其实 ， PaddlePaddle的开发与应用也已颇有些时日 。 当时的深度学习框架大多只支持单 GPU运算 ， 对于百度这样需要对大规模数据进行处理的企业 ， 显然远远不够 ， 极大拖慢了研究速度 。 百度急需一种能够支持多GPU、多台机器并行计算的深度学习平台 ， 由此促成了这个框架的诞生 。
2016年百度世界大会上 ， PaddlePaddle正式对外开源开放 。 毕竟是国产框架 ， 2019年 ， PaddlePaddle有了中文名 ， 名叫“飞桨” ， 取自“闻说双飞桨 ， 翩然下广津” 。
到2020年 ， 国产深度学习框架百花齐放 ， 国内顶级科技公司和研究机构逐渐开始开源自己的深度学习计算框架 ， 包括旷视的MegEngine、清华的Jittor、华为的MindSpore以及一流科技的OneFlow等等 。
此时 ， 国产框架在技术上不再是单纯的跟随者 。 其中百度最早出发 ， 生态建设也最早起步 。 飞桨PaddlePaddle作为国内最早的开源框架 ， 模型库最丰富 ， 产业链生态也最成规模 。 它免费开放了很多超大规模数据预训练模型 ， 可以直接在产业界落地使用 。 同时 ， 飞桨PaddlePaddle持续降低AI产业应用门槛 ， 将人工智能变为中小企业与普通产业从业者也能方便使用的工具 。
【谁将成为AI深度学习话事人？“PPT”格局初显，百度、Google、META三强鼎立】简而言之 ， 易学易用 ， 灵活高效 ， 成为飞桨PaddlePaddle的一大亮点 。
如今 ， 在GitHub（世界最大开源代码平台）上 ， TensorFlow、PyTorch和飞桨PaddlePaddle组织下的开源代码仓库star总量位居前三 ， 飞桨PaddlePaddle的star数超过1k的repo合计 ， 总star数已超过100k ， 还在不断增长 。 在公开数据上看 ， 这个国产框架已经可与TensorFlow和PyTorch分庭伉礼 。
数据调研机构IDC发布的2021年上半年深度学习框架平台市场份额报告也显示 ， 百度在中国深度学习平台市场中的综合份额持续增长 ， 超过Google和Facebook ， 跃居第一 。

文章图片

至此 ， “PyTorch还是TensorFlow”这种“PT”里边二选一的局面已成为过去 ， 深度学习框架领域 ， PaddlePaddle、PyTorch、TensorFlow三强鼎立的“PPT”时代已经来临 。
截至2021年底 ， 飞桨PaddlePaddle已经汇聚406万开发者 ， 创建了47.6万个模型 ， 服务15.7万家企业 ， 帮助中国企业将智能化升级主导权掌握在自己手中 。
“PPT”时代 ， 深度学习框架如何竞争
“就我们的经验来说 ， 开发者才是推动改天换地的在线体验背后的驱动力量 ， 特别是当他们手握便利工具时更是如虎添翼 。 ”这是Fastly客户解决方案高级副总裁Adam Denenberg曾说过的一句话 。 “得开发者得天下” ， 这话放在深度学习框架一样适用 ， 不遗余力吸引开发者进入 ， 成为了“PPT”三大深度学习框架的共同目标 。
而如何获得开发者的青睐 ， 则要看“PPT”等深度学习框架的完备性、高效性和易用性 。 “PPT”间的竞争就是最典型的例子 。
起初 ， TensorFlow凭借Google强大的技术实力 ， 做到了技术领先 ， 能为人所不能 ， 对于需要将模型投入生产的人来说 ， TensorFlow强大的部署框架和端到端TensorFlow Extended平台 ， 使其表现一直很强势 ， 随之也为它带来越来越多的开发者 ， 其开发社区生态也得到良性发展 。
但系统复杂程度高、难以维护、API不稳定等缺点一直都为开发者所诟病 ， PyTorch出现以后 ， 其强劲的增长势头很大程度上是拜TensorFlow的这些缺点所赐 ， 相当一部分开发者转而使用PyTorch 。 尽管在2019年推出的TensorFlow 2针对性地改善了一些问题 ， 但PyTorch的增长势头已经难以遏制 ， 竞争格局已然形成 。 恐怕连Google自己也没有想到 ， 框架的易用性可以让PyTorch抢走那么多开发者 。