经验啦

  1. 首页 > 科技 > >

深度学习|中国AI的“底线思维”与安全锁( 二 )

深度学习开源软件底线思维


守住AI的“函谷关” ， 不过度依赖国外技术 ， 是中国产业能在数智化浪潮中顺利前行最重要的基础 。
中国AI的“安全锁”
说到这里 ， 你可能会好奇 ， 中国AI基础技术现在有一较高下的能力吗？毕竟不能因为一些未雨绸缪的猜想 ， 而牺牲真材实料的技术能力与开发效率 。
幸运的是 ， 中国AI领域在深度学习框架这件事上吸取了历史教训 。 很多中国AI科技企业都相继研发并开源了深度学习框架 ， 百度飞桨（PaddlePaddle）就是国内首个自主研发并开源开放的深度学习框架 ， 此外还有华为的Mindspore、腾讯的PocketFlow ， 阿里巴巴的X-Deep Learning ， 旷视科技的天元（MegEngine）等 。
目前 ， 确实是无需担心深度学习框架被“卡脖子”了 。
不过 ， 故事还只是刚刚开始 。 在人工智能的科技竞赛中 ， 对国产开源框架的要求 ， 不能停留在“人有我有” ， 当个临时“备胎” 。 还需要“人有我精” ， 表现出比海外开源框架更优秀的能力 。

提升中国AI的安全指数 ， 国产开源框架还应主动锻造三把“安全锁”：
第一道锁 ， 锁住底层技术自主权 。
开源框架的国产化 ， 首要要求就是完全自主可控 ， 掌握核心技术的自主权 。 尤其是一些前沿探索类的技术上 ， 满足深度AI应用的开发需求 ， 才能吸引更多开发者加入 。
相比一些针对垂直场景、个人开发者搭建的开源框架 ， 具备技术积累的企业开源框架平台在底层突破、技术迭代和领先性上更有优势 ， TensorFlow就凭借谷歌大量突破性的新技术成为开源框架的“扛把子” 。
幸好 ， 目前中国AI企业的技术能力也并不逊色 。 比如近期流行的超大规模的多模态大模型 ， 就依赖于强大的算力、技术、开发能力来实现 ， 目前 ， 知识增强“文心”大模型加入到飞桨产业级模型库中、向各行各业开放 ， 华为云开源了盘古大模型……
第二道锁 ， 锁住全面的能力范畴 。
因为更懂中国AI市场、中国开发者 ， 国产开源框架也能够提供更具针对性的服务能力 。 试想一下 ， 一个不认识英文的农村养猪场员工 ， 想要开发一个猪脸识别应用 ， 跑到TensorFlow、caffe、PyTorch这样的框架上只能抓瞎 ， 从这个角度 ， 国产框架更符合中国AI与千行百业相结合的真实情况 。
第三道锁 ， 锁住人才和产业生态 。
很多技术国产化的失败都源于生态匮乏 ， 没有足够多的开发人才和产业应用支持 。 众所周知 ， 针对AI人才的争夺战在海内外都十分激烈 。 因此 ， 人才和产业的生态圈建设 ， 关乎国产框架能否长期可持续发展 。

AI人才培养体系既要能缓解短期产业人才缺口 ， 也要为长期发展储备战略人才 。 以百度飞桨为例 ， 其人才生态就涵盖了面向青少年AI科普教育的“晨曦计划”、面向高校学子全年无休的AI赛事、培养师资力量的高校深度学习师资培训班、面向产业人才的AICA首席架构师培训计划等等 。
汇聚了更多人才的创新智慧 ， 国产开源框架的社区资源和商业价值也必将持续增长 。
综上所述 ， 可以发现国产框架并不是“为情怀而生” ， 通过三把“安全锁” ， 锁定的不仅是中国AI的安全 ， 还有AI产业规模化落地增长的无限可能 。
技术国产化的“钟摆效应”
在技术国产化的路上 ， 很容易出现一种“钟摆效应” 。 在过度悲观和过度乐观中来回摆动 ， 感到威胁时 ， 一股脑儿盲目扎堆 ， 像是2020年开始 ， 芯片半导体行业就出现了一股周期性狂奔的热潮 。 而一旦国产化受阻 ， 又开始强调国际合作 ， 昔日的国产EDA软件熊猫 ， 就因为“物美价廉”的外国产品和技术而宣告折戟 ， 直到目前我国依然在EDA软件上“受制于人” 。

相关经验推荐


上一篇：CPU|AMD K6-2+处理器22年后终被破解：L2缓存翻倍摇身一变成K6-III+

下一篇：智能手机|MWC大会都发布了哪些产品？放眼望去都是中国商品！