中國AI長卷(二):框架立基
2021年正值科技摩擦之際,我采訪到一位工業(yè)機械公司的技術負責人,向他問到:“制造領域有沒有一些“卡脖子”的情況?”
他提到,“工業(yè)智能制造的核心要素,可以歸納為“三軟三硬”。三軟主要是指大數(shù)據(jù)、人工智能和工業(yè)軟件,三硬主要是指核心裝備、制造工具和材料。卡脖子這個問題,在各行各業(yè)各個領域都普遍存在”。
“反倒是深度學習框架,現(xiàn)在的情況還好,沒有卡脖子。TensorFlow是開源框架,雖然也是國外的,但目前還沒有封閉,不過也不排除它后期還會封閉。這也是為什么我們公司選擇國產(chǎn)深度學習框架,一是使用門檻更低,二是防患于未然?陀^地說,國產(chǎn)框架離TensorFlow還有一定的差距,但這個差距在肉眼可見地縮小。”
從傳統(tǒng)的深度學習模型時代,到方興未艾的大模型時代,都離不開AI框架的平臺化支撐,其重要性不亞于芯片。但和芯片不同的是,與大模型發(fā)展相適配的國產(chǎn)AI框架,基本實現(xiàn)了自保。
這是基礎技術領域一個非常大的進步,也是中國為什么沒有錯過這一輪大模型AI熱潮的原因之一。
2021-2024的短短數(shù)年,從機器學習到大模型,新舊技術“滄海桑田”,科技行業(yè)風云變幻,但AI框架之于產(chǎn)業(yè)的重要性,卻從未改變。
如果說,從信息化、數(shù)字化到智能化的漫長進程,就像魚類走向陸地的進化變遷,那么AI框架,就處于算力層與應用層的中間地帶,猶如海洋與陸地之間的那道“海岸”,支撐著各行各業(yè)與智能浪潮的交融。
那么,究竟什么是大模型所需要的AI框架?AI框架是如何滿足產(chǎn)業(yè)鏈需求的?國產(chǎn)AI框架與海外框架的差距或差異又在哪里?
本文就讓我們深入AI產(chǎn)業(yè)鏈的中樞地帶,沿著AI框架的“海岸”一探究竟。
魚要經(jīng)由海岸,進化成兩棲動物,適應陸地,才能具備在新環(huán)境的生存能力,拓寬種群的邊界。同理,AI模型從訓練到推理的全流程落地,開發(fā)者也需要一種基礎設施作為助力,這就是AI框架。
一個底層AI框架,至少具備幾個特質:
1.通用性。AI框架作為基礎設施,廣泛覆蓋各類模型,同時簡化了AI開發(fā)過程,對多種算法進行模塊化封裝,讓開發(fā)者不需要“重復造輪子”,可以快速搭建AI模型。比如對多元異構計算硬件的適配兼容,支持大分發(fā)多類型任務調度的分布式能力,核心算子庫等,是開發(fā)各類算法模型都需要的,都要在框架層去解決。
2.全流程。AI框架集成了模型開發(fā)所需要的工具,為開發(fā)人員提供全流程的開發(fā)環(huán)境。具體來說,訓練、調優(yōu)、測試和部署的一整個標準化流程中,所需要的相應組件,都能夠在一個平臺獲得,進行全流程的項目提升,高效滿足各類場景的定制化建構需求。
3.生態(tài)化。從產(chǎn)業(yè)鏈全局來看,AI框架下接芯片,上承應用,是芯片廠商、應用開發(fā)者、軟件服務商等多個行業(yè)主體都匯聚的中樞地帶,形成了非常關鍵的AI生態(tài)系統(tǒng)。擁有一個集聚產(chǎn)業(yè)鏈的自研AI框架,就如同擁有了一條生態(tài)豐富、自主可靠的海岸線,是一企乃至一國守住AI疆域的關鍵。
因此,當ChatGPT代表的大模型爆火之后,焦慮無處不在,“我們沒有大語言模型怎么辦?”“高端算力卡被禁了怎么辦?”“基礎軟件卡脖子怎么辦?”但同樣至關重要的底層AI框架,卻沒有出現(xiàn)“什么時候才能有自己的框架”的焦慮。
試想一下,如果國計民生重點行業(yè)的大模型,建立在海外企業(yè)的框架上,開源許可證的斷供風險、數(shù)據(jù)安全風險可想而知。幸好,國產(chǎn)AI框架,早就做好了準備。
目前,國際有兩大主流AI框架TensorFlow(谷歌)、PyTorch(Meta),而中國自研的AI框架,按照其廠商可以分為三類:
一是以百度為代表的AI頭部科技企業(yè)推出的,如飛槳paddlepaddle,基于先進模型和產(chǎn)業(yè)生態(tài)積累,布局AI框架,建立智能業(yè)務的體系化優(yōu)勢。
中國軟件產(chǎn)業(yè)40年功勛人物、“國家卓越工程師”稱號、百度CTO的王海峰,曾回憶文心一言的開發(fā)過程:2023年要在算力需求爆發(fā)、供應緊缺的條件下,快速跟上ChatGPT的趨勢,正是基于百度的深度學習框架飛槳paddlepaddle,下游跟主流的芯片廠商做了適配,任何好的算力,我們都能用得起來,很快完成了大模型訓練。
二是以華為云為代表的AI云服務廠商推出的,如昇思mindspore,通過AI框架,在云基礎設施和行業(yè)云用戶之間搭建起橋梁,提供完整的云端大模型服務。
去年大模型的百花齊放,就是很多ToB企業(yè)和軟件公司,利用華為云上的AI框架昇思mindspore,以及盤古大模型、昇騰AI云服務等,支持國內各類開發(fā)者、服務商等結合行業(yè)應用場景,做出原創(chuàng)模型,支撐了國內多個領域訓練并首發(fā)大模型,加速了大模型走向產(chǎn)業(yè)化的進程。
三是垂類AI服務商、研究者推出的深度學習框架,具備某些獨特的技術特性或應用場景,比如曠視科技(Megvii)在計算機視覺領域的專長,使其MegEngine框架在圖像處理任務上表現(xiàn)突出;清華大學計算機系推出的Jittor,特別適合于研究和教育領域,便于快速實驗和算法原型開發(fā);騰訊優(yōu)圖的NCNN框架專為移動端和嵌入式設備優(yōu)化,適合資源受限的環(huán)境或邊緣計算;一流科技的Oneflow,也是業(yè)內完整的深度學習框架類產(chǎn)品。
不同于英偉達基于芯片構建的軟件生態(tài)體系,國產(chǎn)AI芯片廠商受限于產(chǎn)品規(guī)模,自研軟件配套的應用范圍比較有限,有待發(fā)育,就不詳述了。
綜上,面對大模型掀起的這一輪AI浪潮,海外框架平臺生態(tài)蓬勃,起到了一個“海闊憑魚躍”的作用。國產(chǎn)AI框架也沒有缺席,為各行各業(yè)探索大模型,奠定了基礎,匯聚了力量。
AI框架之所以沒有缺席,是中國產(chǎn)學界人士“板凳甘坐十年冷”,一點一滴地構筑而成的。這個過程,遵循了技術領域的“雙漏斗”規(guī)律,是一個從擴散到收斂,從收斂到擴散的過程,其間經(jīng)由開發(fā)者不斷選擇和淘汰,最終演化成了今日格局。
第一階段:早期時期的擴散漏斗(Diversity Phase)
新技術出現(xiàn)的初期,由于技術尚未成熟,新的想法和產(chǎn)品層出不窮,市場和用戶對于哪種技術會最終勝出存在很大的不確定性,因此會出現(xiàn)多樣化的技術流派。
PC操作系統(tǒng)、移動互聯(lián)網(wǎng)OS都經(jīng)歷過百花齊放、多家爭鳴的階段,AI框架也不例外。深度學習大行其道的時候,數(shù)據(jù)、算法和算力激增,工程復雜度提高,開發(fā)者非常需要減少“重復造輪子”,直接調用某些模型或工具,這時候各大廠商都開始將自研算法和工具封裝為軟件框架,供開發(fā)者使用,涌現(xiàn)出了Theano、Caffe(伯克利大學)、Torch、DistBelief(谷歌,TensorFlow前身)等多款框架。
同一時期,國內還沒有互聯(lián)網(wǎng)企業(yè)或科技公司做框架,部分高校在學術科研角度做了一些零散的工作。構建完整的深度學習框架,是2013年百度開始。因為很早就關注到深度學習技術,百度更早遇到了深度學習應用上的一些挑戰(zhàn),比如所有的算法從頭寫,開發(fā)效率低,經(jīng)常出錯;每個深度學習開發(fā)團隊寫的程序差異很大,模塊無法復用,兼容性也不高,急需一個統(tǒng)一框架。于是2013年,百度開始在框架上投入。據(jù)了解,當時百度內部也是框架百花齊放,開發(fā)了多個深度學習框架,解決不同業(yè)務的不同問題。
值得注意的是,早在此時起,國內外的框架就已經(jīng)顯露出差異化的特質。以Caffe、Torch為代表的海外框架,更偏向于學術、工程師使用;以百度為代表的國內框架,從產(chǎn)業(yè)土壤上生長出來,一開始就很注重實用性、功能性、分布式訓練、硬件優(yōu)化等產(chǎn)業(yè)特性。
第二階段:競爭時期的收斂漏斗(Consolidation Phase)
隨著時間的推移,更主要是AI巨頭如谷歌、Facebook、百度的優(yōu)勢框架相繼開源,其他框架逐漸被淘汰、合并,多樣化的框架格局開始向幾家主導“收斂”。
2015年開始,谷歌大腦宣布TensorFlow開源,2016年百度飛槳宣布開源,2017年Meta人工智能研究院(FAIR)宣布PyTorch開源。開發(fā)者逐漸集中到幾個主導者生態(tài)中。
曾經(jīng)的熱點框架如Theano、CNTK(微軟)、Keras、Caffe2都相繼停止維護,或被主流框架收編,百度內部也開始將多款框架收斂為paddlepaddle,并正式對外開源。
這一階段,海內外并不“同此涼熱”。
一方面,PyTorch憑借極強的學術靈活性、易用性,迅速崛起,已經(jīng)發(fā)布很快成為爆款,成為圍剿谷歌“框架霸權”(TensorFlow不兼容其他開發(fā)框架)的生力軍。
另一方面,當時國內很多企業(yè)的AI意識還沒有覺醒,以計算機視覺為代表的深度學習技術,很難滿足產(chǎn)業(yè)落地的精度需求。因此,當海外AI巨頭圍繞框架“火星四濺”的時候,中國的深度學習框架依然是“冷板凳”,企業(yè)中只有百度一家在堅持做。
如果說,當時海外框架是因競爭而主動收斂,那國內框架就是因為遇冷而被動孤守。
第三階段:摩擦時期的再生漏斗(Renewal Phase)
當主導框架不再適應時代需求,就會出現(xiàn)新的創(chuàng)新浪潮,導致技術的多樣性再次增加。“TensorFlow、PyTorch兩分天下”的局面被改變,國產(chǎn)AI框架的創(chuàng)新再生大爆發(fā),是在2019-2020左右,中美科技摩擦逐漸增多,需求側和供給側都發(fā)生了諸多變化。
從供給側來看,海外框架爆出安全漏洞,而AI又涉及國計民生核心領域,供應鏈風險不得不重點考慮,自主可靠的國產(chǎn)框架成為必需,供給增多。這一階段,國產(chǎn)AI框架進入加速發(fā)展期,除了飛槳PaddlePaddle,華為、阿里巴巴、騰訊、曠視科技等產(chǎn)業(yè)界,以及清華薩血等學術界,也都相繼推出了自研框架,豐富了國產(chǎn)框架的活力。
從需求側來看,隨著AI滲透率提升,中國各行各業(yè)的開發(fā)者需要中文框架,更貼合中國市場的工具與數(shù)據(jù)集,更符合中國開發(fā)者需求的社區(qū)生態(tài),更能滿足中國產(chǎn)業(yè)需求的AI平臺。
有開發(fā)者曾提到過,偏底層的TensorFlow,沒有為開發(fā)者考慮到大量細碎問題;習慣了郵件溝通的海外平臺社區(qū),無法滿足中文開發(fā)者實時交流、社群互動的本土化開發(fā)需求;需求分散、場景多樣的國內中小企業(yè),很少有技術人員,TensorFlow、PyTorch純開源框架不能提供成熟低門檻的解決方案,這種模式無法支撐AI廣泛落地。
當前階段:大模型時期的再收斂漏斗
AI框架從深度學習到大模型階段,從擴散到收斂再到擴散,技術革新與格局嬗變的背后,一條主線從未改變,那就是從學術到產(chǎn)業(yè)化,變得越來越易用、實用。對開發(fā)者和產(chǎn)業(yè)更友好,更具應用優(yōu)勢的框架,生態(tài)的吸引力更強,框架的生命力也就更長,最終從群雄逐鹿的賽場中廝殺出來,成為主導。
目前,源于中國產(chǎn)業(yè)實踐的國產(chǎn)AI框架,也逐步收斂到更懂產(chǎn)業(yè)應用場景、更具技術先進性和生態(tài)規(guī)模優(yōu)勢的飛槳與昇思。
具體表現(xiàn)在,飛槳和文心一言,昇思與盤古大模型,與產(chǎn)業(yè)結合的廣度和深度,已經(jīng)超越了其他國產(chǎn)框架的生態(tài)規(guī)模。
同時,形成了全鏈路、低門檻的大模型服務能力,提供從算力、模型到應用、商業(yè)層的多元多層支持,凝聚更加廣泛的開發(fā)者。
產(chǎn)業(yè)鏈角色的多樣性與開放性也格外顯著,與模廠、硬件廠商、應用開發(fā)者、軟件企業(yè)、ISV服務商等行業(yè)伙伴,都建立起了較好的相互賦能關系,構建起智能服務的產(chǎn)品結構體系。
進入大模型時代的新階段,AI基礎設施的重要性,也被拔高到了前所未有的高度。
正如基礎通用模型不可能人人都做,如果企業(yè)和科研機構無差別入場做基礎模型,會造成算力人力的極大浪費,也會讓使用者的精力分散在各種模型的試錯上,無法快速凝聚到技術更強的模型上,框架也是類似的邏輯。
一個底層框架的技術優(yōu)勢、工具完整度、生態(tài)規(guī)模,需要長期積累、聚沙成塔,而基礎軟件又格外需要生態(tài)的發(fā)展和匯集。逐步收斂到飛槳、昇思等更具潛力和繁榮的產(chǎn)業(yè)化框架上,構筑AI戰(zhàn)略底座,將是大勢所趨。
如前所說,AI框架是技術浪潮與產(chǎn)業(yè)大陸的連接地帶,只有在一次次潮起潮落后,仍然堅守下來的平臺,才能成為中國AI產(chǎn)業(yè)鏈的堅定守護者。
經(jīng)由時間和市場的洗練,國產(chǎn)框架與海外框架的特性差異,也變得越來越清晰。而這,可以作為一個側影,讓我們看到中國AI的差異化亮點。
還記得ChatGPT橫空出世之后,大家總能聽到這樣的言論,“中美AI差距有十年”“OpenAI一心底層創(chuàng)新,中國AI還沒長大就得出去賺錢”“百模大戰(zhàn)是同質化的浪費資源”……
從AI框架可以看到,更強的產(chǎn)業(yè)化能力,本就是中國AI的底色,也是亮色。
基礎能力上,以飛槳、昇思為代表的AI框架,在產(chǎn)業(yè)AI方面的實踐更多、積累最早,理解也最為深刻,因此可以很好地支持AI模型開發(fā)與部署,讓產(chǎn)業(yè)迅速、更大規(guī)模應用這些新技術。
舉個例子,面向科研、強調學術研究靈活性的PyTorch,對產(chǎn)業(yè)應用的推理部署需求,做得是比較薄弱的,而國產(chǎn)框架為大模型到產(chǎn)業(yè)鋪設了一條高效通道。
飛槳很快上線了對大模型開發(fā)的功能支持,提供了一系列模型封裝能力,加速大模型的產(chǎn)業(yè)化落地。昇思MindSpore提供了一整套高效、易用的大模型使能套件,形成了端到端的使能大模型開發(fā)能力。
通過AI框架,開發(fā)者與行業(yè)少走彎路,不重復造輪子,快速高效地把大模型用起來,這是中國的基座通用大模型快速跟進、行業(yè)大模型爆發(fā)的前提。
產(chǎn)品體系上,源于產(chǎn)業(yè)需求的國產(chǎn)AI框架,能力布局更加全面、細致,可以更好地滿足產(chǎn)業(yè)落地AI大模型的實際需求。
純開源的海外模型,常常會強調自己的技術有多厲害,有多強,對開發(fā)者就主打一個“野蠻生長”,這與其數(shù)字化水平、數(shù)字人才等都有直接關系。
然而中國企業(yè)的小、分散、需求長尾,決定了AI框架作為產(chǎn)業(yè)基礎設施,是不能輕易“放養(yǎng)”的。
比如硬件適配,海外以英偉達為主導的硬件市場,也不像中國面臨多元異構算力問題的巨大挑戰(zhàn)。作為國產(chǎn)AI框架,必須進行軟硬件結合的深度融合優(yōu)化,做特別多的工程開發(fā)工作,來降低開發(fā)者的硬件適配成本。
再比如模型庫。模型庫不是深度學習框架核心的組成部分,底層框架廠商投入精力去打造更細分的模型,看起來好像是把精力分散到了外圍一些無關緊要的東西上,而不是底層核心技術。但從產(chǎn)業(yè)應用的角度來看,中國存在大量企業(yè),沒有專門的研發(fā)人員能夠使用核心框架,從頭完成一個模型的自研工作,AI也沒有辦法落在產(chǎn)業(yè)需求中。
利用框架平臺的AI解決方案、模型和開發(fā)套件,進行微調改寫,就能得到一個貼合場景的定制化模型,這更符合中國的產(chǎn)業(yè)實際。
源于產(chǎn)業(yè)、面向產(chǎn)業(yè)、托舉產(chǎn)業(yè),以國產(chǎn)AI框架為基,如同隱藏在漫長時光深處的“海岸”,在技術潮水涌動之際,才能看出戰(zhàn)略價值,支撐住中國產(chǎn)學政各界對大模型技術的期待。
處于產(chǎn)業(yè)鏈中樞地帶的AI框架,以穩(wěn)定的底座、全產(chǎn)業(yè)鏈的貫通、較低的門檻,吸引了大量行業(yè)和從業(yè)者在這里棲身,適應并探索AI新技術;
在這里“進化”,從非數(shù)字原生組織,生長出數(shù)字化、智能化的能力;
在這里“融合”,多種產(chǎn)業(yè)角色在這里交流、融合、創(chuàng)新,匯聚起豐富的AI生態(tài)。
最終,經(jīng)由AI框架的“海岸”,開發(fā)者和行業(yè)一步步向AI時代遷徙,開啟產(chǎn)業(yè)智能進化的新篇章。
原文標題 : 中國AI長卷(二):框架立基
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
-
10月31日立即下載>> 【限時免費下載】TE暖通空調系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報名>>> 【在線會議】多物理場仿真助跑新能源汽車
-
11月28日立即報名>>> 2024工程師系列—工業(yè)電子技術在線會議
-
12月19日立即報名>> 【線下會議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會
-
即日-12.26火熱報名中>> OFweek2024中國智造CIO在線峰會
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍皮書》
推薦專題
- 高級軟件工程師 廣東省/深圳市
- 自動化高級工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結構工程師 廣東省/深圳市