InfoQ研究中心：中国开源生态图谱2022-人工智能领域（25页）.pdf

1、1中国开源生态系列图谱人工智能领域目录生态图谱解读01生态图谱厂商洞察02生态图谱解读人工智能项目开源基金会开源产业联盟代码托管平台开发者社区AI算法模型（库）AI引擎/框架数据集实验室/研究院机器学习/深度学习平台&数据库4定义&分类：AI框架是人工智能基础软件的核心，在整个人工智能体系中起着“承上启下”的作用。AI框架向下调用底层硬件计算资源，为算法模型生成、训练和推理部署提供良好的硬件性能基础，向上承接AI算法模型搭建，支撑AI工程和产业应用。板块特征：人工智能框架类开源项目AI引擎/框架01壁垒高AI框架的构建需要时间、资金和AI底层技术人才，包括AI算法、编译体系、通讯原理、硬件结构

2、、API体系等，包括运维和部署02产研应用国产开源AI框架在赋能产业应用和科学研究中发挥着越来越重要的作用。03生态发展框架与硬件、开发语言、开发环境以及软件之间的协同、工具组件以及产业应用的配套发展，包括相关人才的培养都是开源AI框架项目需要重点考虑的因素5人工智能框架类开源项目发起机构分布：AI框架开源项目发起机构集中在科技厂商与高校科研院所两大类。其中科技厂商前期主要满足自身广泛的AI应用需求，后期逐渐向外拓展服务，如华为MindSpore、百度PaddlePaddle、腾讯TNN、阿里MNN、字节跳动BytePS以及小米Mace等。值得关注的是，近年来，高校科研院所开始逐渐重视AI框架

3、的研发，但在开源后的资源维护和产业应用拓展模式上，国内高校科研院所仍在探索中，如清华大学发起的计图（Jittor）。AI引擎/框架6更可用更易用更安全更高效价值追求人工智能算法模型类开源项目发展特征：为了解决之前AI模型的扩展性和通用性不高，以及依赖人工数据标注和标注数据量的问题，基础模型/大规模预训练模型提出了一种基于自监督学习的“预训练大模型+下游任务微调”的可行方案。这种模型可以在少量标注数据的基础上，通过大量未标注数据中进行大规模训练，从而迅速挖掘大量领域知识。然后经过少量小参数的微调(delta-tuning)，快速适配大模型下游任务。近年来，盘古、孟子、文心、哪吒、M6-OFA、P

4、LUG等预训练大模型通过开源项目不断累积，获得了行业内积极的认可。同时也有大模型开源项目开始尝试商业拓展，探索模型即服务（MaaS）的模式。AI算法模型（库）机器学习/深度学习平台&数据库7人工智能算法模型类开源项目发起机构分布：AI算法模型类项目发起机构集中在科技厂商与科研院所两大类，两者的开源路线有所不同。科技厂商在开源算法和模型类项目均有布局，如腾讯同时开源DBG算法和MedicalNet模型。而伴随着对预训练大模型的价值认同，科研院所开始主要参与预训练大模型开源项目的建设，同时也存在科技厂商与科研院所联合开发模型类开源项目的情况，例如华为和鹏城实验室联合开发的鹏城.盘古等。AI算法模型

5、（库）机器学习/深度学习平台&数据库8能力泛化O1预训练大模型+下游任务微调能够一定程度上摆脱传统AI能力碎片化的束缚。模态融合O2能够集成自然语言处理、计算机视觉等多个AI领域的多项技术，实现多种模态（文本、图像等）数据融合应用底座O3下游任务微调使得AI可以在小范围调整后有效支撑不同场景的落地。价值追求人工智能平台类开源项目9定义：机器学习/深度学习平台是集成了硬件资源，计算框架、存储、数据及模型管理、资源调度等功能，覆盖模型开发、训练、推理及部署全流程的综合平台。特征：机器学习/深度学习平台开源项目通常在计算框架外开源各类官方工具组件。同时，在开源版本外，往往会设立商用平台进行商业拓展，

6、例如百度开源PaddlePaddle飞桨平台与商用开发平台EasyDL。机器学习/深度学习平台&数据库AI算法模型（库）人工智能平台类开源项目10发起机构分布：AI平台类开源项目发起机构集中在科技厂商与高校科研院所两大类。科技厂商出于后续商业化的目的，在算力资源、开发组件等生态建设方面较为完善。发展路线有两种，主要以AI框架项目作为基础，拓展平台类开源项目，如飞桨PaddlePaddle与昇思MindSpore；也存在立足算法模型项目拓展平台类项目的路线，如Alink。高校科研院所虽然存在项目开源项目，如之江天枢，但在社区活跃度方面，仍有较大提升空间。易用性提供各类官方工具组件、模型库灵活性通