目前國外的AI框架有很多，其中包括TensorFlow、PyTorch、Keras、Theano、MXNet等深度學(xué)習(xí)框架;Scikit-learn、LightGBM等機器學(xué)習(xí)框架;OpenCV、Scikit-Image等計算機視覺框架以及NLTK、AllenNLP等自然語言處理框架。國內(nèi)則有昇思 MindSpore、飛槳(PaddlePaddle)、OneFlow、曠視天元(MegEngine)和計圖(Jittor)等。

這里的AI框架非常重要。它使得用戶、開發(fā)者無需從頭編寫復(fù)雜的底層代碼，而是借助AI框架集成的算法、數(shù)據(jù)結(jié)構(gòu)和工具，提高開發(fā)的效率，例如動態(tài)計算圖的功能特性方便研究人員隨時調(diào)整模型結(jié)構(gòu)和參數(shù);內(nèi)置的隨機梯度下降、Adagrad、Adadelta 等工具，能夠自動調(diào)整模型參數(shù)，加快模型訓(xùn)練速度，提高模型的準確性和泛化能力。

試想對于用戶而言，目前會有幾十種訓(xùn)練好的模型，以及算法可供選擇，同時需要考星到硬件資源并行程度，以及跨平臺部署等技術(shù)問題，沒有一個好的AI框架來承擔這些基礎(chǔ)工作，任何美好的想法和愿望也是很難滿足和實現(xiàn)的。

AI框架媲美超越 CUDA

在AI大模型時代，我們見證了英偉達的成功，也驚嘆于GPU提供的強大算力，但很多時候，我們忽略了CUDA對于英偉達GPU成功的重要性。

CUDA 是的一種并行計算平臺和編程模型，主要用于GPU高效并行計算，提供了直接操作GPU硬件的接口和工具，使得開發(fā)人員能夠利用 GPU 的強大計算能力來加速各種計算任務(wù)，尤其是深度學(xué)習(xí)模型的訓(xùn)練和推理過程 。但CUDA 并不算一種 AI 框架，AI 框架通常提供了豐富的神經(jīng)網(wǎng)絡(luò)層、模型構(gòu)建模塊以及訓(xùn)練算法等，方便用戶直接構(gòu)建和訓(xùn)練各種深度學(xué)習(xí)模型。而 CUDA 主要是提供了一種并行計算的編程接口和工具，用于在 NVIDIA 的 GPU 上進行高效的計算，本身并不具備直接構(gòu)建和訓(xùn)練深度學(xué)習(xí)模型的功能。

AI 框架往往集成了大量的高級算法和工具，如自動微分、優(yōu)化器、數(shù)據(jù)增強等，以方便用戶進行模型的開發(fā)和優(yōu)化。CUDA 則主要關(guān)注于 GPU 的并行計算，對于這些高級算法和工具的支持相對較少。為了彌補CUDA在這方面的不足，英偉達的策略是加強與主流的深度學(xué)習(xí)框架，如 PyTorch、TensorFlow 等的合作，開發(fā)了一系列與 CUDA 緊密集成的工具和插件，方便用戶調(diào)用。與此同時，針對卷積、池化、歸一化等常用神經(jīng)網(wǎng)絡(luò)操作以及加速數(shù)據(jù)加載和預(yù)處理的過程，英偉達提供了cuDNN(CUDA Deep Neural Network library)、 DALI(Data Loading Library)等加速庫的支持，提供了英偉達的 TAO(Transfer Learning Toolkit)開發(fā)和部署工具包，集成了大量開源的示例代碼和預(yù)訓(xùn)練模型庫，英偉達積極建立和維護 CUDA 開發(fā)者社區(qū)，通過舉辦技術(shù)研討會、線上論壇、線下活動等方式，促進開發(fā)者之間的交流和合作。

CUDA的成功也預(yù)示著AI框架光明的未來。以昇思MindSpore為例，自2020年開源以來，目前已孵化、支持國內(nèi)外50多個主流大模型;覆蓋全球130多個國家和地區(qū)的2400多個城市;3.7萬多名開發(fā)者參與社區(qū)貢獻;聯(lián)合1700多位生態(tài)伙伴，打造超過2000+解決方案，據(jù)預(yù)測中國AI框架2024年新增市場昇思份額將達30%。

可以說，以昇思MindSpore為代表的AI框架將是大模型時代，行業(yè)用戶擁抱AI，讓AI落地的最強有力的武器，除此之外，沒有太多的捷徑可走。

小結(jié)

所謂授人魚，不如授人以漁。大模型時代，行業(yè)用戶的漁就是AI框架，自己動手，豐衣足食。這里的重點是自己動手DIY，不要等待Total Solution，不要等待“交鑰匙”工程，如此，才能夠跟上AI大模型時代發(fā)展的步伐。

songjy