為什麼説 AI 標準化和規模化應用來臨？

袁進輝

一流科技 CEO & 創始人，兼任之江實驗室天樞開源開放人工智能平台架構師、北京智源研究院大模型技術委員會委員。

近日，OSCHINA 和 Gitee 聯合發佈了《2022 中國開源開發者報告》。一流科技 CEO & 創始人袁進輝在報告中對開源 AI 領域進行了解讀，以下為原文。

開源吞噬軟件 1.0，“開源 AI ”運動也正在席捲以數據驅動編程為特點的軟件 2.0 時代。

從框架開源，數據集、算法開源，再到模型開源，開源極大推動了 AI 在技術、應用等方面的發展。比如，基於開源社區的孵化，2022 年最火熱的 Stable Diffusion 模型在不到兩個月的時間便流行開來，國內企業和研究機構也迅速跟進，比如 OneFlow 將 Stable Diffusion 的圖片生成速度加速到 1 秒以內，IDEA 和智源研究院分別發佈了中文版的 Stable Diffusion 和支持多種不同語言的 AltDiffusion。

更重要的是，開源模式使得 AI 標準化和規模化趨勢開始成型，從算法的標準化開始，帶來了軟件標準化的機會，而硬件、技術平台、最佳實踐也在標準化。

在 AI 算法模型方面，數據驅動人工智能的算法統一為神經網絡，完成了算法的標準化。其中，Transformer 的發展呈現了統一深度學習算法的苗頭，而依靠 Transformers 庫起家的 HuggingFace 平台已發佈超 10 萬個開源預訓練模型，大大降低了用户使用門檻，而當 AI 模型足夠多時會進一步標準化，進而推動 AI 產業化進程。

在開源深度學習框架層面，API 接口正在標準化。其他框架的 API 設計都在學習 PyTorch。而在分佈式編程方面，PyTorch 等其他框架的分佈式編程接口也參考了 OneFlow 的 Global Tensor、SBP 的設計思路，這也彰顯了國產框架的創新性和影響力。

硬件層面，雖然芯片市場打得如火如荼，但 API 設計層面也越來越類似。多數硬件廠商 API 的設計會參考英偉達的軟件接口。圖編譯器層面也有一些通用組件出現，比如 MLIR，越來越多項目開始基於 MLIR 來構建深度學習編譯器。

隨着深度學習框架和硬件在內的基礎設施的標準化，基礎平台方面已經出現了 K8S、Docker 這些越來越標準化的解法，有的企業需要彈性擴容，有的需要私有云部署，有的需要擴容到公有云等，這需要多雲的支持。通過提煉最佳實踐提煉，形成了 MLOps 產品，而這正是工作流程標準化和平台標準化的體現，這也是今年 AI 領域最熱門的趨勢之一。

開源打破了很多技術壁壘，從框架開源到模型開源，必將進一步推動軟件 2.0 時代 AI 技術的普惠化。未來，任何一家傳統企業即使沒有專業的 AI 科學家，藉助這些開源工具和模型也能獲得 AI 的能力。