IDC公布中国深度学习市场综合份额:百度超越Facebook位列第二
2020-12-25 16:12:08爱云资讯阅读量:638
近日,权威数据调研机构IDC公布了2020年下半年深度学习框架平台市场份额报告。数据显示,在中国深度学习平台市场综合份额中,Google、百度、Facebook稳居前三,占据70%以上市场份额。其中,百度占比提升3.38%增速第一,综合市场份额位列第二,与位列第一的Google几乎持平。
近年来,深度学习开源平台正在成为中国各行各业迅速布局AI的重要选择。从2018年起,IDC启动深度学习及机器学习平台评估研究,旨在洞悉行业趋势并为开源技术使用者提供参考和借鉴。在今年11月进行的IDC中国智能开发者调研中,超7成受访者使用开源的深度学习框架,自己训练算法模型;在用户认知度方面,TensorFlow、Caffe2/Pytorch、飞桨(PaddlePadlle)稳居前三,飞桨增长趋势明显。在机器学习平台方面,百度EasyDL的用户认知度最高,也是受访者使用频率最高的平台。
AI时代,深度学习平台处于承上启下的核心位置,相当于“智能时代的操作系统”,开源框架的繁荣极大地驱动了深度学习的落地。百度CTO王海峰认为,开源开放是驱动技术创新和加速产业发展的核心动能,在以深度学习为代表的人工智能发展浪潮中,产业界已经成为驱动开源开放的重要力量,而成熟的开源开放技术生态与开放平台,也正在推动社会各界加快融合发展。
飞桨是百度自主研发的我国首个开源开放、功能完备的产业级深度学习平台,经过多次迭代升级,具备开发便捷的深度学习框架、超大规模深度学习模型训练技术、多端多平台部署的高性能推理引擎、产业及开源模型库四大领先优势。飞桨持续推动了国内AI技术创新、生态建设和产业发展进程。在日前举行的Wave Summit+ 2020深度学习开发者峰会中,王海峰表示,飞桨正在与软硬件合作伙伴一起,加速适配,并将最新成果及时开源开放,提升产业开发者在不同硬件平台上的创新和开发效率。
随着如飞桨等开源项目的成熟,国内企业部署基于开源框架的人工智能系统日益深入。报告显示,从行业渗透率来看,位列前三位的深度学习框架目前在互联网、IT服务、教育行业渗透率较高,飞桨的行业分布相对均匀。在选择开源框架时,易用性、灵活性、丰富度、训练速度、活跃度依旧是重要考虑因素,与此同时,模型训练好之后上线部署能力也成为重要关注点。
IDC认为,国产化浪潮带动了以百度为首的国产框架,也强化了开发者对国产框架的信念。近日,在Wave Summit+ 2020深度学习开发者峰会上,百度飞桨更是宣布八大全新发布与升级,推出生物计算平台PaddleHelix螺旋桨、更加便捷的飞桨开源框架2.0 RC版、端云协同的AI集成开发环境BML CodeLab、支持更强大分布式训练的业界首个通用异构参数服务器架构,开源算法库增至200+。
底层技术的不断迭代也在强化飞桨企业版的服务能力。飞桨企业版拥有零门槛AI开发平台EasyDL和全功能AI开发平台BML,分别针对AI应用开发者和AI算法开发者提供极致开发体验。飞桨企业版发布、升级了两大亮点功能:全新AI集成开发环境和智能数据服务平台。基于飞桨产品、技术、生态的全面积累,百度还发布了面向核心开发者的“领航”、面向人才培养的“启航”和面向产业智能化升级的“护航”三个部分的“大航海”计划。飞桨旨在搭建全方位的生态体系,为开发者、企业提供更强大、便捷、易用的深度学习平台支持。
截至目前,百度飞桨已经凝聚了265万开发者,服务10万多家企业,覆盖金融、交通、物流等数十个行业,基于飞桨平台创造了超过34万个模型。秉持开源开放、技术创新,产学研用通力融合,飞桨实现了在产业应用、人才培养、开源社区等方面的全面繁荣。
飞桨是扎根中国、面向中国企业的深度学习开源平台,飞桨的技术突破、服务生态以及落地能力正在各行各业显现,逐渐成为承载中国企业 AI 发展以及产业转型的重要部分。科技自立自强是构建新发展格局的根本支撑,百度等国内领先企业正在用AI核心技术向世界证明中国人工智能的研发创新能力和底气。
相关文章
- 神州鲲泰亮相WAVE SUMMIT深度学习开发者大会2024,以智能算力搭配大模型推动产业数智化变革
- 深度学习——制造业的未来已来
- 打造跨界交流与深度学习平台,腾讯南山学堂正式开班
- 微美全息推出基于无监督波场深度学习的声学全息图重建技术
- 微美全息构建基于深度学习的多视图混合推荐模型,提供精准和个性化服务
- 微美全息探索基于深度学习的多视图点云重建算法的技术创新与应用
- 微美全息布局基于深度学习的非线性全息图像修复技术,提升全息图像的可视化效果
- 数链科技应邀出席WAVE SUMMIT 2023深度学习开发者大会并做主题分享
- 微美全息开发基于深度学习SLAM算法技术,驶向数字时代的前沿探索
- 全息数字重建进入新纪元,微美全息开发基于深度学习的全息重建网络
- 微美全息开发基于深度学习的个性化视频推荐技术
- 微美全息开发基于多模态深度学习技术优化视频个性化推荐系统
- 微美全息研究基于深度学习和图像融合的边缘检测算法,推动图像处理技术变革
- 微美全息开发基于深度学习的3D计算机生成全息图技术
- 微美全息基于深度学习和神经网络开发高效的计算机生成全息技术
- AI进入“深度学习+”阶段 加速产业智能化升级