5分鐘“調教”一只機器狗 百度飛槳已經簡單到這地步了嗎

　　金磊 夢晨 發自 凹非寺

　　量子位 報道 | 公眾號 QbitAI

　　“調教”一只機器狗學會新技能需要多長時間?

　　僅需5分鐘。

　　一個往左走的手勢，它就乖乖地向左挪了挪;一個“趴下”手勢，機器狗狗就立馬蹲了下去：

　　而且“狗狗”的視界也可以同步地展示出來。

　　這就是剛剛在Wave Summit+2021峰會現場中，百度飛槳秀出的AI新技能——自動高效的模型部署能力。

　　而這，只是這場年度深度學習開發者盛宴中的一隅。

　　但站在當下的時間節點，從現場種種的“技巧展示”中，無不在透露著人工智能技術發展的一種新信號——創新在融合，門檻在降低。

　　一方面，AI技術及產業的融合創新越來越多;另一方面，雖然AI技術越來越復雜，但AI開發與應用的門檻卻越來越低。

　　百度首席技術官、深度學習技術及應用國家工程實驗室主任王海峰在大會中所述：

　　深度學習推動人工智能進入工業大生產階段。面向技術和產業發展需求的AI大生產平臺可以讓AI技術以標準化、自動化和模塊化的方式輸出給千行百業，實現規模化應用，同時以平臺為基礎促進融合創新、共同發展。

　　那么基于這樣的“信號”，AI的發展在現階段又呈現著怎樣一種趨勢?

　　對此，百度集團副總裁、深度學習技術及應用國家工程實驗室副主任吳甜表示：

　　全國各城市的AI開發者規模逐年增長，應用人工智能的企業數量，也呈現了多地開花、多行業繁榮的景象。

　　但正所謂“臺上一分鐘，臺下十年功”。那么具體而言，在這些能力的背后，到底是什么樣的AI技術在加持，又是如何發揮著作用?

　　接下來，老規矩，我們一文看盡WAVE SUMMIT+2021。

　　飛槳再升級，煉大模型不忘開源看家本領

　　百度飛槳，中國首個自主研發、開源開放的產業級深度學習平臺，便是“臺下十年功”的奧義之一。

　　這次飛槳公布了新版全景圖，值得一提的是，其中的產業級模型庫新增了百度剛剛新發布的產業級知識增強文心大模型，多年積累，讓大模型真正走進了生產應用。

　　在百度飛槳平臺上，開發者可以實現AI模型的便捷開發、高效訓練和多端多平臺部署。

　　對此，王海峰認為百度飛槳已經成為典型的AI大生產平臺，這一點從最新公布的成績單中也可以得到驗證：

　　凝聚406萬開發者，創建47.6萬個模型，服務15.7萬家企事業單位，中國深度學習平臺綜合市場份額第一。

　　今天，飛槳開源框架也正式更新到2.2版本。

　　這次飛槳升級的方向正是進一步加強融合創新，在開發、訓練、部署全流程均有體現。

　　開發階段，飛槳API更加豐富、高效、兼容;

　　尤其是體系化新增了科學計算API，新增短時傅里葉變換API、Jacobian/Hessian API和高階自動微分等功能。

　　可支持計算流體力學、分子動力學等更廣泛的模型開發，屬于跨學科、跨場景的融合創新。

　　像這樣的API，飛槳2.2版本新增了100多個。

　　訓練階段 ，全新發布端到端自適應大規模分布式訓練技術。

　　4天前百度剛剛發布的全球首個知識增強千億大模型鵬城-百度·文心，就是基于這項技術訓練出來。

　　端到端自適應，說的是把不同模型和硬件抽象成統一的分布式計算視圖和資源視圖，屬于軟件與硬件的融合創新。為了進一步提高訓練的穩定性和資源利用率，飛槳還提供彈性調度模塊，能感知硬件資源變化，來自動重構資源視圖，觸發各個模塊自動的發生變化。

　　部署階段，硬件適配是讓AI開發者最頭疼的問題，這次飛槳自研了3個硬件接入優化方案：

　　Kernel Primitive API通過對算子計算與硬件的解耦，讓開發者能更加專注于實現計算邏輯本身，同時做到一處優化可讓70多個算子同時受益。

　　NNAdapter統一適配層實現了實現了算子定義及框架調度執行與硬件解耦，不僅降低框架和硬件適配的穩定性，還降低了代碼的維護成本。

　　神經網絡編譯器CINN (Compiler Infrastructure for Neural Networks)，編利用基礎算子自動融合優化實現復雜算子功能，降低適配成本的同時，優化性能。

　　除了以上這些通用場景的技術升級，飛槳框架2.2還特別對文本任務做了從文本處理、訓練、解碼到部署的全面加速。

　　如果說技術上的融合創新是在降低門檻上邁出的第一步，那么工具上的融合創新能讓飛槳技術更廣泛的落地。

　　飛槳企業版升級帶來了自動高效的模型部署功能。

　　在推理性能方面，啟用了PaddleSlim根據不同模型和硬件的特點自動選擇最佳壓縮路徑，在常見模型硬件上做到精度損失控制在1%以內，性能提升3-5倍。

　　在推理芯片的適配上，飛槳平臺已完成9345種模型芯片的組合的真實測試和調優，可以覆蓋95%的需求場景，節省97%的適配和開發時間。

　　在智能邊緣控制臺上，你可以直接看到以上模型服務的部署和管理，對輸入設備、服務、事件進行實時監控管理。

　　另外還有一個“彩蛋”——零門檻AI開發平臺飛槳EasyDL現在有了桌面版，一鍵極速安裝，本地高效建模。

　　這次一起獲得升級的還有飛槳產業級開源模型庫。

　　百度結合場景的需求痛點，推出13個結合場景應用深度優化過的PP系列模型，實現精度和性能的平衡。

　　到目前為止，飛槳產業級開源模型庫已支持超過400個模型，涵蓋CV、NLP、推薦系統、語音等多種方向。

　　那么這些產業級的開源模型都用在了哪里呢?

　　已經用在了你身邊

　　這樣的技術，其實離我們的生活并不遙遠。

　　例如上海哲元科技發展有限公司在制造業上有著多年的經驗，在數字化大浪潮之下，選擇采用百度飛槳的EasyDL來提高效率。

　　具體而言，他們基于飛槳EasyDL訓練出食品生產流水線數量清點及外觀檢測模型。

　　這樣就能夠做到從蛋卷皮外觀、巧克力噴涂、灌料、撒料、壓蓋、包裝全流程智能化檢測。

　　值得一提的是，今年9月，在上海哲元提供的智能化質檢系統加持下，該冰淇淋品牌位于江蘇太倉的工廠被認證為世界級“燈塔工廠”，更是全球冰淇淋行業的第一家“燈塔工廠”。

　　而之所以他們選擇EasyDL，易上手和精度高是主要的原因。

　　公司2名研發從接觸EasyDL到訓練完成所需要的模型并實際應用僅花費二十多個工時，同時模型還可根據客戶需求靈活迭代優化，快捷方便。

　　再如華夏天信機器人公司，專注于工礦企業智能硬件設備的研發、生產和實施。

　　而在中國近萬座礦山的生產環節中，輸煤用帶式輸送機是一種重要的煤炭運輸設備，礦區用量可達十幾臺至上百臺不等，是整體產業鏈中重要的一環。

　　但以往對此的監控方式都采用的是人工，包括巡檢和安裝固定攝像頭等等。

　　這就非常的耗時耗力，以巡檢為例，一天頻率為2到3次，有時2人每組，重要的皮帶設備還需6人實施3班倒。

　　而現在，華夏天信基于飛槳的目標檢測工具套件PaddleDetection，開發出的輸煤膠帶智能巡檢機器人。

　　如此一來，不僅能實現高頻次、無間歇巡檢，還能通過攝像儀將實時視頻回傳并智能識別分析。

　　可以說是一次性解決了工作效率、惡劣環境、作業安全等多項難題。

　　為了更好助推AI產業應用落地，飛槳此次還推出業界首個產業實踐范例庫，從真實產業場景分析、完整代碼實現，到詳細過程解析，直達項目落地，覆蓋數十個高頻應用場景，推動AI落地可復制和規模化。

　　而對于百度飛槳來說，技術本身和產業應用固然重要，但還有一點也是百度要“狠抓”的。

　　這就是開發者和生態。

　　越發熱鬧的飛槳社區

　　在生態方面，百度飛槳這一次升級了“大航海”計劃，正式邁入2.0時代。

　　具體而言，就是在原有的啟航、護航、領航三大航道基礎上，新增“共創”計劃。

　　啟航計劃是飛槳將投入總價值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師資，聯合培養50萬AI學子。

　　護航計劃面向產業智能化。要達到的是智能升級，通過技術賦能、市場推廣和資源導入，縮短技術創新到商業落地的路徑。

　　而領航計劃的面向群體，則是核心開發者，目標是與社區開發者一起共建開源生態，并探索前沿技術。

　　而此次新增的“共創”板塊，可以分三個方向來看：

　　聯合社區開發者：共創工具、模型、產業實踐經驗

　　形成產業創新需求對接平臺：共創產學研用融合正循環

　　建設人工智能產業賦能中心：共創區域創新生態

　　至于其背后的緣由，吳甜解釋道：

　　建設飛槳需要抓住的關鍵點有三個，技術持續創新、功能體驗以開發者的需求為首位，以及廣泛地與生態共享、共創。

　　那么在“大航海”計劃的加持之下，百度飛槳的開發者都得到哪些益處?

　　在活動現場中，來自哈爾濱工業大學大三的學生曹志浩便分享了他的故事。

　　他從大一開始就接觸飛槳AI Studio學習與實訓社區，一路上已經是三載時光。

　　而在最初身為小白的他，最頭疼的便是不知如何入手，很難找到實踐的方法。

　　也花費過時間、精力在市面上的產品中“貨比三家”，還自掏腰包買算力。

　　但當曹志浩接觸飛槳開發者社區之后，這些問題便全部迎刃而解、煙消云散了：

　　飛槳平臺上面有著非常豐富的一些學習資源和開發環境，幫助我的一些數理基礎打得更扎實或者一些進階的都可以在里面找到。

　　還有一些產品級的應用、前沿的模型，包括算力開發的流程都會在上面有所展現。

　　我可以在飛槳AI Studio社區上面開源一些代碼，包括在上面也開源了一些3D點云的算法和基礎原理的實現，還有一些趣味性的項目和實用性的項目，比如APP的開發。

　　不僅如此，曹志浩還認為在這條路上進階過程“不是一個人”，他在開發者社區里遇到了許多志同道合的小伙伴。

　　他們分享讀論文的經驗、交流困惑，還組建團隊共同“打怪升級”，并肩作戰開源的3D點云模型倉庫，支持一系列算法。

　　曹志浩分享的故事，只是眾多飛槳開發者中的一例。

　　而類似的故事在持續不斷地譜寫著：

　　鐵路工人在工作之余自學AI，基于飛槳實現了鐵路貨運車號的自動識別，為所在鐵路段節省數十萬元成本。

　　吉林大學的師生團隊聯合飛槳，打造了已在生產線上應用的藥瓶自動化檢測系統，并沉淀為教學課程，幫助更多師生學習AI技術和應用。

　　……

　　那么最后一個問題便是，百度飛槳為什么如此重視開發者和生態呢?

　　人才人才，還是人才

　　無論是技術發展、產業升級還是社區建設，歸根結底都要靠人來實現。

　　隨著AI與產業的深度融合，需要越來越多既懂AI，又具備產業經驗的復合型AI人才。

　　百度飛槳在AI人才的培養上積累已久。面向高校，飛槳積極踐行的是“產教融合”的路徑：合作人工智能相關教材、提供人工智能教育資源，超過700所高校的3000多名AI專業教師從飛槳舉辦的深度學習師資培訓中受益，百余所高校的學生基于飛槳開發創意項目、參與各類AI技術競賽。

　　更深一步，則是探索產教融合協同育人路徑。

　　如吉林大學三創實驗室(創意、創新、創業)團隊針對醫藥企業藥瓶缺陷檢測場景需求，基于飛槳平臺創新研發了一套全方位、高精度的自動化檢測系統，并實現了產線落地。

　　吉林大學還與飛槳共建了CV及AI+質檢課程體系，將課程資源全面開放，通過飛槳學習與實訓社區AI Studio，將這一實踐經驗輸送給百萬開發者。

　　面向產業，在復合型人才的培養上，深度學習技術及應用國家工程實驗室與百度聯合發起創辦了首席AI架構師培養計劃 (AICA)。

　　首席AI架構師培養計劃目前已舉辦到第5期，累計向業界輸送190名AI架構師，遍布工業、農業、金融、交通、能源等數十個行業。

　　吳甜從中觀察到，每期學員們提出的課題，越來越深入到行業的關鍵問題，專業度逐年提升。

　　縱觀整場Wave Summit+峰會，百度飛槳在產業、開源、人才培養方面下了這么大功夫，為什么?

　　答案依舊是王海峰在開場提到的融合創新與降低門檻的大趨勢。

　　除了多種技術之間、技術與場景的融合，產業界、學術界、AI企業和開源平臺之間也在進行更廣泛的融合。

　　隨著AI落地在更多如金融、醫療、制造、能源，乃至文娛體育這樣的傳統行業，不斷降低技術門檻，打通產學研用形成正向循環，就成了人工智能發展的關鍵。

　　其根本目的還是更好地讓技術本身和產業發展相結合，不斷為經濟發展注入新的活力，促進產業升級和智能化轉型。

　　于是我們看到了由飛槳框架2.2新版本、飛槳產業級開源模型庫、大航海2.0共創計劃等項目共同組成的這份給開發者的“雙12大禮包”。

　　在峰會現場，飛槳生態里的開發者們也把這一天過成了開發者的節日，許多人帶著自己在飛槳平臺上開發的作品來“練攤”。

　　像開頭的機器狗在現場學習的新模型，就是一位個人開發者帶來展示交流，被選中后登上主舞臺的。

　　百度飛槳準備的這一份雙12大禮包，你還滿意么?

　　本文首發于微信公眾號：量子位