近年來，以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)為核心的人工智能技術(shù)得到迅猛發(fā)展，也是未來幾十年科技發(fā)展方向，為各行業(yè)帶來創(chuàng)新活力，助推各行各業(yè)數(shù)字化轉(zhuǎn)型升級。而開源AI技術(shù)平臺，則是AI技術(shù)廣泛應(yīng)用至各行各業(yè)核心推動力。

在AI開源路上，谷歌、Facebook和百度三大互聯(lián)網(wǎng)企業(yè)則走在行業(yè)前面，被行業(yè)廣泛使用的TensorFlow，谷歌于2015年將其開源；百度于2016年對深度學(xué)習(xí)框架PaddlePaddle（飛槳）開源；還有Facebook旗下的PyTorch。

依據(jù)早前IDC所發(fā)布的《深度學(xué)習(xí)框架和平臺市場份額》報告，在中國市場，深度學(xué)習(xí)平臺市場，形成谷歌、Facebook、百度三強(qiáng)態(tài)勢，他們是中國企業(yè)使用度最高、市場份額最大的深度學(xué)習(xí)平臺。

需要指出的是，最早緣起谷歌的開源機(jī)器學(xué)習(xí)（ML）平臺Kubeflow如今被廣泛使用，包括亞馬遜（AWS）、阿里云、IBM等各大云服務(wù)廠商。例如在AWS上，利用Kubeflow，可以簡化 Kubernetes上部署機(jī)器學(xué)習(xí)工作流過程，推出一項完全托管的Kubernetes 的Amazon EKS服務(wù)，這樣開發(fā)者在Amazon EKS 上使用 Kubeflow 進(jìn)行分布式 TensorFlow 訓(xùn)練。

Kubeflow最初是谷歌內(nèi)部運(yùn)行TensorFlow一種開放式資源，它基于一個名為TensorFlow Extended的管道。最開始只是在Kubernetes上運(yùn)行TensorFlow一種簡單方法，但此后已擴(kuò)展為用于運(yùn)行整個機(jī)器學(xué)習(xí)多體系結(jié)構(gòu)，多云框架。如今得到上百個組織參與，Kubeflow項目致力于使機(jī)器學(xué)習(xí)（ML）工作流在Kubernetes上的部署簡單，可移植且可擴(kuò)展。

很多人工智能企業(yè)都是依賴主流開發(fā)工具和開源平臺來構(gòu)建、訓(xùn)練和部署AI應(yīng)用，在這些開源框架上進(jìn)行開發(fā)人工智能服務(wù)和產(chǎn)品。整體而言，人工智能開源系統(tǒng)主要掌握在谷歌等少數(shù)國際巨頭手中。作為國內(nèi)最早發(fā)展人工智能技術(shù)的百度，是國內(nèi)最早把AI技術(shù)開源的廠商。旗下PaddlePaddle（飛槳）于2016年對外開放，以開源把人工智能技術(shù)能力分享給社會，驅(qū)動AI無處不在，從農(nóng)業(yè)到工業(yè)，從醫(yī)療到金融，再到智能家庭與無人駕駛，還有翻譯、圖像/語音識別以及信息流等產(chǎn)品和服務(wù)，AI商業(yè)落地走在行業(yè)前列。

百度是國內(nèi)最早發(fā)展人工智能技術(shù)企業(yè)，AI算法框架平臺上，也具有較高競爭力。還有包括曠視科技，研發(fā)深度學(xué)習(xí)框架——MegEngine，并基于此開發(fā)了算法平臺Brain++，打造自己的原創(chuàng)AI技術(shù)。憑借原創(chuàng)AI技術(shù)位列全球前列。中科院大數(shù)據(jù)挖掘與知識管理重點(diǎn)實驗室所發(fā)布的《2019人工智能發(fā)展白皮書》披露全球人工智能企業(yè)TOP20榜單，與微軟、谷歌、臉譜和百度等國內(nèi)外科技巨頭排名全球前十。

人工智能算法從研發(fā)到部署是一套龐大的系統(tǒng)工程，目前業(yè)界普遍把深度學(xué)習(xí)框架作為算法開發(fā)工具，但是學(xué)習(xí)和使用成本高，難以規(guī)?；?。究其原因，只有深度學(xué)習(xí)框架并不本質(zhì)，需要拉通從數(shù)據(jù)到算力再到框架的端到端解決方案，人工智能時代亟需一個滿足產(chǎn)業(yè)需求的操作系統(tǒng)。

曠視的Brain++是其自主研發(fā)的端到端人工智能算法平臺，具備大規(guī)模算法研發(fā)能力。其核心的深度學(xué)習(xí)框架具備獨(dú)特的訓(xùn)練和推理一體化技術(shù)架構(gòu)，同時集成了行業(yè)領(lǐng)先的自動機(jī)器學(xué)習(xí)（AutoML）技術(shù)，可實現(xiàn)算法訓(xùn)練和模型部署的高效流程化，和深度神經(jīng)網(wǎng)絡(luò)模型設(shè)計自動化，在減少人員參與而不犧牲訓(xùn)練質(zhì)量的條件下，大幅提高算法生產(chǎn)效率。

如今，曠視也將計劃開源把分享給業(yè)界，助力人工智能技術(shù)落地。這將對發(fā)展人工智能產(chǎn)業(yè)具有里程碑意義，賦能企業(yè)與開發(fā)者，推動人工產(chǎn)業(yè)應(yīng)用發(fā)展。

作者系物聯(lián)網(wǎng)高級顧問楊劍勇，福布斯撰稿人、網(wǎng)易簽約作者，連續(xù)三年（2017-2019年）獲得網(wǎng)易年度最佳簽約作者。秉持讓人們能重新審視物聯(lián)網(wǎng)，并利用其從根本上改變社會去做事情，深度解讀5G、IoT和AI等前沿科技，觀點(diǎn)和研究策略被眾多權(quán)威媒體和知名企業(yè)引用。