新一代人工智能技術的發展，離不的兩大基礎是：芯片、深度學習框架，隨著中國科研創新能力的提升，這兩方面技術取得了大量的突破。

當然，這也是一種技術封鎖的倒逼，去年出現的華為芯片供應鏈被全面封鎖，和工科神器MATLAB被禁事件，這兩件事情加起來，迫使我國要從基礎架構平臺到應用系統等，全方位建設自主知識的優秀產品。

01

發 展

作為人工智能的核心技術，深度學習來說，無論是學術領域、還是工業領域，均發揮著十分重要的作用。

過去十年，深度學習領域涌現了大量算法和應用。在這些深度學習算法和應用涌現的背后，是各種各樣的深度學習工具和框架。TensorFlow 和 PyTorch 等深度學習框架是機器學習革命的腳手架，它們的廣發使用，使得許多從業者能夠使用適合領域特定編程語言，和豐富構建模塊，以便于更容易地組裝模型。

回顧深度學習框架的演變，深度學習框架和深度學習算法之間的緊密耦合關，讓我們知道了這種，互依賴良性循環，推動了深度學習框架和工具的快速發展。

02

趨 勢

我們正在處于一場人工智能革命的黎明，人工智能領域的新研究和應用框架，正在以前所未有的速度涌現。

八、九年前的AlexNet 網絡，只包含了大概6000 萬個參數，而 GPT-3 網絡竟然包含了 1750 億參數，網絡規模在短短不到十年的時間，迅猛增加了 3000 倍。但我們要知道，人類的大腦包含了100萬億個突觸，也就相當于100萬億參數。所以，神經網絡要達到人類的智能水平還有很大的差距。

這種難以接受的網絡規模，對現有的模型訓練和推理的硬件、軟件計算效率都提出了很大的挑戰。未來的深度學習框架很可能是算法、高性能計算、硬件加速器和分布式系統的跨學科成果。

03

挑 戰

然而，對于深度學習相關的初學者，還是對于已經從事相關工作的算法工程師來說，深度學習理論太難學，開發過程太復雜，又將許多人拒之于深度學習的門外。

而大廠等一線企業在這方面的需求也是迫在眉睫，阿里云也正式開深，是業界首個面向NLP場景的深度遷移學習框架。人才渴求之大，人才缺口異常嚴峻。

編輯：jq