AI框架技术演进 AI框架的六大技术趋势

(一) AI 框架演进步入深化阶段

AI 框架的发展大致可以分为四个阶段，分别为萌芽阶段（2000 年初期）、成长阶段（2012~2014 年）、稳定阶段（2015 年~2019 年）、深化阶段（2020 年以后）。其发展脉络与人工智能，特别是神经网络技术的异峰突起有非常紧密的联系。

萌芽阶段：AI 框架并不完善，开发者不得不进行大量基础的工作，例如手写反向传播、搭建网络结构、自行设计优化器等。

成长阶段：出现了 Caffe、Chainer 和 Theano 等具有代表性的早期 AI 框架，帮助开发者方便地建立复杂的深度神经网络模型，如 CNN、RNN、LSTM 等。不仅如此，这些框架还支持多 GPU 训练，让开展更大、更深的模型训练成为可能。

经过激烈的竞争后，最终形成了两大阵营，TensorFlow 和PyTorch 双头垄断。2019 年，Chainer 团队将他们的开发工作转移到PyTorch；Microsoft 停止了 CNTK 框架的积极开发，部分团队成员转而支持 PyTorch；Keras 被 TensorFlow 收编，并在 TensorFlow2.0版本中成为其高级 API 之一。

深化阶段：AI 框架正向着全场景支持、超大规模AI、安全可信等技术特性深化探索，不断实现新的突破。

(二) AI 框架技术演化出三个层次

根据技术所处环节及定位，当前主流 AI 框架的核心技术可分为基础层、组件层和生态层。

白皮书涵盖AI框架的概念内涵、演进历程、技术体系，通过梳理总结当前AI框架发展现状，研判AI框架技术发展趋势，并对AI框架发展提出展望与路径建议。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
 编辑：黄飞