輕量級人工智能生態亟待建立

許亞倩

日前，Google正式發布了輕量級人工智能算法框架TensorFlow Lite的開發者預覽版。該框架由Google的TensorFlow團隊開發，是廣為人知的算法框架TensorFlow面向移動設備和嵌入式設備的輕量級解決方案。該框架的最大功能特性是跨平臺、輕量級、快速，同時支持Android和iOS平臺，使開發人員能夠簡單快速地在移動設備上部署人工智能。該輕量級算法框架的開源，既是人工智能算法框架核心技術更新迭代的結果，也是Google面向物聯網智能化所作的提前布局。

輕量級算法框架發布背景

人工智能算法框架更新迭代迅速。人工智能算法框架是搭建人工智能系統的底層基礎，正是依托算法框架的更新迭代，人工智能的發展和應用迅速進入爆發期。以Google對算法框架研究為例，2011年推出了第一代人工智能系統DistBelief，其在海量未標注的YouTube視頻中，通過深度學習自行總結出了貓的特征，并在Google圖片中開創了圖片搜索功能。通過對DistBelief進行改造，Google于2015年底開源了第二代人工智能算法框架TensorFlow，其深度學習模型更加通用，系統的穩定性更高，迅速成為GitHub上最受歡迎的深度學習開源項目，著名的人工智能圍棋程序AlphaGo也是培育在TensorFlow的框架之上。而Google近期推出的TensorFlow Lite，是TensorFlow的移動版本，隨著它的成熟，它將成為在移動設備和嵌入式設備上部署模型的推薦解決方案。

輕量級人工智能算法框架進入布局階段。近幾年，隨著移動設備使用量的指數級增長，適用于移動終端和嵌入式設備的輕量級人工智能應用具有巨大的發展空間，研發布局輕量級算法框架勢在必行。目前輕量級算法框架在移動端的部署方式主要有兩種：一種是算法運算在服務端，結果展示在客戶端，優點是相對容易實現、開發成本低，但需要保證網絡通信暢通；另一種是完全在客戶端運行算法模型，無需網絡傳輸，能夠保證運行速度。第二種部署方式正逐漸成為主流。除Google的TensorFlow Lite，目前主流的輕量級算法框架還有蘋果的Core ML、Facebook的Caffe2、Torchnet、百度的mobile-deep-learning（MDL）。其中，百度的MDL于今年9月份在GitHub開源，支持iOS GPU的運行，在體積、功耗、速度等方面都表現良好，已被成功用于智能手機的圖片識別等應用。

由輕量級算法框架發展引發兩點思考

人工智能向物聯網領域擴展。物聯網是人工智能的重要應用場景之一，隨著大量聯網設備和智能終端設備的使用，物聯網對人工智能的需求日漸突出，智能物聯網必將成為人工智能的下一個熱門領域。Google此次發布的TensorFlow Lite正體現了Google關于智能物聯網的預見性和提早布局。具體說來， TensorFlow Lite的重要目標是將通用算法框架TensorFlow與Google的另一個開源利器Android終端系統進行整合。在Google的生態版圖中，Android是未來的物聯網設備內在系統，TensorFlow是業內標準的算法框架，兩者的整合有效地解決了智能物聯網終端設備對輕量級框架的運行效率需求。目前，智能物聯網還處于起步階段，對于我國人工智能的發展是一個不容錯過的機遇。

輕量級人工智能生態圈亟待建立。隨著輕量級人工智能算法框架的研發開源，輕量級的人工智能應用將在短期內落地，輕量級人工智能芯片、輕量級人工智能處理器、移動端人工智能服務、智能移動終端設備等產業都將隨之興起，成為鏈條內不可或缺的組成部分。由于人工智能具有市場大、壁壘強的特性，發展相應的輕量級人工智能產業鏈和生態圈將成為重點發展方向。人工智能龍頭企業也非常看重生態紅利，積極完善生態圈建設。例如，圍繞輕量級算法框架TensorFlow Lite，Google還研發了適用的第二代芯片Cloud TPU、圖像處理協處理器IPU、新一代的手機Pixel 2等，正是Google協調發展輕量級人工智能產業鏈、建設生態圈的舉措。我國企業如百度等，也應從輕量級算法框架入手，產業鏈條各環節協同發展，注重打造輕量級人工智能生態閉環，構建完整的人工智能生態。endprint