百度王海峯：軟硬協同共推深度學習標準化、自動化、模塊化

“深度學習開發與產業應用是一個複雜系統，百度開源開放了自主研發的飛槳平台，我們期待與軟硬件領域各界一道，更好地把深度學習技術標準化、自動化和模塊化，促進產業智能化，為更美好的智能時代貢獻中國力量。”10月17日，在由百度主辦的2019年中關村論壇 ·  AI時代的深度學習技術與應用創新論壇上，百度首席技術官、深度學習技術及應用國家工程實驗室主任王海峯表示。

業內人士分析稱，深度學習是近年來人工智能發展最迅猛的領域之一。在算力、數據、算法三架馬車的有力驅動下，深度學習以勢如破竹之勢在語音識別、機器視覺、自然語言處理等一個個經典的人工智能問題上取得實質性進展，由此AI走進了真實應用場景，開始發揮出真正的價值。

在此次論壇中，深度學習共性技術平台、芯片為代表的算力領域正是國內外學者及企業談及最多的兩大方向，這也是深度學習大規模產業化過程中兩道重要的基礎關。

現場，百度AI技術平台體系執行總監，深度學習技術及應用國家工程實驗室副主任吳甜介紹了百度飛槳平台及其產業實踐。在全球開源框架陣列裏，飛槳是中國首個也是目前國內唯一開源開放、功能完備的產業級平台。截止目前，飛槳平台已累計服務150多萬開發者，僅在定製化訓練平台上就有超過6.5萬企業用户，發佈了16.9萬個模型。此外吳甜還發布了《百度大腦AI技術成果白皮書》，向業界全面展示了百度大腦在過去一年裏的技術演進。

而在算力方向，隨着產業智能化的不斷推進，目前深度學習模型，尤其是工業級模型的網絡結構越來越複雜，對大規模深度學習計算的需求激增。以色列理工學院人工智能中心主任Assaf Schuster從算法層面分享了AI高性能計算的前沿基礎研究。在硬件領域，專為AI工作負載設計，與軟件協同構建的定製高性能芯片及機器總在各大發佈會中被廣泛熱議。

英特爾AI產品集團深度學習多芯片性能架構師Karthikeyan Vaidyanathan介紹了英特爾Nervana神經網絡訓練處理器(NNP-T)。這款與百度合作開發的處理器可以加速大規模分佈式訓練，AI訓練方面比同類產品要強上最多10 倍。作為國內知名智能芯片領域先行者，北京中科寒武紀副總裁劉道福分享了智能處理器設計方面寒武紀的獨特思路。除了端側芯片外，浪潮集團AI首席架構師張清分享了服務器視角下深度學習計算優化與應用實踐，他表示提高計算系統性能與效率需從系統的角度綜合考慮，訓練與推理平台與算法、應用場景的Co-Design。

而在數據層面，聯想研究院人工智能實驗室總監師忠超強調了產業落地過程中行業知識的重要性。師忠超表示，聯想人工智能聚焦智能物聯網、傳統IT向智能基礎設施轉型、行業智能這三大方向，未來人工智能一定是從實際應用中獲得需求，結合數據，算法以及行業knowhow(知識、經驗、流程)，打造智能垂直行業解決方案。