2021年正值科技摩擦之际，我采访到一位工业机器公司的技能卖力人，向他问到：“制造领域有没有一些“卡脖子”的情形？”

他提到，“工业智能制造的核心要素，可以归纳为“三软三硬”。
三软紧张是指大数据、人工智能和工业软件，三硬紧张是指核心装备、制造工具和材料。
卡脖子这个问题，在各行各业各个领域都普遍存在”。

“反倒是深度学习框架，现在的情形还好，没有卡脖子。
TensorFlow是开源框架，虽然也是国外的，但目前还没有封闭，不过也不用除它后期还会封闭。
这也是为什么我们公司选择国产深度学习框架，一是利用门槛更低，二是防患于未然。
客不雅观地说，国产框架离TensorFlow还有一定的差距，但这个差距在肉眼可见地缩小。
”

从传统的深度学习模型时期，到朝阳东升的大模型时期，都离不开AI框架的平台化支撑，其主要性不亚于芯片。
但和芯片不同的是，与大模型发展相适配的国产AI框架，基本实现了自保。

这是根本技能领域一个非常大的进步，也是中国为什么没有错过这一轮大模型AI热潮的缘故原由之一。

2021-2024的短短数年，从机器学习到大模型，新旧技能“沧海桑田”，科技行业风云变幻，但AI框架之于家当的主要性，却从未改变。

如果说，从信息化、数字化到智能化的漫长进程，就像鱼类走向陆地的进化变迁，那么AI框架，就处于算力层与运用层的中间地带，犹如海洋与陆地之间的那道“海岸”，支撑着各行各业与智能浪潮的交融。

那么，究竟什么是大模型所须要的AI框架？AI框架是如何知足家当链需求的？国产AI框架与外洋框架的差距或差异又在哪里？

本文就让我们深入AI家当链的中枢地带，沿着AI框架的“海岸”一探究竟。

AI框架家当与智能之间的那道“海岸”

鱼要经由海岸，进化成两栖动物，适应陆地，才能具备在新环境的生存能力，拓宽种群的边界。
同理，AI模型从演习到推理的全流程落地，开拓者也须要一种根本举动步伐作为助力，这便是AI框架。

一个底层AI框架，至少具备几个特质：

1.通用性。
AI框架作为根本举动步伐，广泛覆盖各种模型，同时简化了AI开拓过程，对多种算法进行模块化封装，让开发者不须要“重复造轮子”，可以快速搭建AI模型。
比如对多元异构打算硬件的适配兼容，支持大分发多类型任务调度的分布式能力，核心算子库等，是开拓各种算法模型都须要的，都要在框架层去办理。

2.全流程。
AI框架集成了模型开拓所须要的工具，为开拓职员供应全流程的开拓环境。
详细来说，演习、调优、测试和支配的一全体标准化流程中，所须要的相应组件，都能够在一个平台得到，进行全流程的项目提升，高效知足各种场景的定制化建构需求。

3.生态化。
从家当链全局来看，AI框架下接芯片，上承运用，是芯片厂商、运用开拓者、软件做事商等多个行业主体都汇聚的中枢地带，形成了非常关键的AI生态系统。
拥有一个集聚家当链的自研AI框架，就犹如拥有了一条生态丰富、自主可靠的海岸线，是一企乃至一国守住AI边陲的关键。

因此，当ChatGPT代表的大模型爆火之后，焦虑无处不在，“我们没有大措辞模型怎么办？”“高端算力卡被禁了怎么办？”“根本软件卡脖子怎么办？”但同样至关主要的底层AI框架，却没有涌现“什么时候才能有自己的框架”的焦虑。

试想一下，如果国计民生重点行业的大模型，建立在外洋企业的框架上，开源容许证的断供风险、数据安全风险可想而知。
幸好，国产AI框架，早就做好了准备。

目前，国际有两大主流AI框架TensorFlow（谷歌）、PyTorch（Meta），而中国自研的AI框架，按照其厂商可以分为三类：

一因此百度为代表的AI头部科技企业推出的，如飞桨paddlepaddle，基于前辈模型和家当生态积累，布局AI框架，建立智能业务的体系化上风。

中国软件家当40年功绩人物、“国家卓越工程师”称号、百度CTO的王海峰，曾回顾文心一言的开拓过程：2023年要在算力需求爆发、供应紧缺的条件下，快速跟上ChatGPT的趋势，正是基于百度的深度学习框架飞桨paddlepaddle，下贱跟主流的芯片厂商做了适配，任何好的算力，我们都能用得起来，很快完成了大模型演习。

二因此华为云为代表的AI云做事厂商推出的，如昇思mindspore，通过AI框架，在云根本举动步伐和行业云用户之间搭建起桥梁，供应完全的云端大模型做事。

去年大模型的百花齐放，便是很多ToB企业和软件公司，利用华为云上的AI框架昇思mindspore，以及盘古大模型、昇腾AI云做事等，支持海内各种开拓者、做事商等结合行业运用处景，做出原创模型，支撑了海内多个领域演习并首发大模型，加速了大模型走向家当化的进程。

三是垂类AI做事商、研究者推出的深度学习框架，具备某些独特的技能特性或运用处景，比如旷视科技（Megvii）在打算机视觉领域的专长，使其MegEngine框架在图像处理任务上表现突出；清华大学打算机系推出的Jittor，特殊适宜于研究和教诲领域，便于快速实验和算法原型开拓；腾讯优图的NCNN框架专为移动端和嵌入式设备优化，适宜资源受限的环境或边缘打算；一流科技的Oneflow，也是业内完全的深度学习框架类产品。

不同于英伟达基于芯片构建的软件生态体系，国产AI芯片厂商受限于产品规模，自研软件配套的运用范围比较有限，有待发育，就不详述了。

综上，面对大模型掀起的这一轮AI浪潮，外洋框架平台生态发达，起到了一个“海阔凭鱼跃”的浸染。
国产AI框架也没有缺席，为各行各业探索大模型，奠定了根本，汇聚了力量。

回溯框架演化，“双漏斗式”的AI筑基进程

AI框架之以是没有缺席，是中国产学界人士“板凳甘坐十年冷”，一点一滴地构筑而成的。
这个过程，遵照了技能领域的“双漏斗”规律，是一个从扩散到收敛，从收敛到扩散的过程，其间经由开拓者不断选择和淘汰，终极蜕变成了今日格局。

第一阶段：早期期间的扩散漏斗（Diversity Phase）。

新技能涌现的初期，由于技能尚未成熟，新的想法和产品层出不穷，市场和用户对付哪种技能会终极胜出存在很大的不愿定性，因此会涌现多样化的技能流派。

PC操作系统、移动互联网OS都经历过百花齐放、多家争鸣的阶段，AI框架也不例外。
深度学习大行其道的时候，数据、算法和算力激增，工程繁芜度提高，开拓者非常须要减少“重复造轮子”，直接调用某些模型或工具，这时候各大厂商都开始将自研算法和工具封装为软件框架，供开拓者利用，呈现出了Theano、Caffe（伯克利大学）、Torch、DistBelief（谷歌，TensorFlow前身）等多款框架。

同一期间，海内还没有互联网企业或科技公司做框架，部分高校在学术科研角度做了一些零散的事情。
构建完全的深度学习框架，是2013年百度开始。
由于很早就关注到深度学习技能，百度更早碰着了深度学习运用上的一些寻衅，比如所有的算法从头写，开拓效率低，常常出错；每个深度学习开拓团队写的程序差异很大，模块无法复用，兼容性也不高，急需一个统一框架。
于是2013年，百度开始在框架上投入。
据理解，当时百度内部也是框架百花齐放，开拓了多个深度学习框架，办理不同业务的不同问题。

值得把稳的是，早在此时起，国内外的框架就已经显露出差异化的特质。
以Caffe、Torch为代表的外洋框架，更倾向于学术、工程师利用；以百度为代表的国內框架，从家当土壤上成长出来，一开始就很看重实用性、功能性、分布式演习、硬件优化等家当特性。

第二阶段：竞争期间的收敛漏斗（Consolidation Phase）。

随着韶光的推移，更紧张是AI巨子如谷歌、Facebook、百度的上风框架相继开源，其他框架逐渐被淘汰、合并，多样化的框架格局开始向几家主导“收敛”。

2015年开始，谷歌大脑宣告TensorFlow开源，2016年百度飞桨宣告开源，2017年Meta人工智能研究院（FAIR）宣告PyTorch开源。
开拓者逐渐集中到几个主导者生态中。

曾经的热点框架如Theano、CNTK（微软）、Keras、Caffe2都相继停滞掩护，或被主流框架收编，百度内部也开始将多款框架收敛为paddlepaddle，并正式对外开源。

这一阶段，海内外并不“同此凉热”。

一方面，PyTorch凭借极强的学术灵巧性、易用性，迅速崛起，已经发布很快成为爆款，成为围剿谷歌“框架霸权”（TensorFlow不兼容其他开拓框架）的新力量。

另一方面，当时海内很多企业的AI意识还没有觉醒，以打算机视觉为代表的深度学习技能，很难知足家当落地的精度需求。
因此，当外洋AI巨子环绕框架“火星四溅”的时候，中国的深度学习框架依然是“冷板凳”，企业中只有百度一家在坚持做。

如果说，当时外洋框架是因竞争而主动收敛，那海内框架便是由于遇冷而被动孤守。

第三阶段：摩擦期间的再生漏斗（Renewal Phase）。

当主导框架不再适应时期需求，就会涌现新的创新浪潮，导致技能的多样性再次增加。
“TensorFlow、PyTorch两分天下”的局势被改变，国产AI框架的创新再生大爆发，是在2019-2020旁边，中美科技摩擦逐渐增多，需求侧和供给侧都发生了诸多变革。

从供给侧来看，外洋框架爆出安全漏洞，而AI又涉及国计民生核心领域，供应链风险不得不重点考虑，自主可靠的国产框架成为必需，供给增多。
这一阶段，国产AI框架进入加速发展期，除了飞桨PaddlePaddle，华为、阿里巴巴、腾讯、旷视科技等家当界，以及清华萨血等学术界，也都相继推出了自研框架，丰富了国产框架的活力。

从需求侧来看，随着AI渗透率提升，中国各行各业的开拓者须要中文框架，更贴合中国市场的工具与数据集，更符合中国开拓者需求的社区生态，更能知足中国度当需求的AI平台。

有开拓者曾提到过，偏底层的TensorFlow，没有为开拓者考虑到大量细碎问题；习气了邮件沟通的外洋平台社区，无法知足中文开拓者实时互换、社群互动的本土化开拓需求；需求分散、场景多样的海内里小企业，很少有技能职员，TensorFlow、PyTorch纯开源框架不能供应成熟低门槛的办理方案，这种模式无法支撑AI广泛落地。

当前阶段：大模型期间的再收敛漏斗。

AI框架从深度学习到大模型阶段，从扩散到收敛再到扩散，技能改造与格局嬗变的背后，一条主线从未改变，那便是从学术抵家当化，变得越来越易用、实用。
对开拓者和家当更友好，更具运用上风的框架，生态的吸引力更强，框架的生命力也就更长，终极从群雄逐鹿的赛场中厮杀出来，成为主导。

目前，源于中国度当实践的国产AI框架，也逐步收敛到更懂家当运用处景、更具技能前辈性和生态规模上风的飞桨与昇思。

详细表现在，飞桨和文心一言，昇思与盘古大模型，与家当结合的广度和深度，已经超越了其他国产框架的生态规模。

同时，形成了全链路、低门槛的大模型做事能力，供应从算力、模型到运用、商业层的多元多层支持，凝聚更加广泛的开拓者。

家当链角色的多样性与开放性也格外显著，与模厂、硬件厂商、运用开拓者、软件企业、ISV做事商等行业伙伴，都建立起了较好的相互赋能关系，构建起智能做事的产品构造体系。

进入大模型时期的新阶段，AI根本举动步伐的主要性，也被拔高到了前所未有的高度。

正如根本通用模型不可能人人都做，如果企业和科研机构无差别入场做根本模型，会造成算力人力的极大摧残浪费蹂躏，也会让利用者的精力分散在各种模型的试错上，无法快速凝聚到技能更强的模型上，框架也是类似的逻辑。

一个底层框架的技能上风、工具完全度、生态规模，须要长期积累、积少成多，而根本软件又格外须要生态的发展和搜集。
逐步收敛到飞桨、昇思等更具潜力和繁荣的家当化框架上，构筑AI计策底座，将是大势所趋。

如前所说，AI框架是技能浪潮与家昔时夜陆的连接地带，只有在一次次潮起潮掉队，仍旧坚守下来的平台，才能成为中国AI家当链的武断守护者。

光阴洗练后中国AI的差异化亮点

经由韶光和市场的洗练，国产框架与外洋框架的特性差异，也变得越来越清晰。
而这，可以作为一个侧影，让我们看到中国AI的差异化亮点。

还记得ChatGPT横空出世之后，大家总能听到这样的辞吐，“中美AI差距有十年”“OpenAI齐心专心底层创新，中国AI还没终年夜就得出去赢利”“百模大战是同质化的摧残浪费蹂躏资源”……

从AI框架可以看到，更强的家当化能力，本便是中国AI的底色，也是亮色。

根本能力上，以飞桨、昇思为代表的AI框架，在家当AI方面的实践更多、积累最早，理解也最为深刻，因此可以很好地支持AI模型开拓与支配，让家当迅速、更大规模运用这些新技能。

举个例子，面向科研、强调学术研究灵巧性的PyTorch，对家当运用的推理支配需求，做得是比较薄弱的，而国产框架为大模型抵家寺库设了一条高效通道。

飞桨很快上线了对大模型开拓的功能支持，供应了一系列模型封装能力，加速大模型的家当化落地。
昇思MindSpore供应了一整套高效、易用的大模型使能套件，形成了端到真个使能大模型开拓能力。

通过AI框架，开拓者与行业少走弯路，不重复造轮子，快速高效地把大模型用起来，这是中国的基座通用大模型快速跟进、行业大模型爆发的条件。

产品体系上，源于家当需求的国产AI框架，能力布局更加全面、细致，可以更好地知足家当落地AI大模型的实际需求。

纯开源的外洋模型，常常会强调自己的技能有多厉害，有多强，对开拓者就主打一个“野蛮成长”，这与其数字化水平、数字人才等都有直接关系。

然而中国企业的小、分散、需求长尾，决定了AI框架作为家当根本举动步伐，是不能轻易“放养”的。

比如硬件适配，外洋以英伟达为主导的硬件市场，也不像中国面临多元异构算力问题的巨大寻衅。
作为国产AI框架，必须进行软硬件结合的深度领悟优化，做特殊多的工程开拓事情，来降落开拓者的硬件适配本钱。

再比如模型库。
模型库不是深度学习框架核心的组成部分，底层框架厂商投入精力去打造更细分的模型，看起来彷佛是把精力分散到了外围一些无关紧要的东西上，而不是底层核心技能。
但从家当运用的角度来看，中国存在大量企业，没有专门的研发职员能够利用核心框架，从头完成一个模型的自研事情，AI也没有办法落在家当需求中。

利用框架平台的AI办理方案、模型和开拓套件，进行微调改写，就能得到一个贴合场景的定制化模型，这更符合中国的家当实际。

源于家当、面向家当、托举家当，以国产AI框架为基，犹如隐蔽在漫永劫间深处的“海岸”，在技能潮水涌动之际，才能看出计策代价，支撑住中国产学政各界对大模型技能的期待。

处于家当链中枢地带的AI框架，以稳定的底座、百口当链的贯通、较低的门槛，吸引了大量行业和从业者在这里居住，适应并探索AI新技能；

在这里“进化”，从非数字原生组织，成长出数字化、智能化的能力；

在这里“领悟”，多种家当角色在这里互换、领悟、创新，汇聚起丰富的AI生态。

终极，经由AI框架的“海岸”，开拓者和行业一步步向AI时期迁徙，开启家当智能进化的新篇章。