我国在机器人领域将在2025年引领未来

新一代人工智能技术的发展，离不的两大基础是：芯片、深度学习框架，随着中国科研创新能力的提升，这两方面技术取得了大量的突破。

当然，这也是一种技术封锁的倒逼，去年出现的华为芯片供应链被全面封锁，和工科神器MATLAB被禁事件，这两件事情加起来，迫使我国要从基础架构平台到应用系统等，全方位建设自主知识的优秀产品。

01

发 展

作为人工智能的核心技术，深度学习来说，无论是学术领域、还是工业领域，均发挥着十分重要的作用。

过去十年，深度学习领域涌现了大量算法和应用。在这些深度学习算法和应用涌现的背后，是各种各样的深度学习工具和框架。TensorFlow 和 PyTorch 等深度学习框架是机器学习革命的脚手架，它们的广发使用，使得许多从业者能够使用适合领域特定编程语言，和丰富构建模块，以便于更容易地组装模型。

回顾深度学习框架的演变，深度学习框架和深度学习算法之间的紧密耦合关，让我们知道了这种，互依赖良性循环，推动了深度学习框架和工具的快速发展。

02

趋 势

我们正在处于一场人工智能革命的黎明，人工智能领域的新研究和应用框架，正在以前所未有的速度涌现。

八、九年前的AlexNet 网络，只包含了大概6000 万个参数，而 GPT-3 网络竟然包含了 1750 亿参数，网络规模在短短不到十年的时间，迅猛增加了 3000 倍。但我们要知道，人类的大脑包含了100万亿个突触，也就相当于100万亿参数。所以，神经网络要达到人类的智能水平还有很大的差距。

这种难以接受的网络规模，对现有的模型训练和推理的硬件、软件计算效率都提出了很大的挑战。未来的深度学习框架很可能是算法、高性能计算、硬件加速器和分布式系统的跨学科成果。

03

挑 战

然而，对于深度学习相关的初学者，还是对于已经从事相关工作的算法工程师来说，深度学习理论太难学，开发过程太复杂，又将许多人拒之于深度学习的门外。

而大厂等一线企业在这方面的需求也是迫在眉睫，阿里云也正式开深，是业界首个面向NLP场景的深度迁移学习框架。人才渴求之大，人才缺口异常严峻。

04

机 遇

那么，作为我们学习深度学习的时候，究竟是学哪个框架呢？是学PyTorch、还是学Tensorflow、再或者是学Keras呢？其实，对于这样的问题，基于现在的形势下，你就不要把着眼点放在这些工具的使用上了，重要的是要知道它的原理。