抛弃务虚，拥抱务实，人工智能应发展应更具“深度”

文|邻章

九言劝醒迷途仕，一语惊醒梦中人。李彦宏在2019中国国际智能产业博览会上发表的主题演讲，对于我国人工智能的研究发展而言，颇有此意。

他在演讲中表示：“过去我们津津乐道说中国的人工智能的论文发表数量、专利申请数量是全球第一，但是今天我们更多的是要看人工智能整体这个开发框架上我们有多少话语权。最近好像英国的这个《自然》杂志“nature”有一篇长篇的报道，就是比较中国和美国人工智能的这种发展。那么它确实也提到了，中国论文发表数很多，就是专利申请量很多，但是我们的人工智能的深度学习的框架还有差距，这些都是我们需要未来去下功夫提升的。”

个人看来，这正是其对我国人工智能发展核心技术自主可控程度的担忧。

人工智能发展现状：应用领先但算法软肋犹存

从表面来看，自人工智能技术实现第三次中兴以来，我国在人工智能技术领域进步神速，成果非凡，成为了与美国最为强劲的竞争对手。诸如《自然》杂志在对中国的人工智能发展现状进行了题为“will china lead the world in ai by 2030?”的报道中就谈到：“中国的人工智能研究质量越来越高，在高影响力论文、人才和治理方面都在追赶美国”。而若我们将目光放在对人工智能技术的应用，更能发现我们事实上已经领先美国，从现实来说，人工智能应用已经融入到了我们日常的方方面面。

但同时我们也需要看到的是，在打造人工智能的核心技术工具方面，中国仍然落后。事实上，中国的众多人工智能技术应用都搭建在谷歌tensorflow和facebook pytorch等国外企业提供的深度学习框架之上。此前一份统计数据显示：当下包括联想、京东、美团、网易、小米、360、搜狗等在内的一大批中国企业都将其业务的ai技术搭建在谷歌tensorflow深度学习平台上。idc此前发布的《中国深度学习平台市场份额调研》报告数据更显示：在isv/si等技术服务商、互联网在占据使用开源框架大头的同时，保险、教育、消费和娱乐服务等事实上也在使用开源框架，可以说我国各行各业的ai发展对于开源框架存在高度依赖。

深度学习框架的自主可控从未如此重要

当然，从事实来说，开源开放的深度学习平台（框架）的存在的确很重要。百度首席技术官王海峰博士在这次智博会期间也表示：“开源开放的平台十分重要。人工智能作为这一轮工业革命的核心驱动力量将被应用到各行各业，但每一个应用不可能从头建设自己的ai能力，因此需要一个通用的平台来支撑。”

简单来说就是：开源开放的深度学习平台（框架）降低了ai开发门槛，避免了企业在部分ai技术上重复造*，节省了成本与时间，所以企业使用各种深度学习开源构架也都无可厚非。

但同时我们也需要看到的是，在ai大国博弈中，底层核心技术高度依赖美国企业，事实上是存在潜在风险的。特别是在近两年来美国掀起逆全球化浪潮，屡屡举起技术大棒打压中国科技公司，逼迫美国操作系统和芯片提供商断供中国厂商的前车之鉴下，这种潜在危险更是愈发强烈，而若是考虑到美国在今年初已启动“美国人工智能倡议”，试图从国家战略层面调动资源进行人工智能研发，应对来自“战略竞争者和外国对手”的挑战，确保美国在该领域领先地位的现实下。

可以说，面对其在ai领域最大竞争对手中国，美国是极有可能在人工智能底层技术上做手脚，实现对中国企业釜底抽薪。若真如此，那么对于众多将ai技术应用搭建上美国公司提供的开源构架上的国内公司而言，无疑将会引发一连串的业务地震。

所以在此我们可以看出：在深度学习底层框架上只要我们还高度依赖国外公司，那么我们说自己ai技术已经领先美国的底气就不会太足，当下国内的ai技术繁荣地基并不稳固，我们的众多ai繁荣更像是建立在沙滩之上。

这也让深度学习平台（框架）的自主可控变得尤为重要，可以说它是保障公司ai安全、国家ai安全、构建真正ai大国、与美国进行充分竞争的地基，只有这块地基牢固了，搭起的万丈高楼才有安全感。在此，拥有自主可控的深度学习框架从未变得如此重要与急迫。

百度飞桨，避免卡脖子的一招先手棋

当然所幸的是，国内还是有公司意识到了在深度学习上高度依赖国外公司所潜在的风险，从而埋下了一招先手棋，避免了我国ai技术在关键时刻被国外公司卡脖子、打七寸。

诸如百度自七八年前就着手研发的飞桨深度学习平台，就是显著一例。其在经多年磨砺发展后，事实上当下其已成长为国内唯一开源开放、功能完备的深度学习平台，成为国内企业寻求安全可控、替代谷歌、facebook等国外企业争夺深度学习平台的新选择。

如我们所见，当下其正在工业、林业、医疗、公益、农业、物流、零售等众多产业场景落地。

诸如备受美国打压的华为，在麒麟芯片上就选择与百度飞桨进行深度合作，打通深度学习框架与芯片ai算力，从而为用户提供更佳ai体验。又如在出行领域：百度地图的“通行时间智能预估”在应用百度深度学习平台飞桨之后，能够针对用户设定的出发地、目的地、行程设置，给出最合适的路线、用时，实现效率提升；在农业领域，北京工业大学4名学生利用百度飞桨深度学习平台上的深度学习模型，为果农开发出了一款准确度已达90%的智能桃子分拣机，实现了从形状、大小、色泽、光洁度等多维度对桃子的自动分级，极大节省人力分拣成本。在林业领域，北京林业大学基于飞桨打造的林业虫情监测系统，可准确识别红脂大小蠹，将原本需要两周的检查任务缩短至1小时，助力林业虫害防治。

但从保障国家ai发展安全的角度来说，仅有这些合作伙伴还远远不够，要实现核心技术的自主、安全、可控，我们还需要更多具备忧患意识的公司共同加入其中，群策群力促进我们自己的深度学习平台发展壮大进而实现去国外深度学习平台化。

这也正或是李彦宏在2019中国国际智能产业博览会上发表的主题演讲时表达我们需要关注深度学习框架发展差距的原因所在。

注：文章转载请注明出处。

作者：邻章【微信号：zlxgic 公众号：tmt317】，关注智能手机、人工智能、消费&产业互联网等。