这件事情我憋很久了，今天一吐为快。

Posted 2021-05-24 微笑很纯洁

这事儿憋了很久，不想给大家隐瞒了！

1

毁灭人类

这段时间以来我一直有一个深深担忧，人工智能可能不只是要取代我们的工作，很有可能未来会消灭了我们！

上次写文章《猴子用意念打游戏》更加印证了我的想法，目前人工智能已经可以通过采集脑神经信号，解读出猴子想要操作的行为。

大家想一想，未来如果给人类脑子安装一个这玩意，那你每天在 YY 小电影什么东西，全给你记录下来了。

也许真的有这么一天，不懂人工智能就跟不懂说话一样，被这个世界淘汰了...

2

凌晨2点

现在是凌晨2点。

我托着疲惫的身躯，从床上爬了起来，在网上搜索现在学习人工智能是否还来得及，以及我国在人工智能这方面到底搞的怎么样？

经过百度搜索一通乱搜，得知如果现在要学习人工智能，得先学会使用深度学习框架，于是我又开始查询，现在有什么主流的深度学习框架？

不是经常在网上看到人工智能领域，中美都是处于第一阵营的吗？

查完我才发现，怎么前面好几个深度学习框架都是老美发明的！但随着了解的深入，我觉得说中美处于第一阵营也是有点道理的...

第一，现在主流的框架背后开发者，有一个中国人研发者叫贾扬清（目前已回国）；

第二，主流深度开发框架中，也有一个国内企业开发的深度学习框架飞桨 PaddlePaddle ，比较能打。

飞桨是中国首个自主研发、功能完备、 开源开放的产业级深度学习平台，已经有 320 万开发者了。

还好还好。

在中美科技最近斗得这么凶的情况下，无论怎么强调技术自主性都不为过，我们至少还有一个扛得住。

于是好奇心的驱使下，让我对飞桨 PaddlePaddle  有了更多的了解。

3

飞桨 PaddlePaddle  是什么鬼？

从头说起，飞桨 PaddlePaddle ，是百度开发的一款深度学习框架，作为一个小白的我冒出来的第一个问题是，学习人工智能必须要用深度学习框架吗？

答案是不一定必须用，但几乎大家都用了。

我读者里面 Java 用户比较多，就用 Java 中的 Spring 给大家举个例子吧。

飞桨 PaddlePaddle 可以认为是 Java 生态中的 Spring 框架，帮你封装了很多常用功能比如操作数据、Web 开发等等。

做 Java 项目你可以不用 Spring ，但必须自己去实现各种细节，巨麻烦还容易出错并且性能还不行，反正就是吃力不讨好。

在深度学习这个领域内，深度学习框架就相当一个巨大的类库，帮你封装了神经网络、卷积，池化，全连接，这些看起来就巨难的东西。

因此使用深度学习框架，可以让我们做 DL 编程时变得相对容易一些，所以一个深度学习框架到底好不好，就要看整个生态支持的怎么样？

有没有配套的学习文档、交流社区、各个垂直领域的支持程度等等，在这方面飞桨做的可真是牛。

害怕你学习起来比较困难，于是搞了个零门槛 AI 开发平台 EasyDL；害怕你不知道如何学习实践搞了个 AI Studio；开发工具、开发套件等等也都免费送上，而且竟然连算力都会免费送，太良心了。

从各方面数据来看，飞桨都处于深度学习平台第一阵营。

4

拉出来溜溜

中国有句俗话叫做：是骡子是马，拉出来溜溜。

飞桨到底能不能行，我们得看看它在相关产业的落地情况。

还记得五一前，京沪高铁沧州段因为接触网上挂了异物，听说是附近的地膜被大风吹起来了，好家伙，导致京沪高铁上下行段出现了大规模晚点，我好几个朋友都遇到了晚点，在高铁站苦苦等待……

要说轨道交通巡检这事儿，我还真了解过。

以前跟一个在地铁工作的哥们儿聊过，他们基本上都是人工去做检查，主要是看钢轨有没有受到损害，一天需要大概十几二十个检修工，凌晨就去检修，一个小时检修5公里，还是很累的。

最关键的是，像上面那种不知从哪飞来的薄膜，挂在接触网上，人工哪能这么及时看到及时处理呢？

接触飞桨后，我发现，其实智能巡检这事儿，已经有人在做了。

成都国铁电气设备有限公司就利用飞桨的 PaddleDetection 等套件解决了 AI 算法的难题，研发出了一套“轨道在线智能巡检系统”。

这个系统帮助成都国铁提升了检测效率，减少了漏检的情况。

我觉得最重要的一点是，因为轨道上的电客车行驶的时候，是很危险的，以后用上人工智能，检修的工作人员安全就能更好保障了。

这是一个缩影。

电力、林业、医疗等等，很多和生活息息相关的领域，都有飞桨的身影。

5

牛X的技术体系

这不，最近飞桨深度学习平台又升级了，产品技术上就带来了六大全新发布，我这里简单跟大家聊聊。

1、开源框架V2.1发布，自动混合精度、动态图、高层API等进行了优化和增强。尤其是自定义算子功能全面升级后，方便让越来越多的学科更容易的使用自定义算子。

这个功能升级了之后，生物、物理、数学上的一些特殊的处理单元，也能方便跟 AI 结合在一起了。

2、大规模图检索引擎发布，支持万亿边的图存储和检索，大规模图模型训练架构，支持超大型图项目落地。

大家知道机器学习是需要数据来训练的，数据样本越多、越丰富，项目才能越精准、智能；飞桨支持大规模图模型训练，那后面可以做的事情就太多了。

3、文心 ERNIE 四大预训练模型发布，知识与深度学习相结合实现知识增强的语义理解，不仅能理解语言，还可以理解图像，实现统一的跨模态语义理解。

文心 ERNIE 主要是为了能让机器看得见、看得懂、能分析、能决策。这次升级，机器在理解图像上更强了，语音、语义等等信息也都能更好理解了。

4、硬件生态进展发布，飞桨已和国内外 22 家硬件厂商开展适配和联合优化工作，已完成和正在适配的芯片或 IP 达到 31 款，支持硬件级、芯片级训练优化。

大家知道如今 AI 为了追求性能，都是需要跑在特定的 AI 芯片上，深度学习框架与芯片厂商的合作才能把芯片的算力充分发挥出来。

5、最新推理部署导航图，降低 AI 应用的门槛，帮助开发者走通 AI 应用最后一公里。

之前开发者的痛就是开发好了，训练好了，部署凉了。

这种好工具能告诉你飞桨目前支持的 300 多条走得通的链路，一旦你的部署有啥问题，都可以在这里查到答案，福音有木有。

6、云原生机器学习核心 PaddleFlow开放邀测

这个就很厉害了。它是第一个专门为 AI 平台开发者提供的、容易被集成的云原生机器学习核心。

这么说吧，如果你是一个遥感行业的开发者，你需要更垂直的平台；如果你要让 AI 平台跟自己企业内部的业务更紧密，你需要一个自主可控的定制的AI 开发平台……PaddleFlow 就是解决这些需求的。

未来智能世界想象力那么丰富，不晓得下一个新需求会出现在哪，码一下总是没错的。

技术在升级，飞桨的生态建设也不错。

现在很多大厂都在抢优秀的开发者人才。飞桨现在有 320 万开发者，比 1 年前增加了将近 70%；产业生态上，现在有 12 万家企事业单位在用飞桨。

飞桨在生态上的一个大计划，寓意挺好，做的也是长远的事情，叫“大航海计划”。

启航、护航、领航三部分，去年投入 5 亿，发布了启航计划，今年是护航和领航这两个计划最新发布，护航计划，主要是给产业中的开发者和企业，投入了 10 亿去做。

总体看下来，飞桨划出了一个新时代。

6

最后

当前，全行业智能时代已开启，人工智能产业进入工业大生产阶段，深度学习框架是人工智能时代的操作系统。

飞桨做为国内最大的深度学习平台，从客观上来讲促进了我国智能化升级。开启和培养了我国 AI 开源新生态，也培养了一批 AI 人才。

像猴子用意念打游戏、自动驾驶、生物科技、智能机器人这样的案例，会在在各行各业去慢慢渗透，可能在几十年之后，我们的生活就已经完全离不开 AI 了。

随着像飞桨等深度学习平台的不断发展，会不断拉低各个行业使用 AI 赋能的门槛，方便我们用 AI 的能力去改造各个行业。

这个趋势的发展也让我深深的忧虑，未来如果我们不懂 AI ，是否就像现在普通人员不懂编程一样，被时代落下！

科技的发展总会超出我们普通人的预测，也许当 AI 掌控世界的那一天到来时，你我皆是 AI 视角下的数据！

这是人类的不幸还是幸运？

然而时代不等你我质疑，我们这一代人或许就是见证者！