Brought to you by Informa Tech
目录
内容概要研究背景行业趋势关键发现行动倡议附录
本次中国人工智能框架市场调研报告由Omdia独立完成，以开发者问卷调查和专家深度访谈的方式进行市场调研。本次调研从人工智能框架使用者的角度出发，研究主流人工智能框架（TensorFlow、PyTorch、MindSpore 、PaddlePaddle、MXNet、Oneflow、Jittor等）的特点和能力，揭示主流人工智能框架厂商为中国人工智能开发者提供的技术支持和社区服务，探讨开发者与这些主流框架的交互方式和选择偏好，以及开发者对开源软件、人工智能框架、横向应用、底层硬件、开发者社区和产业生态等方面的看法。
内容概要
人工智能框架处于人工智能行业的核心地位
Omdia的调研显示, 人工智能开发者对人工智能框架的依赖程度非常高，人工智能框架在人工智能行业处于核心地位。几乎所有人工智能项目，包括商业和学术项目，都是建立在一个或多个开源框架之上，例如 TensorFlow、PyTorch、MindSpore 、PaddlePaddle等。
开发者选择人工智能框架的两大因素是易用性和性能
开发者选择人工智能框架最重要的因素是易用性，有40%的开发者将易用性作为选择框架的首选因素。第二重要因素是性能，有35%的开发者将性能作为选择框架的首选因素。人工智能开发者认为国际框架TensorFlow、PyTorch、JAX的易用性比较好，而在中国本土的框架中，昇思 MindSpore 和飞桨PaddlePaddle在易用性和性能这两个重要指标上被开发者高度认可。
人工智能开发者越来越关注“负责任的人工智能”
与开源软件遇到的问题类似，开发者在使用开源人工智能框架时，所担忧的依然是安全隐私等合规性问题。值得一提的是，在所有主流人工智能框架中，开发者认为TensorFlow 与MindSpore 对“负责任的人工智能”提供的支持最好，分别是第一与第二名。
主流人工智能框架在能力和特性方面各有侧重
在众多的人工智能框架中，有的用于端到端全生命周期开发和部署，比如TensorFlow、PyTorch、MindSpore 和PaddlePaddle。有的针对特定用途，比如JAX，开发者可以将JAX 用于科学计算等特定用途，而并不用作全生命周期开发部署平台。Omdia通过调研发现，中国人工智能开发者认为TensorFlow、PyTorch、MindSpore、PaddlePaddle等框架具备全方位能力，既能够提供特定的能力（如开发大模型，进行科学计算），又能实现全生命周期的开发（即端到端开发，从训练到部署）。其中，Pytorch提供了便捷灵活的动态图执行模式和调试能力、TensorFlow在生产模型部署上具备领先优势，PaddlePaddle提供了PaddleOCR 为代表的北向算法套件，MindSpore原生支持大模型、科学计算并能实现端边云跨平台部署。
人工智能框架在中国开发者中的知名度排名
与全球其他地区类似，由于历史和使用习惯的原因，TensorFlow和PyTorch在中国的知名度也领先于其他人工智能框架，分别排在前两位。而中国本土的MindSpore , PaddlePaddle, OneFlow, MegEngine, Jittor等人工智能框架在中国人工智能行业处于领先地位，其中昇思MindSpore、飞桨PaddlePaddle在中国人工智能开发者中知名度最高。
人工智能发展的机遇与挑战
人工智能正在成为新一轮科技革命和产业变革的重要驱动力量，正与千行百业深度融合，成为经济结构转型升级的新支点。根据Omdia发布的全球人工智能市场研究报告，2021年全球人工智能软件市场规模达到370亿美金，预计到2027年，全球人工智能软件市场规模将增长到1423亿美金。中国也将成为全球第二大人工智能软件市场。在中国，人工智能技术已经在安防监控、智能家居及教育培训等领域落地生根。随着人工智能技术的快速发展，人工智能的应用部署正在迅速扩大，人工智能产业将带给开发者和相关企业更多的市场机会。
并行计算框架由于人工智能行业的巨大市场机会和发展潜力，中国各级政府高度重视，积极支持人工智能产业的发展。从2017年国务院发布《新一代人工智能发展规划》到现在，国家陆续出台了多项政策，鼓励人工智能行业的发展与创新，人工智能已经上升为中国国家战略。促进政策还包括《关于支持建设新一代人工智能示范应用场景的通知》、《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意
见》、《新型数据中心发展三年行动计划（2021-2023年）》、《新一代人工智能治理原则》、《新一代人工智能伦理规范》等。2021年3月，国家“十四五”规划正式发布，指出要培育壮大人工智能等新兴产业，“推动通用化和行业性人工智能开放平台建设”。这些产业政策为促进我国人工智能产业发展提供了增长动力和长期保障。
虽然人工智能行业市场巨大，机会众多，但发展仍然面临一些挑战。首先，人工智能所面对的下游行业纷繁复杂，应用场景多种多样，需求千差万别。而目前大多数的人工智能项目算法模型缺乏泛化能力，需要定制化的开发。定制化的开发模式造成项目开发成本高，落地困难，无法规模化和商业化。另外，即使项目开始落地，由于生产过程中现场数据质量参差不齐，工作人员能力高低不一，项目运维过程中应用环境稍有改变，数据标注和模型训练工作就需要重新做。因此，很多项目不能达到预期效果，实际产出有限，让用户体验不到人工智能的实际价值。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。