近期，中央密集出臺(tái)相關(guān)政策，各省市陸續(xù)出爐2020年重點(diǎn)建設(shè)項(xiàng)目，“新基建”成為當(dāng)前各界關(guān)注重點(diǎn)。3月4日，中共中央政治局常務(wù)委員會(huì)召開(kāi)會(huì)議，提出將加快推進(jìn)國(guó)家規(guī)劃的重大工程和基礎(chǔ)設(shè)施建設(shè)，其中明確提出將加快人工智能、5G網(wǎng)絡(luò)、數(shù)據(jù)中心等新型基礎(chǔ)設(shè)施建設(shè)進(jìn)度。

區(qū)別于傳統(tǒng)基建，“新基建”是指發(fā)力于信息數(shù)字化的基礎(chǔ)設(shè)施建設(shè)，主要包括5G基站建設(shè)、特高壓、城際高速鐵路和城市軌道交通、新能源汽車(chē)充電樁、大數(shù)據(jù)中心、人工智能、工業(yè)互聯(lián)網(wǎng)七大領(lǐng)域，其核心在于傳統(tǒng)產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型，傳統(tǒng)基礎(chǔ)設(shè)施的數(shù)字化改造。

打破科技?jí)艛?/strong>

在新基建提出之后，曠視也“碰巧”開(kāi)源了深度學(xué)習(xí)框架“天元”，表面上看起來(lái)是巧合，其實(shí)在曠視內(nèi)部，從去年開(kāi)始便已經(jīng)在推動(dòng)天元框架的開(kāi)源進(jìn)程，從框架技術(shù)的成熟度、生態(tài)環(huán)境的完善度，一直到未來(lái)發(fā)展的方向，經(jīng)過(guò)了多次討論才做出了這樣一個(gè)需要勇氣的決策。

總得說(shuō)來(lái)，深度學(xué)習(xí)框架有三個(gè)時(shí)間節(jié)點(diǎn)，早在六年前Caffe便已經(jīng)開(kāi)放，此后2015年、2016年先后集中涌現(xiàn)了一批開(kāi)源框架，TensorFlow和PyTorch分別成為產(chǎn)業(yè)級(jí)和學(xué)術(shù)界非常受歡迎的深度學(xué)習(xí)框架代表。

Caffe是一個(gè)清晰而高效的深度學(xué)習(xí)框架，也是一個(gè)被廣泛使用的開(kāi)源深度學(xué)習(xí)框架，它的主要優(yōu)勢(shì)是上手容易，訓(xùn)練速度快，組件模塊化，可以方便的拓展到新的模型和學(xué)習(xí)任務(wù)上。但是Caffe最開(kāi)始設(shè)計(jì)時(shí)的目標(biāo)只針對(duì)于圖像，沒(méi)有考慮文本、語(yǔ)音或者時(shí)間序列的數(shù)據(jù)。TensorFlow在2015年由谷歌公司正式發(fā)布，是一個(gè)使用數(shù)據(jù)流圖進(jìn)行數(shù)值計(jì)算的開(kāi)源軟件庫(kù)。靈活的體系結(jié)構(gòu)允許使用單個(gè)API將計(jì)算部署到服務(wù)器或移動(dòng)設(shè)備中的某個(gè)或多個(gè)CPU或GPU。

在國(guó)外開(kāi)源的深度學(xué)習(xí)框架占據(jù)了主流框架之后，2020年，中國(guó)迎來(lái)了深度學(xué)習(xí)框架集中爆發(fā)之年。清華大學(xué)的計(jì)圖（Jittor）、曠視的天元（MegEngine）和華為推出的MindSpore先后問(wèn)世。

實(shí)際上，曠視天元早在2014年8月就在公司內(nèi)部誕生了，經(jīng)過(guò)實(shí)踐中的不斷改進(jìn)，終于在2020年3月開(kāi)源，雖然在開(kāi)源時(shí)間上晚于國(guó)外的幾家公司，但是曠視天元的優(yōu)勢(shì)仍然非常明顯。首先是框架與算法的協(xié)同，其次是高效與強(qiáng)大的性能，第三是很好地支持大數(shù)據(jù)、大規(guī)模訓(xùn)練。天元是為工業(yè)級(jí)、研究院規(guī)模的研發(fā)機(jī)構(gòu)設(shè)計(jì)的，它具備的一些核心特點(diǎn)都是用來(lái)解決現(xiàn)實(shí)研發(fā)過(guò)程中的痛點(diǎn)，例如一鍵切換訓(xùn)練推理，同時(shí)支持動(dòng)態(tài)圖和靜態(tài)圖等。

深度學(xué)習(xí)框架屬于AI的底層技術(shù)架構(gòu)，像谷歌這樣的大公司一直在積極的布局人工智能的底層技術(shù)發(fā)展，只有站穩(wěn)了軟件層，未來(lái)在算法層、服務(wù)層和應(yīng)用層上才能有更大的發(fā)展空間，而且不會(huì)因?yàn)榧夹g(shù)受制于人。

從當(dāng)前人工智能技術(shù)在場(chǎng)景中應(yīng)用分析，人工智能應(yīng)用薄，算法能力與人工能力的差距大。對(duì)于很多企業(yè)來(lái)說(shuō)，想要用人工智能解決當(dāng)下遇到的問(wèn)題，但是本身沒(méi)有技術(shù)，需要專(zhuān)門(mén)招聘相關(guān)的人才、投入資金設(shè)備研究，而且需要多長(zhǎng)時(shí)間能實(shí)現(xiàn)商業(yè)應(yīng)用也是未知數(shù)，成本太高但是預(yù)期又不確定，因此很多企業(yè)也就不愿意投入資源探索。對(duì)于身處人工智能領(lǐng)域的企業(yè)而言，很多企業(yè)一直扎根于技術(shù)的研發(fā)、升級(jí)，對(duì)于需求端的了解并不深入，因此在商業(yè)化方面略顯尷尬。