1. 首頁 > 科技 > >

深度學習|中國AI的“底線思維”與安全鎖( 二 )

深度學習開源軟件底線思維


守住AI的“函谷關” ， 不過度依賴國外技術 ， 是中國產業能在數智化浪潮中順利前行最重要的基礎 。
中國AI的“安全鎖”
說到這里 ， 你可能會好奇 ， 中國AI基礎技術現在有一較高下的能力嗎？畢竟不能因為一些未雨綢繆的猜想 ， 而犧牲真材實料的技術能力與開發效率 。
幸運的是 ， 中國AI領域在深度學習框架這件事上吸取了歷史教訓 。 很多中國AI科技企業都相繼研發并開源了深度學習框架 ， 百度飛槳（PaddlePaddle）就是國內首個自主研發并開源開放的深度學習框架 ， 此外還有華為的Mindspore、騰訊的PocketFlow ， 阿里巴巴的X-Deep Learning ， 曠視科技的天元（MegEngine）等 。
目前 ， 確實是無需擔心深度學習框架被“卡脖子”了 。
不過 ， 故事還只是剛剛開始 。 在人工智能的科技競賽中 ， 對國產開源框架的要求 ， 不能停留在“人有我有” ， 當個臨時“備胎” 。 還需要“人有我精” ， 表現出比海外開源框架更優秀的能力 。

提升中國AI的安全指數 ， 國產開源框架還應主動鍛造三把“安全鎖”：
第一道鎖 ， 鎖住底層技術自主權 。
開源框架的國產化 ， 首要要求就是完全自主可控 ， 掌握核心技術的自主權 。 尤其是一些前沿探索類的技術上 ， 滿足深度AI應用的開發需求 ， 才能吸引更多開發者加入 。
相比一些針對垂直場景、個人開發者搭建的開源框架 ， 具備技術積累的企業開源框架平臺在底層突破、技術迭代和領先性上更有優勢 ， TensorFlow就憑借谷歌大量突破性的新技術成為開源框架的“扛把子” 。
幸好 ， 目前中國AI企業的技術能力也并不遜色 。 比如近期流行的超大規模的多模態大模型 ， 就依賴于強大的算力、技術、開發能力來實現 ， 目前 ， 知識增強“文心”大模型加入到飛槳產業級模型庫中、向各行各業開放 ， 華為云開源了盤古大模型……
第二道鎖 ， 鎖住全面的能力范疇 。
因為更懂中國AI市場、中國開發者 ， 國產開源框架也能夠提供更具針對性的服務能力 。 試想一下 ， 一個不認識英文的農村養豬場員工 ， 想要開發一個豬臉識別應用 ， 跑到TensorFlow、caffe、PyTorch這樣的框架上只能抓瞎 ， 從這個角度 ， 國產框架更符合中國AI與千行百業相結合的真實情況 。
第三道鎖 ， 鎖住人才和產業生態 。
很多技術國產化的失敗都源于生態匱乏 ， 沒有足夠多的開發人才和產業應用支持 。 眾所周知 ， 針對AI人才的爭奪戰在海內外都十分激烈 。 因此 ， 人才和產業的生態圈建設 ， 關乎國產框架能否長期可持續發展 。

AI人才培養體系既要能緩解短期產業人才缺口 ， 也要為長期發展儲備戰略人才 。 以百度飛槳為例 ， 其人才生態就涵蓋了面向青少年AI科普教育的“晨曦計劃”、面向高校學子全年無休的AI賽事、培養師資力量的高校深度學習師資培訓班、面向產業人才的AICA首席架構師培訓計劃等等 。
匯聚了更多人才的創新智慧 ， 國產開源框架的社區資源和商業價值也必將持續增長 。
綜上所述 ， 可以發現國產框架并不是“為情懷而生” ， 通過三把“安全鎖” ， 鎖定的不僅是中國AI的安全 ， 還有AI產業規?；涞卦鲩L的無限可能 。
技術國產化的“鐘擺效應”
在技術國產化的路上 ， 很容易出現一種“鐘擺效應” 。 在過度悲觀和過度樂觀中來回擺動 ， 感到威脅時 ， 一股腦兒盲目扎堆 ， 像是2020年開始 ， 芯片半導體行業就出現了一股周期性狂奔的熱潮 。 而一旦國產化受阻 ， 又開始強調國際合作 ， 昔日的國產EDA軟件熊貓 ， 就因為“物美價廉”的外國產品和技術而宣告折戟 ， 直到目前我國依然在EDA軟件上“受制于人” 。

相關經驗推薦