現在累計答疑超過12000次，幫助了超過兩萬名開發者，老張在社區里答疑的時候不分晝夜，大家都稱他為飛槳答疑機器人。

站在開發者的角度，飛槳生態如此活躍，給了我們足夠的驚喜，究其原因，唯有對開源二字的堅持與堅守。

不同于技術研發，可以有很多路徑和思路，開源生態的建設并沒有太多可以討巧的“捷徑”，能夠發力的方向也僅僅只有產業應用、人才培養和開源社區這三個方面。

飛槳的生態構建也是從這三方切入，如果硬要說出有什么不同，那么就是飛槳建設生態工作落地時不打折扣的執行效率。

產業應用的普及與滲透速度我們不需要再做過多描述，人才培養方面，飛槳致力打造產學研用一體化，形成人才培養閉環。

飛槳生態內，已構建起涵蓋“學習、實踐、比賽、認證、就業”的開發者全周期服務體系。學習與實訓社區AI Studio學習資源數增長180%，累計學習人次290萬。12期高校師資培訓班覆蓋國內所有頭部高校，支持超過200所高校開設AI學分課。AI Studio名師專欄首期引入臺大教授李宏毅最新系列課程，配套實踐項目，幫助開發者邊學邊練。

飛槳在峰會上還發布了大航海計劃，包含面向核心開發者的“領航”、面向人才培養的“啟航”和面向產業智能化升級的“護航”三個部分。本次正式發布圍繞高校人才培養的啟航計劃：未來三年，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教師，聯合培養50萬AI未來人才。

今年5月，百度發布星辰計劃，通過向全社會開放技術、共享流量和生態資源，同時提供一定資金支持，來鼓勵公益領域的科技創新，獲得了大量開發者和項目團隊的響應，涌現了很多極具創新和價值的項目。

本次峰會上，AI瀕危物種保護項目、AI文物保護項目、AI沙漠栽樹機器人這三個公益項目獲得了星辰計劃基金，未來將在百度的幫助下進一步孵化。

開源社區建設，則從社區開發者的共建、共享，通過開源開放來驅動技術的創新，像珠算深度概率編程，就是飛槳團隊與清華朱軍教授團隊共同合作，依托飛槳框架和動靜統一的開發體驗而完成的。

在這個過程中，百度飛槳持續的人才、資金與資源的投入，使得開源生態的底座更加繁榮與厚實，由此飛槳也構建了自己獨特的競爭優勢，在對開源使命初心的堅持與堅守之下，這場智能化升級的浪潮將持續的更加迅猛與長久。

*本文圖片均來源于網絡

*此內容為【科技向令說】原創，未經授權，任何人不得以任何方式使用，包括轉載、摘編、復制或建立鏡像。