没有合适的资源?快使用搜索试试~ 我知道了~
《深度学习平台发展报告(2022年)-全面开启产业赋能的黄金十年》.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 128 浏览量
2023-01-29
19:11:12
上传
评论
收藏 2.27MB PDF 举报
温馨提示
试读
25页
《深度学习平台发展报告(2022年)-全面开启产业赋能的黄金十年》.pdf
资源推荐
资源详情
资源评论
全面开启产业赋能的黄金十年
深度学习平台发展报告
(2022年)
11
2022年6月
一、 开启产业赋能黄金十年
............................................................................. 2
(一)人工智能处于工程化应用历史性机遇期..............................................................2
(二) 深挖深度学习技术潜力是发展主旋律,规模化应用面临多元挑战........................3
(三) 平台化生态布局成为业界共识 ..........................................................................4
(四) 深度学习平台展现驱动产业赋能升级的巨大潜力 ...............................................5
二、 深度学习平台体系架构............................................................................. 6
(一) 深度学习平台三要素体系.................................................................................6
(二) 深度学习平台核心作用 ....................................................................................7
三、 深度学习平台的技术创新重点
................................................................. 8
(一)开源开发框架,深度学习平台的基础核心 ..........................................................8
1. 动静统一的编程范式大幅提升算法开发效率 ...................................................8
2. 大规模分布式训练技术有效提升巨型模型研发的承载能力 ..............................9
3. 统一的高速推理引擎满足端边云多场景大规模部署应用 ..................................9
4. 标准化的软硬件协同适配技术是打造国产化应用赋能的关键 ..........................10
(二)模型库建设,算法创新、沉淀与集成管理是快速赋能关键 ..................................11
(三)工具平台完善,覆盖数据处理、模型训练和推理部署全周期 .................................12
(四)专业领域延伸,围绕科学发现与量子智能持续探索 ............................................13
四、 深度学习平台的产业生态与应用路径 .................................................... 14
(一)我国开发框架在市场与生态方面持续发力 .........................................................14
(二)多类生态建设共同促进深度学习平台繁荣发展...................................................16
1. 研究创新生态是平台保持可持续竞争力的关键...............................................17
2. 算力与算法协同的开发者生态是平台发展基础 ..............................................17
(三)多类平台化模式形态显现,大幅降低开发难度与创新成本 ..................................18
(四)平台应用广泛开展,价值规律初步体现.............................................................19
五、 总结与展望
...............................................................................................23
目录
2
人工智能浪潮汹涌澎湃,对生产生活、公共服务、社会治理乃至全球竞争格局等
领域产生广泛而深刻影响。人工智能已成为最为活跃的创新领域,对经济社会发展影
响深远。在技术进步与市场需求双重驱动下,人工智能应用开始全面覆盖日常生活、
科学研究、社会治理、商业创新和国家安全等经济社会的关键领域,以空前的广度和
深度推动社会发展,为助力行业数字化转型、促进后疫情时代经济增长提供新动能。
据测算,人工智能可显著提高整体经济生产力,即使考虑到转型成本和竞争效应,到
2030年也可能使全球总产量增长约13万亿美元,并推动全球GDP每年增长约1.2%,
其作用堪比19世纪蒸汽动力、20世纪工业制造和21世纪初信息技术对世界经济的影
响,人工智能将成为数字智能时代的全新生产要素,加速助力全行业转型升级。
人工智能进入规模工程应用与行业价值释放阶段,推动产业赋能进入黄金十年。
Gartner 发布 2022 年重要战略科技趋势中,“AI Engineering( 人工智能工程化 )”
连续两年成为关键词之一,预计到 2025 年,落实 AI 工程化最佳实践的企业会比未落
实类似实践的企业创造至少三倍的价值。在人工智能工程化浪潮中,技术能力提升、
应用成本下降、场景覆盖增强和治理规则完善成为主要动力支柱,推动“人工智能 +
产业赋能”进入黄金十年:一是技术能力加速迭代提升,图像识别、机器翻译等技术
的理论准确率不断逼近极限,较高难度场景的语言理解、图文生成、知识问答等任务
也在逐步接近或超越人类水平,如谷歌 ST-MoE 模型在语言理解 SuperGLUE 上的
得分达到 91.2,超越人类水平;斯坦福问答数据集 SQuAD 中,AI 最新得分为 95.7,
同样超过人类表现。随着推理理解等高阶认知任务逐步成熟,将带来更佳应用体验、
更多赋能场景。二是 AI 技术的应用成本快速下降,以图像分类为例,自 2018 年以来,
训练图像分类系统的成本降低了 63.6%,而训练时间加速了 94.4%,业内不断涌现出
更加贴近场景需求、低应用成本的服务平台形态,带动工程应用的普及渗透。三是人
工智能开始逐步深入解决细分领域长尾场景,借助领域知识图谱、行业研发平台等技
术和工具创新,AI 行业渗透更加注重融合深度,致力于解决专业细分领域应用痛点问
(一)人工智能处于工程化应用历史性机遇期
一、开启产业赋能黄金十年
3
题,赋能呈现全局化、精细化、深层次特点,以科学计算领域为例,飞桨框架在编程
接口方面提供了傅里叶变换、线性代数计算等相关 50 多个 API,可以更好支持量子
计算、生命科学、计算流体力学、分子动力学等学术应用。四是人工智能治理体系加
速完善,斯坦福大学对全球 25 个主要国家的 AI 立法监测显示,AI 领域通过的法案
数量从 2016 年的 1 项增长到 2021 年的 18 项,创下历史新高,人工智能治理体系的
加速健全为 AI 技术大规模应用推广奠定坚实基础。伴随着技术、产业、政策等各方
环境逐步成熟,人工智能已跨过技术理论积累和工具平台构建的发力储备期,开始步
入以规模应用与价值释放为目标的产业赋能黄金十年。
(一)人工智能处于工程化应用历史性机遇期
(二)深挖深度学习技术潜力是发展主旋律,规模化应用面临多元挑战
图1 人工智能进入产业赋能黄金十年
视觉、语音、语义......
......
工程应用前提
前沿探索与技术能力积累
人脸
识别
自然语
言处理
语音
识别
目标
检测
构建工具平台
深度学习平台涌现
规模应用与价值释放
行业应用走深拓广
工业
产品
质检
仓储
物流
设备
检修
环保
政务
金融
交通
自动
驾驶
辅助
驾驶
交通
调度
医疗
药物
研发
健康
管理
医疗
影像
......
产业赋能黄金十年建立平台化赋能工具聚焦基础技术突破
深度学习仍是本轮人工智能发展的主导路线,深挖技术潜力成为主旋律。深度学
习技术及背后蕴藏的思维方式,已成为人工智能技术从业者、项目管理者、战略规划
决策者必备的基础能力和认知方式。深度学习作为本轮人工智能兴起和繁荣的引擎,
无论从AI技术发展还是产业应用来说,都处于核心位置。近期新算法聚焦提升数据的
质量与模型参数规模,深挖现有技术路径发展潜力,通过大规模预训练模型、自主生
成数据、依托知识图谱常识关系、利用多源数据等方式弥补深度学习在通用泛化性、
小数据、可解释性、自主学习能力等方面局限性,不断提升解决问题的水平和深度,
引领产业创新发展和结构升级。如谷歌提出基于预训练模型微调的方法Model
Soup,将ImageNet准确度刷新到90.94%的新高度;百度联合鹏城实验室推出的知
识增强模型“鹏城-百度·文心”,已在60余项任务上取得业界最好效果。
4
(一)人工智能处于工程化应用历史性机遇期
(三)平台化生态布局成为业界共识
深度学习技术红利向生产能力实质性转化成为关键,规模化应用仍面临多方挑
战。随着技术水平的不断成熟,人工智能正在向更多的行业领域渗透,技术能力的行
业价值变现成为主旋律。制造、物流、农业、医疗等传统行业集群开始享受人工智能
发展带来的技术红利,纷纷提出AI时代的行业转型升级目标和路径。然而,行业数字
化、智能化转型作为一项基础性、系统性、持续性工程,是一个循序渐进、不断摸索
的过程,人工智能在行业的规模化应用仍面临知识、工具、数据等多方挑战:知识层
面,诸多传统行业在数十年发展过程中沉淀形成的经验知识,是企业核心价值的载
体,但难以通过格式化、规范化数据表征,进而无法训练出契合场景需求的算法模
型,构筑行业知识壁垒;工具层面,目前市场上的方案多是通用型解决方案,无法满
足企业、行业的专业化、个性化、一体化需求,缺少成熟、可信赖的集约式转型赋能
工具平台;数据层面,受限于数据的规模、种类以及质量,目前多数企业对数据的应
用还处于起步阶段,主要集中在精准营销、舆情感知和风险控制等有限场景,未能从
核心业务转型角度开展应用融合,难以更好挖掘数据资产的潜在价值。
以科技巨头引领的平台化生态布局不断加速,对AI底层基础设施提出更高要求。
当前,人工智能领域头部厂商纷纷从自身优势能力出发,围绕行业应用探索部署一系
列软硬件工具,整合形成平台化生态布局,巩固其在人工智能时代的领导地位,典型
代表如谷歌、百度等互联网头部厂商基于先进算法和技术优势布局开源框架,并以此
为基础上下延伸构建智能生态平台体系。平台化生态布局战略能够壮大开发者社区及
产业合作伙伴规模,但也对AI底层基础设施提出新挑战、新要求:
一是框架、算法、数据、算力的技术生产全栈布局是平台化生态布局的核心。
“高效算力支撑+成熟开发框架+行业平台工具”是绝大多数需求侧企业智能化升级的
标配和技术选型依据,并已成为业界共识,驱使AI能力供给侧企业进一步整合框架、
算法、数据、算力资源,旨在提供便捷易用的整体解决方案。二是框架核心枢纽作用
愈发凸显,与上层应用和底层硬件进行双向整合。人工智能时代,深度学习框架有着
对应用接口和硬件适配的双向主导权,起到承上启下的作用,地位类比“人工智能时
剩余24页未读,继续阅读
资源评论
每天读点书学堂
- 粉丝: 93
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功