5分鐘“調(diào)教”一只機(jī)器狗 百度飛槳已經(jīng)簡(jiǎn)單到這地步了嗎

　　金磊 夢(mèng)晨 發(fā)自 凹非寺

　　量子位 報(bào)道 | 公眾號(hào) QbitAI

　　“調(diào)教”一只機(jī)器狗學(xué)會(huì)新技能需要多長(zhǎng)時(shí)間?

　　僅需5分鐘。

　　一個(gè)往左走的手勢(shì)，它就乖乖地向左挪了挪;一個(gè)“趴下”手勢(shì)，機(jī)器狗狗就立馬蹲了下去：

　　而且“狗狗”的視界也可以同步地展示出來(lái)。

　　這就是剛剛在Wave Summit+2021峰會(huì)現(xiàn)場(chǎng)中，百度飛槳秀出的AI新技能——自動(dòng)高效的模型部署能力。

　　而這，只是這場(chǎng)年度深度學(xué)習(xí)開(kāi)發(fā)者盛宴中的一隅。

　　但站在當(dāng)下的時(shí)間節(jié)點(diǎn)，從現(xiàn)場(chǎng)種種的“技巧展示”中，無(wú)不在透露著人工智能技術(shù)發(fā)展的一種新信號(hào)——創(chuàng)新在融合，門檻在降低。

　　一方面，AI技術(shù)及產(chǎn)業(yè)的融合創(chuàng)新越來(lái)越多;另一方面，雖然AI技術(shù)越來(lái)越復(fù)雜，但AI開(kāi)發(fā)與應(yīng)用的門檻卻越來(lái)越低。

　　百度首席技術(shù)官、深度學(xué)習(xí)技術(shù)及應(yīng)用國(guó)家工程實(shí)驗(yàn)室主任王海峰在大會(huì)中所述：

　　深度學(xué)習(xí)推動(dòng)人工智能進(jìn)入工業(yè)大生產(chǎn)階段。面向技術(shù)和產(chǎn)業(yè)發(fā)展需求的AI大生產(chǎn)平臺(tái)可以讓AI技術(shù)以標(biāo)準(zhǔn)化、自動(dòng)化和模塊化的方式輸出給千行百業(yè)，實(shí)現(xiàn)規(guī)�；瘧�(yīng)用，同時(shí)以平臺(tái)為基礎(chǔ)促進(jìn)融合創(chuàng)新、共同發(fā)展。

　　那么基于這樣的“信號(hào)”，AI的發(fā)展在現(xiàn)階段又呈現(xiàn)著怎樣一種趨勢(shì)?

　　對(duì)此，百度集團(tuán)副總裁、深度學(xué)習(xí)技術(shù)及應(yīng)用國(guó)家工程實(shí)驗(yàn)室副主任吳甜表示：

　　全國(guó)各城市的AI開(kāi)發(fā)者規(guī)模逐年增長(zhǎng)，應(yīng)用人工智能的企業(yè)數(shù)量，也呈現(xiàn)了多地開(kāi)花、多行業(yè)繁榮的景象。

　　但正所謂“臺(tái)上一分鐘，臺(tái)下十年功”。那么具體而言，在這些能力的背后，到底是什么樣的AI技術(shù)在加持，又是如何發(fā)揮著作用?

　　接下來(lái)，老規(guī)矩，我們一文看盡WAVE SUMMIT+2021。

　　飛槳再升級(jí)，煉大模型不忘開(kāi)源看家本領(lǐng)

　　百度飛槳，中國(guó)首個(gè)自主研發(fā)、開(kāi)源開(kāi)放的產(chǎn)業(yè)級(jí)深度學(xué)習(xí)平臺(tái)，便是“臺(tái)下十年功”的奧義之一。

　　這次飛槳公布了新版全景圖，值得一提的是，其中的產(chǎn)業(yè)級(jí)模型庫(kù)新增了百度剛剛新發(fā)布的產(chǎn)業(yè)級(jí)知識(shí)增強(qiáng)文心大模型，多年積累，讓大模型真正走進(jìn)了生產(chǎn)應(yīng)用。

　　在百度飛槳平臺(tái)上，開(kāi)發(fā)者可以實(shí)現(xiàn)AI模型的便捷開(kāi)發(fā)、高效訓(xùn)練和多端多平臺(tái)部署。

　　對(duì)此，王海峰認(rèn)為百度飛槳已經(jīng)成為典型的AI大生產(chǎn)平臺(tái)，這一點(diǎn)從最新公布的成績(jī)單中也可以得到驗(yàn)證：

　　凝聚406萬(wàn)開(kāi)發(fā)者，創(chuàng)建47.6萬(wàn)個(gè)模型，服務(wù)15.7萬(wàn)家企事業(yè)單位，中國(guó)深度學(xué)習(xí)平臺(tái)綜合市場(chǎng)份額第一。

　　今天，飛槳開(kāi)源框架也正式更新到2.2版本。

　　這次飛槳升級(jí)的方向正是進(jìn)一步加強(qiáng)融合創(chuàng)新，在開(kāi)發(fā)、訓(xùn)練、部署全流程均有體現(xiàn)。

　　開(kāi)發(fā)階段，飛槳API更加豐富、高效、兼容;

　　尤其是體系化新增了科學(xué)計(jì)算API，新增短時(shí)傅里葉變換API、Jacobian/Hessian API和高階自動(dòng)微分等功能。

　　可支持計(jì)算流體力學(xué)、分子動(dòng)力學(xué)等更廣泛的模型開(kāi)發(fā)，屬于跨學(xué)科、跨場(chǎng)景的融合創(chuàng)新。

　　像這樣的API，飛槳2.2版本新增了100多個(gè)。

　　訓(xùn)練階段 ，全新發(fā)布端到端自適應(yīng)大規(guī)模分布式訓(xùn)練技術(shù)。

　　4天前百度剛剛發(fā)布的全球首個(gè)知識(shí)增強(qiáng)千億大模型鵬城-百度·文心，就是基于這項(xiàng)技術(shù)訓(xùn)練出來(lái)。

　　端到端自適應(yīng)，說(shuō)的是把不同模型和硬件抽象成統(tǒng)一的分布式計(jì)算視圖和資源視圖，屬于軟件與硬件的融合創(chuàng)新。為了進(jìn)一步提高訓(xùn)練的穩(wěn)定性和資源利用率，飛槳還提供彈性調(diào)度模塊，能感知硬件資源變化，來(lái)自動(dòng)重構(gòu)資源視圖，觸發(fā)各個(gè)模塊自動(dòng)的發(fā)生變化。

　　部署階段，硬件適配是讓AI開(kāi)發(fā)者最頭疼的問(wèn)題，這次飛槳自研了3個(gè)硬件接入優(yōu)化方案：

　　Kernel Primitive API通過(guò)對(duì)算子計(jì)算與硬件的解耦，讓開(kāi)發(fā)者能更加專注于實(shí)現(xiàn)計(jì)算邏輯本身，同時(shí)做到一處優(yōu)化可讓70多個(gè)算子同時(shí)受益。

　　NNAdapter統(tǒng)一適配層實(shí)現(xiàn)了實(shí)現(xiàn)了算子定義及框架調(diào)度執(zhí)行與硬件解耦，不僅降低框架和硬件適配的穩(wěn)定性，還降低了代碼的維護(hù)成本。

　　神經(jīng)網(wǎng)絡(luò)編譯器CINN (Compiler Infrastructure for Neural Networks)，編利用基礎(chǔ)算子自動(dòng)融合優(yōu)化實(shí)現(xiàn)復(fù)雜算子功能，降低適配成本的同時(shí)，優(yōu)化性能。

　　除了以上這些通用場(chǎng)景的技術(shù)升級(jí)，飛槳框架2.2還特別對(duì)文本任務(wù)做了從文本處理、訓(xùn)練、解碼到部署的全面加速。

　　如果說(shuō)技術(shù)上的融合創(chuàng)新是在降低門檻上邁出的第一步，那么工具上的融合創(chuàng)新能讓飛槳技術(shù)更廣泛的落地。

　　飛槳企業(yè)版升級(jí)帶來(lái)了自動(dòng)高效的模型部署功能。

　　在推理性能方面，啟用了PaddleSlim根據(jù)不同模型和硬件的特點(diǎn)自動(dòng)選擇最佳壓縮路徑，在常見(jiàn)模型硬件上做到精度損失控制在1%以內(nèi)，性能提升3-5倍。

　　在推理芯片的適配上，飛槳平臺(tái)已完成9345種模型芯片的組合的真實(shí)測(cè)試和調(diào)優(yōu)，可以覆蓋95%的需求場(chǎng)景，節(jié)省97%的適配和開(kāi)發(fā)時(shí)間。

　　在智能邊緣控制臺(tái)上，你可以直接看到以上模型服務(wù)的部署和管理，對(duì)輸入設(shè)備、服務(wù)、事件進(jìn)行實(shí)時(shí)監(jiān)控管理。

　　另外還有一個(gè)“彩蛋”——零門檻AI開(kāi)發(fā)平臺(tái)飛槳EasyDL現(xiàn)在有了桌面版，一鍵極速安裝，本地高效建模。

　　這次一起獲得升級(jí)的還有飛槳產(chǎn)業(yè)級(jí)開(kāi)源模型庫(kù)。

　　百度結(jié)合場(chǎng)景的需求痛點(diǎn)，推出13個(gè)結(jié)合場(chǎng)景應(yīng)用深度優(yōu)化過(guò)的PP系列模型，實(shí)現(xiàn)精度和性能的平衡。

　　到目前為止，飛槳產(chǎn)業(yè)級(jí)開(kāi)源模型庫(kù)已支持超過(guò)400個(gè)模型，涵蓋CV、NLP、推薦系統(tǒng)、語(yǔ)音等多種方向。

　　那么這些產(chǎn)業(yè)級(jí)的開(kāi)源模型都用在了哪里呢?

　　已經(jīng)用在了你身邊

　　這樣的技術(shù)，其實(shí)離我們的生活并不遙遠(yuǎn)。

　　例如上海哲元科技發(fā)展有限公司在制造業(yè)上有著多年的經(jīng)驗(yàn)，在數(shù)字化大浪潮之下，選擇采用百度飛槳的EasyDL來(lái)提高效率。

　　具體而言，他們基于飛槳EasyDL訓(xùn)練出食品生產(chǎn)流水線數(shù)量清點(diǎn)及外觀檢測(cè)模型。

　　這樣就能夠做到從蛋卷皮外觀、巧克力噴涂、灌料、撒料、壓蓋、包裝全流程智能化檢測(cè)。

　　值得一提的是，今年9月，在上海哲元提供的智能化質(zhì)檢系統(tǒng)加持下，該冰淇淋品牌位于江蘇太倉(cāng)的工廠被認(rèn)證為世界級(jí)“燈塔工廠”，更是全球冰淇淋行業(yè)的第一家“燈塔工廠”。

　　而之所以他們選擇EasyDL，易上手和精度高是主要的原因。

　　公司2名研發(fā)從接觸EasyDL到訓(xùn)練完成所需要的模型并實(shí)際應(yīng)用僅花費(fèi)二十多個(gè)工時(shí)，同時(shí)模型還可根據(jù)客戶需求靈活迭代優(yōu)化，快捷方便。

　　再如華夏天信機(jī)器人公司，專注于工礦企業(yè)智能硬件設(shè)備的研發(fā)、生產(chǎn)和實(shí)施。

　　而在中國(guó)近萬(wàn)座礦山的生產(chǎn)環(huán)節(jié)中，輸煤用帶式輸送機(jī)是一種重要的煤炭運(yùn)輸設(shè)備，礦區(qū)用量可達(dá)十幾臺(tái)至上百臺(tái)不等，是整體產(chǎn)業(yè)鏈中重要的一環(huán)。

　　但以往對(duì)此的監(jiān)控方式都采用的是人工，包括巡檢和安裝固定攝像頭等等。

　　這就非常的耗時(shí)耗力，以巡檢為例，一天頻率為2到3次，有時(shí)2人每組，重要的皮帶設(shè)備還需6人實(shí)施3班倒。

　　而現(xiàn)在，華夏天信基于飛槳的目標(biāo)檢測(cè)工具套件PaddleDetection，開(kāi)發(fā)出的輸煤膠帶智能巡檢機(jī)器人。

　　如此一來(lái)，不僅能實(shí)現(xiàn)高頻次、無(wú)間歇巡檢，還能通過(guò)攝像儀將實(shí)時(shí)視頻回傳并智能識(shí)別分析。

　　可以說(shuō)是一次性解決了工作效率、惡劣環(huán)境、作業(yè)安全等多項(xiàng)難題。

　　為了更好助推AI產(chǎn)業(yè)應(yīng)用落地，飛槳此次還推出業(yè)界首個(gè)產(chǎn)業(yè)實(shí)踐范例庫(kù)，從真實(shí)產(chǎn)業(yè)場(chǎng)景分析、完整代碼實(shí)現(xiàn)，到詳細(xì)過(guò)程解析，直達(dá)項(xiàng)目落地，覆蓋數(shù)十個(gè)高頻應(yīng)用場(chǎng)景，推動(dòng)AI落地可復(fù)制和規(guī)�；�。

　　而對(duì)于百度飛槳來(lái)說(shuō)，技術(shù)本身和產(chǎn)業(yè)應(yīng)用固然重要，但還有一點(diǎn)也是百度要“狠抓”的。

　　這就是開(kāi)發(fā)者和生態(tài)。

　　越發(fā)熱鬧的飛槳社區(qū)

　　在生態(tài)方面，百度飛槳這一次升級(jí)了“大航海”計(jì)劃，正式邁入2.0時(shí)代。

　　具體而言，就是在原有的啟航、護(hù)航、領(lǐng)航三大航道基礎(chǔ)上，新增“共創(chuàng)”計(jì)劃。

　　啟航計(jì)劃是飛槳將投入總價(jià)值5億元的資金與資源，支持全國(guó)500所高校，重點(diǎn)培訓(xùn)5000位高校AI師資，聯(lián)合培養(yǎng)50萬(wàn)AI學(xué)子。

　　護(hù)航計(jì)劃面向產(chǎn)業(yè)智能化。要達(dá)到的是智能升級(jí)，通過(guò)技術(shù)賦能、市場(chǎng)推廣和資源導(dǎo)入，縮短技術(shù)創(chuàng)新到商業(yè)落地的路徑。

　　而領(lǐng)航計(jì)劃的面向群體，則是核心開(kāi)發(fā)者，目標(biāo)是與社區(qū)開(kāi)發(fā)者一起共建開(kāi)源生態(tài)，并探索前沿技術(shù)。

　　而此次新增的“共創(chuàng)”板塊，可以分三個(gè)方向來(lái)看：

　　聯(lián)合社區(qū)開(kāi)發(fā)者：共創(chuàng)工具、模型、產(chǎn)業(yè)實(shí)踐經(jīng)驗(yàn)

　　形成產(chǎn)業(yè)創(chuàng)新需求對(duì)接平臺(tái)：共創(chuàng)產(chǎn)學(xué)研用融合正循環(huán)

　　建設(shè)人工智能產(chǎn)業(yè)賦能中心：共創(chuàng)區(qū)域創(chuàng)新生態(tài)

　　至于其背后的緣由，吳甜解釋道：

　　建設(shè)飛槳需要抓住的關(guān)鍵點(diǎn)有三個(gè)，技術(shù)持續(xù)創(chuàng)新、功能體驗(yàn)以開(kāi)發(fā)者的需求為首位，以及廣泛地與生態(tài)共享、共創(chuàng)。

　　那么在“大航海”計(jì)劃的加持之下，百度飛槳的開(kāi)發(fā)者都得到哪些益處?

　　在活動(dòng)現(xiàn)場(chǎng)中，來(lái)自哈爾濱工業(yè)大學(xué)大三的學(xué)生曹志浩便分享了他的故事。

　　他從大一開(kāi)始就接觸飛槳AI Studio學(xué)習(xí)與實(shí)訓(xùn)社區(qū)，一路上已經(jīng)是三載時(shí)光。

　　而在最初身為小白的他，最頭疼的便是不知如何入手，很難找到實(shí)踐的方法。

　　也花費(fèi)過(guò)時(shí)間、精力在市面上的產(chǎn)品中“貨比三家”，還自掏腰包買算力。

　　但當(dāng)曹志浩接觸飛槳開(kāi)發(fā)者社區(qū)之后，這些問(wèn)題便全部迎刃而解、煙消云散了：

　　飛槳平臺(tái)上面有著非常豐富的一些學(xué)習(xí)資源和開(kāi)發(fā)環(huán)境，幫助我的一些數(shù)理基礎(chǔ)打得更扎實(shí)或者一些進(jìn)階的都可以在里面找到。

　　還有一些產(chǎn)品級(jí)的應(yīng)用、前沿的模型，包括算力開(kāi)發(fā)的流程都會(huì)在上面有所展現(xiàn)。

　　我可以在飛槳AI Studio社區(qū)上面開(kāi)源一些代碼，包括在上面也開(kāi)源了一些3D點(diǎn)云的算法和基礎(chǔ)原理的實(shí)現(xiàn)，還有一些趣味性的項(xiàng)目和實(shí)用性的項(xiàng)目，比如APP的開(kāi)發(fā)。

　　不僅如此，曹志浩還認(rèn)為在這條路上進(jìn)階過(guò)程“不是一個(gè)人”，他在開(kāi)發(fā)者社區(qū)里遇到了許多志同道合的小伙伴。

　　他們分享讀論文的經(jīng)驗(yàn)、交流困惑，還組建團(tuán)隊(duì)共同“打怪升級(jí)”，并肩作戰(zhàn)開(kāi)源的3D點(diǎn)云模型倉(cāng)庫(kù)，支持一系列算法。

　　曹志浩分享的故事，只是眾多飛槳開(kāi)發(fā)者中的一例。

　　而類似的故事在持續(xù)不斷地譜寫著：

　　鐵路工人在工作之余自學(xué)AI，基于飛槳實(shí)現(xiàn)了鐵路貨運(yùn)車號(hào)的自動(dòng)識(shí)別，為所在鐵路段節(jié)省數(shù)十萬(wàn)元成本。

　　吉林大學(xué)的師生團(tuán)隊(duì)聯(lián)合飛槳，打造了已在生產(chǎn)線上應(yīng)用的藥瓶自動(dòng)化檢測(cè)系統(tǒng)，并沉淀為教學(xué)課程，幫助更多師生學(xué)習(xí)AI技術(shù)和應(yīng)用。

　　……

　　那么最后一個(gè)問(wèn)題便是，百度飛槳為什么如此重視開(kāi)發(fā)者和生態(tài)呢?

　　人才人才，還是人才

　　無(wú)論是技術(shù)發(fā)展、產(chǎn)業(yè)升級(jí)還是社區(qū)建設(shè)，歸根結(jié)底都要靠人來(lái)實(shí)現(xiàn)。

　　隨著AI與產(chǎn)業(yè)的深度融合，需要越來(lái)越多既懂AI，又具備產(chǎn)業(yè)經(jīng)驗(yàn)的復(fù)合型AI人才。

　　百度飛槳在AI人才的培養(yǎng)上積累已久。面向高校，飛槳積極踐行的是“產(chǎn)教融合”的路徑：合作人工智能相關(guān)教材、提供人工智能教育資源，超過(guò)700所高校的3000多名AI專業(yè)教師從飛槳舉辦的深度學(xué)習(xí)師資培訓(xùn)中受益，百余所高校的學(xué)生基于飛槳開(kāi)發(fā)創(chuàng)意項(xiàng)目、參與各類AI技術(shù)競(jìng)賽。

　　更深一步，則是探索產(chǎn)教融合協(xié)同育人路徑。

　　如吉林大學(xué)三創(chuàng)實(shí)驗(yàn)室(創(chuàng)意、創(chuàng)新、創(chuàng)業(yè))團(tuán)隊(duì)針對(duì)醫(yī)藥企業(yè)藥瓶缺陷檢測(cè)場(chǎng)景需求，基于飛槳平臺(tái)創(chuàng)新研發(fā)了一套全方位、高精度的自動(dòng)化檢測(cè)系統(tǒng)，并實(shí)現(xiàn)了產(chǎn)線落地。

　　吉林大學(xué)還與飛槳共建了CV及AI+質(zhì)檢課程體系，將課程資源全面開(kāi)放，通過(guò)飛槳學(xué)習(xí)與實(shí)訓(xùn)社區(qū)AI Studio，將這一實(shí)踐經(jīng)驗(yàn)輸送給百萬(wàn)開(kāi)發(fā)者。

　　面向產(chǎn)業(yè)，在復(fù)合型人才的培養(yǎng)上，深度學(xué)習(xí)技術(shù)及應(yīng)用國(guó)家工程實(shí)驗(yàn)室與百度聯(lián)合發(fā)起創(chuàng)辦了首席AI架構(gòu)師培養(yǎng)計(jì)劃 (AICA)。

　　首席AI架構(gòu)師培養(yǎng)計(jì)劃目前已舉辦到第5期，累計(jì)向業(yè)界輸送190名AI架構(gòu)師，遍布工業(yè)、農(nóng)業(yè)、金融、交通、能源等數(shù)十個(gè)行業(yè)。

　　吳甜從中觀察到，每期學(xué)員們提出的課題，越來(lái)越深入到行業(yè)的關(guān)鍵問(wèn)題，專業(yè)度逐年提升。

　　縱觀整場(chǎng)Wave Summit+峰會(huì)，百度飛槳在產(chǎn)業(yè)、開(kāi)源、人才培養(yǎng)方面下了這么大功夫，為什么?

　　答案依舊是王海峰在開(kāi)場(chǎng)提到的融合創(chuàng)新與降低門檻的大趨勢(shì)。

　　除了多種技術(shù)之間、技術(shù)與場(chǎng)景的融合，產(chǎn)業(yè)界、學(xué)術(shù)界、AI企業(yè)和開(kāi)源平臺(tái)之間也在進(jìn)行更廣泛的融合。

　　隨著AI落地在更多如金融、醫(yī)療、制造、能源，乃至文娛體育這樣的傳統(tǒng)行業(yè)，不斷降低技術(shù)門檻，打通產(chǎn)學(xué)研用形成正向循環(huán)，就成了人工智能發(fā)展的關(guān)鍵。

　　其根本目的還是更好地讓技術(shù)本身和產(chǎn)業(yè)發(fā)展相結(jié)合，不斷為經(jīng)濟(jì)發(fā)展注入新的活力，促進(jìn)產(chǎn)業(yè)升級(jí)和智能化轉(zhuǎn)型。

　　于是我們看到了由飛槳框架2.2新版本、飛槳產(chǎn)業(yè)級(jí)開(kāi)源模型庫(kù)、大航海2.0共創(chuàng)計(jì)劃等項(xiàng)目共同組成的這份給開(kāi)發(fā)者的“雙12大禮包”。

　　在峰會(huì)現(xiàn)場(chǎng)，飛槳生態(tài)里的開(kāi)發(fā)者們也把這一天過(guò)成了開(kāi)發(fā)者的節(jié)日，許多人帶著自己在飛槳平臺(tái)上開(kāi)發(fā)的作品來(lái)“練攤”。

　　像開(kāi)頭的機(jī)器狗在現(xiàn)場(chǎng)學(xué)習(xí)的新模型，就是一位個(gè)人開(kāi)發(fā)者帶來(lái)展示交流，被選中后登上主舞臺(tái)的。

　　百度飛槳準(zhǔn)備的這一份雙12大禮包，你還滿意么?

　　本文首發(fā)于微信公眾號(hào)：量子位