預(yù)見2023：《2023年中國(guó)AI框架行業(yè)全景圖譜》(附市場(chǎng)現(xiàn)狀、競(jìng)爭(zhēng)格局和發(fā)展趨勢(shì)等)

行業(yè)發(fā)展歷程：AI框架處于深化階段

結(jié)合人工智能的發(fā)展歷程和AI框架的技術(shù)特性來看，AI框架的發(fā)展大致可以分為四個(gè)階段，分別為萌芽階段(2000年初期)、成長(zhǎng)階段(2012~2014年)、穩(wěn)定階段(2015年~2019年)、深化階段(2020年以后)。其發(fā)展脈絡(luò)與人工智能，特別是神經(jīng)網(wǎng)絡(luò)技術(shù)的異峰突起有非常緊密的聯(lián)系。

在萌芽階段，AI框架并不完善，開發(fā)者不得不進(jìn)行大量基礎(chǔ)的工作，例如手寫反向傳播、搭建網(wǎng)絡(luò)結(jié)構(gòu)、自行設(shè)計(jì)優(yōu)化器等;在成長(zhǎng)階段，AI框架體系已經(jīng)初步形成，聲明式風(fēng)格和命令式風(fēng)格為之后的AI框架趟出了兩條不同的發(fā)展道路;在穩(wěn)定階段，AI框架迎來了繁榮，而在不斷發(fā)展的基礎(chǔ)上，各種框架不斷迭代，也被開發(fā)者自然選擇。

如今正處于AI框架的深化階段，隨著人工智能的進(jìn)一步發(fā)展，新的趨勢(shì)不斷涌現(xiàn)，例如超大規(guī)模模型的出現(xiàn)(GPT-3等)，向AI框架提出了更高的要求。隨著人工智能應(yīng)用場(chǎng)景的擴(kuò)展以及與更多領(lǐng)域交叉融合進(jìn)程的加快，越來越多的需求被提出，如對(duì)全場(chǎng)景多任務(wù)的支持、對(duì)高算力的需求等，這就要求AI框架最大化的實(shí)現(xiàn)編譯優(yōu)化，更好地利用算力、調(diào)動(dòng)算力，充分發(fā)揮硬件資源的潛力。此外，人工智能與社會(huì)倫理的痛點(diǎn)問題也促使可信賴人工智能在框架層面的進(jìn)步?；谝陨媳尘?，現(xiàn)有的流行框架都在探索下一代AI框架的發(fā)展方向，如2020年華為推出昇思MindSpore，在全場(chǎng)景協(xié)同、可信賴方面有一定的突破;曠視推出天元MegEngine，在訓(xùn)練推理一體化方面深度布局。在這一階段，AI框架正向著全場(chǎng)景支持、超大規(guī)模AI、安全可信等技術(shù)特性深化探索，不斷實(shí)現(xiàn)新的突破。

行業(yè)政策背景：重點(diǎn)建設(shè)人工智能統(tǒng)一計(jì)算框架平臺(tái)

2017年，國(guó)務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，提出建設(shè)布局人工智能創(chuàng)新平臺(tái)，強(qiáng)化對(duì)人工智能研發(fā)應(yīng)用的基礎(chǔ)支撐。其中，人工智能開源軟硬件基礎(chǔ)平臺(tái)重點(diǎn)建設(shè)支持知識(shí)推理、概率統(tǒng)計(jì)、深度學(xué)習(xí)等人工智能范式的統(tǒng)一計(jì)算框架平臺(tái)，形成促進(jìn)人工智能軟件、硬件和智能云之間相互協(xié)同的生態(tài)鏈。

行業(yè)發(fā)展現(xiàn)狀

1、供給主體：科技企業(yè)與高校成為兩大主力

科技企業(yè)與頂尖高校對(duì)AI框架的發(fā)展成熟貢獻(xiàn)最為活躍。數(shù)字科技企業(yè)巨頭與頂尖高校是AI框架發(fā)展壯大的主體維護(hù)力量，打造技術(shù)產(chǎn)業(yè)生態(tài)、營(yíng)造學(xué)術(shù)創(chuàng)新氛圍，是兩大主體的源動(dòng)力。個(gè)人及開源組織也扮演著重要的角色，是AI框架創(chuàng)新性、公益性的重要體現(xiàn)。

2、發(fā)展現(xiàn)狀：華為Mindspore發(fā)展?jié)摿^大

從全球主流AI框架在GitHub上的數(shù)據(jù)情況來看，TensorFlow的各項(xiàng)指標(biāo)在AI框架中都是名列前茅的，并且和第二名的差距非常大，是全球目前活躍度最高、應(yīng)用最廣的AI框架。在排行榜中的第二名是PyTorch，近幾年在學(xué)術(shù)領(lǐng)域的表現(xiàn)比較亮眼，有很大的發(fā)展?jié)摿?，但總體而言，與TensorFlow有些差距，且在開源項(xiàng)目活躍程度上已被國(guó)內(nèi)華為研發(fā)的Mindspore趕超。

注：①查詢?nèi)掌跒?023年8月1日;②開源代碼提交的次數(shù)(Commits)表征開源項(xiàng)目活躍度;③代碼復(fù)刻、分叉(Fork)，表征開源項(xiàng)目被引用情況;④點(diǎn)贊數(shù)(Star)表征開源項(xiàng)目關(guān)注度;⑤貢獻(xiàn)者(Contributors)表征開源項(xiàng)目貢獻(xiàn)者規(guī)模。

3、核心技術(shù)：基礎(chǔ)層、組件層和生態(tài)層

根據(jù)技術(shù)所處環(huán)節(jié)及定位，當(dāng)前主流AI框架的核心技術(shù)可分為基礎(chǔ)層、組件層和生態(tài)層。

基礎(chǔ)層實(shí)現(xiàn)AI框架最基礎(chǔ)核心的功能，具體包括編程開發(fā)、編譯優(yōu)化以及硬件使能三個(gè)子層。編程開發(fā)層是開發(fā)者與AI框架互動(dòng)的窗口，為開發(fā)者提供構(gòu)建AI模型的API接口。編譯優(yōu)化層是AI框架的關(guān)鍵部分，負(fù)責(zé)完成AI模型的編譯優(yōu)化并調(diào)度硬件資源完成計(jì)算。硬件使能層是AI框架與AI算力硬件對(duì)接的通道，幫助開發(fā)者屏蔽底層硬件技術(shù)細(xì)節(jié)。

組件層主要提供AI模型生命周期的可配置高階功能組件，實(shí)現(xiàn)細(xì)分領(lǐng)域性能的優(yōu)化提升，包括編譯優(yōu)化組件、科學(xué)計(jì)算組件、安全可信組件、工具組件等，對(duì)人工智能模型開發(fā)人員可見。

生態(tài)層主要面向應(yīng)用服務(wù)，用以支持基于AI框架開發(fā)的各種人工智能模型的應(yīng)用、維護(hù)和改進(jìn)，對(duì)于開發(fā)人員和應(yīng)用人員均可見。

行業(yè)競(jìng)爭(zhēng)格局