（本文阅读时间：5分钟）
近日，IDEA 研究院举办了“RE/IN 科技沙龙”第三期直播。IDEA 研究院认知计算与自然语言研究中心讲席科学家张家兴博士、微软亚洲研究院高级研究员、系统研究组负责人杨凡博士，以及 OneFlow 创始人袁进辉博士，从 AI 基础设施谈起，展望 AI 产业成熟。
以数据库产业的发展路径为例，人们为了不再做重复的文件系统开发，提出了关系型数据库。在关系型数据库成为标准产品后，又逐渐催生了分布式、云原生，并在其基础之上构建出各式场景服务。
AI 领域也正经历着这一专业化分工。上有落地应用和方案层，中层做标准化算法研究，底层含通用硬件如 GPU 和 AI 芯片等。在深度学习出现后，随着 AI 框架、工具链的发展，AI 软件层面也正在出现标准化趋势。
点击完整视频回放，看行业大咖探讨 AI 基础设施将如何助力 AI 产业发展！
通用计算从 CPU 发展到软件层面，走过了若干个十年，而深度学习出现后，其发展速度比通用计算快了有十倍以上。AI 技术栈分层中，起到支撑作用的是各类 AI 通用硬件以及开始标准化的软件。AI 基础设施经历了从以 Caffe 为代表的早期开发工具，到以 TensorFlow 为代表的、借鉴大数据设计理念的开发框架，再到以 PyTorch 为主流的、更加便利的框架发展。今天大模型横空出世，占据了各个领域的主流任务。
杨凡指出，随着通用学习模型越来越大，不可避免地会出现如何在分布式状态下去训练大模型的问题，带来了可用性和性能之间的矛盾。新的生态催生了新的框架需求，“比如 Oneflow 正在做的分布式，比如移动端和云端中间出现的新概念边缘计算。”他认为，“现在是一个 AI 的黄金时代，充满了机会和希望。”
AI 基础设施建设赋能普通人，开源则是实现 AI 技术普惠化的重要手段之一。“无论是模型开源还是框架开源，开源的首要目的都是把新技术用可复现、可检验的方式分享给公众，这是一件非常好的事情，它能让 AI 走进更多人的生活，”杨凡总结道。
本文经授权转载自公众号“IDEA数字经济研究院”。
你也许还想看：
继续阅读
阅读原文