挤塑板一立方米多重

编辑 | 漠影

五月小长假第一天，许多从北京西站出发的旅客，感觉简直糟糕透顶。

京广高铁突发断电，多趟高铁延误，大量旅客滞留在车站，发车时间却遥遥无期。而罪魁祸首令人无语——大风把地膜刮到了高铁接触网上，引发供电故障。

不仅是地膜，风筝、气球、孔明灯等任何飞行物万一挂到接触网上，都可能会威胁高铁的安全。

这么“坑人”的事，怎么才能避免它发生？

传统人工巡检存在劳动强度大、作业效率低、有安全隐患、原始数据无详实记录等难题，智能巡检已是必然发展趋势。

成都国铁电气即基于百度飞桨开发套件研发了一套轨道在线智能巡检系统，全天候实时监测轨道缺陷。

这样的例子不胜枚举。在城市、工业、电力、通信等众多国计民生的领域，人工智能（AI）正广泛渗透进经济生产活动的主要环节，百度飞桨平台是其中一个极为常见又关键的身影。

作为中国首个自主研发、功能完备的产业级开源开放深度学习平台，百度飞桨正快速成长。百度首席技术官、深度学习技术及应用国家工程实验室主任王海峰透露，飞桨迄今已凝聚320万开发者，相比1年前增幅近70%，服务逾12万家企事业单位。

但飞桨显然从未满足于既有成就，在本周四的WAVE SUMMIT 2021深度学习开发者峰会上，百度给AI开发者们带来了一个大大的“520”礼物包——

百度不仅首次解析“融合创新”趋势下的AI工业大生产实现路径，而且一举带来九大飞桨最新发布和全平台升级，包括飞桨开源框架V2.1、大规模图检索引擎、文心ERNIE四大预训练模型、推理部署导航图、硬件生态成果、云原生机器学习核心PaddleFlow、量桨和螺旋桨升级、飞桨“大航海”计划全面启动，包括启航、护航、领航三大生态航道，总投入15亿元资金。

飞桨还联合信通院发布了飞桨开源生态发展报告《飞桨凝聚创新，开源共创产业新机》，全面解读深度学习开源框架的时代价值。

沿着融合创新、降低门槛的主轴，百挤塑板一立方米多重度飞桨正日益壮大，加速推动国内开源生态和智能产业的繁荣。

百度飞桨团队最新发布的六大重要进展，覆盖AI开发、训练、部署核心环节，带来AI开发体验的全面优化。此外，飞桨螺旋桨生物计算框架PaddleHelix和量子机器学习框架量桨Paddle Quantum工具组件也迭代升级。

继飞桨开源框架进入2.0时代，实现动静统一设计、更好兼得“科研开发灵活性”与“产业特性”后，飞桨框架、产业级模型库、开发套件、工具组件、企业版AI开发平台均迎来一波技术迭代升级，充分满足不同类型开发者的需要。

1、飞桨开源框架V2.1版：四大技术亮点

飞桨开源框架V2.1版集自动混合精度优化、动态图功能增强、高层API、自定义OP功能优化四大技术亮点于一身。具体来看：

（1）自动混合精度功能优化：启动后可将训练速度提升3倍。

（2）动态图功能增强：新增inplace操作功能实现自动显存复用，显存占用降低17.7%；优化Python/C++交互开销，即时执行效率提升11%。

（3）高层API：新增支持GPU预处理、混合精度，并增加了模型共享机制。

（4）自定义OP功能优化：封装简洁的C++扩展API体系、打通训练和推理，为用户提供一键编译、安装和生成算子API，简化编译与使用流程。

通过这些技术升级，飞桨开源框架V2.1版将打造更开放、更具扩展性的算法平台。

2、大规模图检索引擎发布：支持万亿量级图

在训练方面，百度的大规模图检索引擎支持万亿边的分布式存储检索和训练，支持线性扩展，具备更强的产业场景应用特性。

例如在网易云音乐主播推荐应用中，冷启动存在场景新、数据少的问题，致使模型训练困难重重，而采用大规模图检索引擎加分布式训练，能通过引入其他场景十亿规模数据及Graph结构构建图关系网络，解决冷启动问题，从而提高主播推荐场景的有效播放率。

3、文心ERNIE四大预训练模型开源

在开发套件层，百度宣布飞桨语义理解套件文心ERNIE四大预训练模型开源，进一步在知识增强的语义理解、跨模态语义理解等方面取得突破。

其中，ERNIE-Gram通过引入多粒度语言知识，在5项典型中文文本任务中领先；ERNIE-Doc针对超长文本双向建模，在13项超长文本理解任务中领先；ERNIE-ViL是融合场景知识的跨模态预训练模型，在5项跨模态任务中领先；ERNIE-UNIMO则在13项跨语言与视觉的任务中领先。

4、推理部署工具链升级，飞桨推理部署导航图发布

飞桨多端多平台推理部署工具链中多款工具全新升级。

首先是PaddleSlim，该工具将模型压缩升级，兼顾模型精度和加速比，进一步提升了精度、易用性、通用性和可移植性。

一方面，PaddleSlim优化剪枝压缩技术，新增非结构化稀疏工具，使得用户调用仅需3行代码，即可灵活定义稀疏化指标。

另一方面，结合多种压缩策略优势，PaddleSlim率先支持OFA压缩模式，只训练1个超网络就能产出多端部署的压缩模型，无需重训练。例如它能将GAN模型体积减少97%，使CPU加速508%。

Paddle Lite也全面升级，更加稳定易用，新增了开箱即用的移动开发工具集LiteKit，并支持ARMv8.2 FP16指令计算，可将推理延时减少40%以上。同时，OpenCL全面优化，在移动端GPU上性能普遍有10%~70%的提升。

当前Paddle Lite支持英特尔、英伟达、瑞芯微、华为、Arm中国、联发科、飞腾、寒武纪、比特大陆、安霸、Imagination等众多硬件平台。

Paddle Serving新增了全异步设计的Pipeline模式，支持多模型组合部署，一个服务可启动10+模型，打破了串行设计的约束，从而提升吞吐量。

全新升级的Paddle.js具有高兼容性，全面支持飞桨框架V2.X，并支持多种Backend以及主流分割和分类模型。优化性能方面，Paddle.js支持WebGL Pack功能，FP16模型格式可将人像分割模型的推理时间减少22.3%。

此外，该工具采用前端模型加密解决方案，确保离线加密、访问受控、运行受控。

目前飞桨已经覆盖300多条充分验证的推理部署通路，形成如图所示的导航图，能帮助开发者从开始到最后落地实现完整的AI部署。

这被百度称之为帮助开发者打通AI应用的“最后一公里”，每一次“走得通”都有迹可循，每一次“走不通”都能溯本求源。

5、硬件生态成果：完成或适配31款芯片或IP

截至2021年5月，飞桨硬件生态与22家国内外硬件厂商开展适配和联合优化，已完成和正在适配的芯片或IP达到31款。

飞桨硬件生态持续繁荣，英特尔、英伟达、Arm等国际芯片大厂均主动在开源社区为飞桨贡献代码。飞桨也同飞腾、申威、海光、鲲鹏、龙芯、兆芯、等国产CPU进行深入融合适配，并结合麒麟、统信、普华操作系统，以及百度昆仑、海光DCU、寒武纪、华为昇腾、比特大陆、登临、瑞芯微、高通、苹果、联发科等AI芯片深度融合。

6、云原生机器学习核心PaddleFlow开放邀测

PaddleFlow是飞桨企业版“一核两翼”AI开发双平台的“核”，是一个专为AI平台开发者打造的、易被集成的云原生机器学习核心系统。

它具有云原生、高性能、轻量易用等特色，专为AI平台开发者提供核心能力并赋能更多细分场景和深度定制的AI平台。

目前PaddleFlow兼容K8S/K3S、x86/Arm架构CPU、GPU及多种AI加速芯片，支持数万算力卡调度、数千并发作业数、大规模并行训练，而且安装包不到1GB，一键即可安装部署。

PaddleFlow目前已正式开放合作，其核心技术即将开源。

“两翼”中，飞桨企业版EasyDL零门槛AI开发平台面向AI应用开发者，持续升级全流程自动化建模机制，包括自动场景适配优化、模型自动化评估与辅助诊断，从而进一步提升AI应用效率。

也就是说，用EasyDL做AI开发，就好比用全自动数码相机摄影一样方便上手，使用者无需知道基础原理，只用将注意力聚焦于拍摄对象及构图。

飞桨企业版BML全功能开发平台面向AI算法开发者，提供Notebook建模、可视化拖拽建模、预置模型开发、Pipeline建模等灵活全面的开发建模方式，能满足不同的自定义场景需求。

其中，BML预置模型开发是基于预训练的低代码建模，通过优选出67套模型与网络组合，能在核心建模阶段节省约80%的开发时间。

7、螺旋桨、量桨升级：加速新药研发和量子应用

飞桨的螺旋桨生物计算框架PaddleHelix和量子机器学习框架量桨Paddle Quantum工具组件也全新升级。

已开放疫苗设计、新药研发、精准医疗等AI能力的螺旋桨PaddleHelix，新增了化合物分子预训练模型ChemRL，以及基于预训练模型构建的下游ADMET、虚拟筛选等任务，和基于序列的分子生成任务、含预训练模型的计算平台。

量桨Paddle Quantum能帮助开发者便捷地开发量子AI应用，与飞桨框架2.X版本适配更新，它能将核心应用场景下的整体运行速度平均提升21.9%，最高提升40.5%。

其新增功能包括适配近期量子设备、新增量子核方法等特征提取方式、量子近似优化求解旅行商问题、分布式量子信息处理模块；最优化量子纠缠处理框架比原有纠缠提纯方案最高提升20%。

飞桨“大航海”计划现已全面启动，包含启航（AI未来人才培养）、领航（开源生态）、护航（产业智能化升级）三个计划，未来三年共投入15亿元资金。

飞桨“大航海”启航计划预计总投资5亿元，深度合作全国500所高校，联合培训5000名AI师资，助力培养50万AI学子。

飞桨还新增开放50+教学实战案例，如人体关键点检测、新能源汽车锂电池隔膜质检等。到7月底，其助力体系化开设AI课程的累计开放案例数将超过100个，配套实践教材也即将发布。

为了进一步深化产教融合，飞桨推出《AI人才产教融合培养方案》，提供全面实用的高校AI人才培养方案，包括AI Studio教学平台、免费算力、产业级案例和数据集、专项合作等。

飞桨“大航海”领航计划，以PPDE飞桨开发者技术专家、PPSIG特殊兴趣小组、飞桨领航团等为主要组织形式，与业界优秀的开源社区和开源项目合作，系统化的设立研究和研发方向，联合优秀的开发者、优秀的开源社区一起共建深度学习开源生态，携手探索AI前沿领域。截至目前，已认证120位PPDE、12个PPSIG和150个飞桨城市/高校领航团。

飞桨“大航海”护航计划将在未来三年投入10亿元资金，从技术赋能、人才赋能、生态赋能全方位支持10万家企业智能化升级，与产业界一起培育百万AI人才。

百度还全新开启2021万有引力计划，提供1亿元专享现金券和最佳实践教程，助企业创享AI能力。

峰会期间，飞桨与三大高校创新创业实验室签约，包括清华大学基础工业训练中心、吉林大学创新创业实验室、郑州大学人工智能工程应用实验室，它们将共同推进产学研用一体化发展。

此外，百度联合信通院发布飞桨开源生态发展报告《飞桨凝聚创新，开源共创产业新机》，全面解读深度学习开源框架的时代价值，并正式宣布将共同举办人工智能创新应用大赛–开源框架前沿模型复现赛。

除了详细解读飞桨平台的重要升级外，百度集团副总裁、深度学习技术及应用国家工程实验室副主任吴甜还分享了在飞桨与产业伙伴合作过程中观察到的企业应用AI三阶段路径：先是AI先行者探路，到AI工作坊应用，最后实现AI工业大生产。

AI先行者探路阶段是企业中有少数先行人员尝试引入AI，需要有适配场景的模型、调优工具以及部署支持，实现AI算法的快速验证落地，解决实际问题。

对此，百度飞桨积累了覆盖多领域的产业级模型库、多端多平台推理部署工具链、全面灵活的硬件适配架构和生态基础，为AI先行者探路成功提供便利。

到AI工作坊应用阶段，则将面临团队里专业AI研发人数少，不同专业背景的成员要一起快速学习AI模型研发的问题。企业开始对模型研发深度有不同层级的需求，而飞桨从便捷易上手的可视化界面、能完整复用的场景类套件、灵活高效的算法类套件、丰富全面的模型库到动静统一的核心框架应有尽有，非常适用于这一阶段的团队应用AI创新。

AI工业大生产阶段的典型特征是多人多任务协同生产，算力机器和开发人员的效能提升是关键。飞桨企业级AI开发平台既能实现高效的算力管理与调度，又提供全流程的集成开发环境，满足各类AI开发需求，加速AI工业大生产进程。再进一步发展，从企业内部的多人多任务分工协同，还会走向全社会的AI大生产协同。

总体来看，在这三个阶段，飞桨从核心框架、模型库到开发套件、工具组件、AI开发平台，均储备了丰富的技术、产品、功能和服务来支持合作伙伴跨越在各个阶段应用AI的困难。

在加速产业智能化的过程中，正稳稳地走在国内开源AI生态最前排的百度飞桨，见证了国内AI工业大生产的如火如荼。

挤塑板一立方米多重