如今，开源已成为推动全球AI技术创新的重要驱动力，无论是硬件、软件、操作系统还是算法，都在积极拥抱开源。  

作为新一轮产业变革的核心驱动力量，人工智能技术的开源及生态发展备受产业关注。9月24日，以“开源共享·融金服产”为主题的2021中关村论坛开源创新发展论坛在北京中关村举办。  

旷视联合创始人兼资深副总裁杨沐在论坛上表示，回顾过去十年AI技术的发展，我们基本在回答3个问题，AI有没有用，AI在哪里用，以及AI易不易用。现阶段，想让AI发挥更大的价值，更需要让AI好用、易用。AI基础设施的建设能够有效降低AI算法生产门槛，让AI变得越来越易用，走向更多实业。  

中关村论坛期间，杨沐接受了新京报贝壳财经记者的采访，他表示，在过去十年中，人工智能技术取得了很大的发展，如今已经开始融入到各行各业中，助力传统行业实现数字化转型和智能化升级。  

AI的应用场景将从学术研究为主向应用落地为主转变  

“现阶段，AI算法逐渐成熟，AI的应用场景将从学术研究为主向应用落地为主进行转变，想让AI发挥更大的价值，我们需要让AI好用、易用。”杨沐在论坛采访中表示，落地应用的过程中，我们发现AI算法的供给是远远不足的，当前大量算法生产过程还是非标准化的，因为非标准化所以算法生产过程充满不确定性，而生产落地实用算法的过程只有先标准化，才能自动化，才能更进一步实现规模化的普惠易用。  

同时，AI基础设施建设最重要的莫过于深度学习框架。杨沐在论坛采访中表示，深度学习框架上承应用、下接芯片，不夸张地说，它对于人工智能的意义，就像Windows之于PC，安卓之于智能手机。此前IDC的调研显示，目前86.2%的企业和开发者选择使用开源深度学习框架。近年，中国科技创新的背景下，中国AI企业纷纷开源自主研发的AI框架，构筑中国AI产业的核心竞争力。  

国内外框架演进将百花齐放，中国也成为全球开源体系的重要力量  

“每个AI开源框架都各有所长，一个框架很难满足所有企业和开发者的全部需求。即便国外最早启动的几家大企业，他们的框架已经有了很好的生态起步优势也无法做到面面俱到。”杨沐直言，国内外框架演进在接下来一段时间内依然会呈现百花齐放的趋势，并且开源的深度学习框架变多，大家也可以相互学习对方的长处。  

他还提到，过去几年，国内的开源环境取得了很大的发展，中国已经成为全球开源体系的重要力量。据不完全统计，我国开发者开发贡献代码的数量在全球的比重已占40%左右。  

值得注意的是，对于国内的开源框架企业而言，既需要补充生态上的硬实力，也需要找到差异化的技术竞争点，充分结合我国国情和国产硬件，发挥好自身的技术优势和更好的生态洞察力。  

工业和信息化部人才交流中心发布的《人工智能产业人才发展报告（2019~2020年版）》显示，预计我国人工智能产业内有效人才缺口达30万，研发人员稀缺，杨沐认为，企业应通过一系列产学研合作，为社会培养和输送符合市场需求的AI人才。“我们通过开源竞赛、培训、高校课程合作等方式，不断完善我们的开发者支持体系，助力开发者实现深度学习、简单开发，同时我们在框架上通过差异化的技术来降低AI实际生产的门槛，让更多现有的产业内开发者可以顺利转型为AI开发者”。  

以下为部分采访实录：  

新京报贝壳财经：随着国内AI行业和自研AI技术的发展，国内的AI公司纷纷开源自主研发的AI框架，助力我国AI基础设施的建设，你认为我国目前AI基础设施的建设处在何种发展阶段？如何加强我国AI基础设施的建设？  

杨沐：回顾过去十年AI技术的发展过程，基本在回答3个问题，AI有没有用，AI在哪里用以及AI易不易用。在2011年、2012年的时候，深度学习刚刚崭露头角。这个时候大家要回答的问题是以机器学习为代表的AI到底是不是比以前好很多，到底能不能带来很大的价值，是不是有用。  

从2015年起，我们看到了逐渐成熟的AI技术走出实验室，切实帮助人们解决现实问题。而现在，AI也已经开始融入到各行各业中，助力传统行业实现数字化转型和智能化升级。  

新京报贝壳财经：那么，现阶段应该如何加强我国AI基础设施的建设？  

杨沐：现阶段，AI算法逐渐成熟，AI的应用场景将从学术研究为主向应用落地为主转变，想让AI发挥更大的价值，我们需要让AI好用、易用。而人工智能基础设施的建设能够有效降低AI算法生产门槛，让AI变得越来越易用。在AI落地应用的过程中，我们发现AI算法的供给是远远不足的，当前大量算法生产过程还是非标准化的，所以算法生产过程充满不确定性，而生产落地实用算法的过程只有先标准化，才能自动化，才能更进一步实现规模化的普惠易用。  

新京报贝壳财经：当下AI开源框架已是群雄混战的局面，包括谷歌、Facebook、微软、亚马逊、百度、华为等都动作频频，科技创新企业该如何突出重围？  

杨沐：每个AI开源框架都各有所长，一个框架很难满足所有企业和开发者的全部需求。即便国外最早启动的几家大企业，它们的框架已经有了很好的生态起步优势也无法做到面面俱到。国内外框架演进在接下来一段时间内依然会呈现百花齐放的趋势，并且开源的深度学习框架变多，大家也可以相互学习对方的长处。  

对于国内的开源框架企业而言，既需要补充生态上的硬实力，也需要找到差异化的技术竞争点，充分结合我国国情和国产硬件，发挥好自身的技术优势和更好的生态洞察力。比如2021年上半年，结合我国AI科研环境以及显卡短缺情况，旷视天元成为在市场上首个支持自动动态图显存优化的开源框架，开发者只需要增加2行代码，即可在相同显存情况下，训练3倍大的模型并有效提升AI模型性能，从而帮助硬件资源有限的企业开发者和科研人员节省成本，用有限的硬件资源训练出更大的模型。  

新京报贝壳财经：工业和信息化部人才交流中心发布的《人工智能产业人才发展报告（2019~2020年版）》显示，预计我国人工智能产业内有效人才缺口达30万，研发人员稀缺，这对于开源生态建设是很大的挑战，该如何改变这一现状？  

杨沐：一方面应通过一系列产学研合作，为社会培养和输送符合市场需求的AI人才。例如旷视通过开源竞赛、培训、高校课程合作等方式，不断完善我们的开发者支持体系，助力开发者实现深度学习、简单开发。另一方面旷视也在框架上通过差异化的技术来降低AI实际生产的门槛，让更多现有的产业内开发者可以顺利转型为AI开发者。  

例如近期我们开源了MegFlow流式计算框架，提供了可快速完成AI应用部署的视觉解析服务方案。常规的AI算法交付流程一般分为模型训练、SDK封装、业务集成和交付验收四个步骤，冗长繁杂。MegFlow总结了旷视内部多年的AI应用工程落地经验，将资源、消息、任务等概念进行了清晰一致的抽象化，将冗长的算法交付流程简化为模型训练、业务集成及交付验收三步。AI应用开发者可以基于MegFlow提供的图像和视频解析服务，最快15分钟即可完成客制化所需功能，例如发票扫描、明火检测、电瓶车进电梯检测等。  

新京报贝壳财经：目前国内的开源项目还没有在全球范围内铺开，深度学习基石地位仍然绕不开国外巨头的牵制，国产厂商该如何破局？  

杨沐：过去几年，国内的开源环境取得了很大的发展。中国已经成为全球开源体系的重要力量。据不完全统计，我国开发者贡献代码的数量在全球的比重已在40%左右。但必须承认的是，我们的开源生态仍待完善，仍然有很长的路要走，开源生态培养需要坚持长期主义。