而在国外科技巨头的竞争之外 ， 国产的飞桨PaddlePaddle也以易学易用 ， 灵活高效著称 。 飞桨同样依托了百度的技术实力和业务应用积累 。 在训练部分的调用方式上 ， 飞桨集中了浏览器和客户端等多种主流调用方式 ， 并支持CPU、GPU、FPGA等广泛硬件 ， 从而极力降低使用门槛 。 同时 ， 为了让更多开发者和企业能够将现有项目接入到飞桨 ， 做到了从基础训练到分布架构彻底开源 。 这些努力为其带来不少开发者 。
飞桨PaddlePaddle方面也曾表示 ， 要发展成具有中国特色、最适合中国国情的深度学习平台 。 从当前国内市场来看 ， 飞桨所提供的适用中文文档与数据集的开发框架社区 ， 也是其在“PPT”的竞争当中站稳脚跟的一大助力 。 更适合本土开发者和产业体系的框架 ， 自然会使飞桨更具吸引力 。
尾声
其实有不少人对国产深度学习框架的发展持有怀疑态度 ， 深度学习框架的搭建是一项费时费力的庞大工程 ， 比如在使用飞桨PaddlePaddle时会担心它的技术深度 ， 感觉重复“造轮子”没必要 。
但深度学习技术仍在不断发展 ， 复杂程度也会跟着提高 ， 强如“PPT” ， 也并不意味这三个框架已经达到完美的程度 ， 只能说各有千秋 ， 最终谁能真正造成这个“轮子”未来仍有变数 ， 飞桨PaddlePaddle等国产框架依然有很大的机会 。
另外 ， 美国政界越来越多地关注人工智能领域的国际竞争 ， 其中最受其重视的是 ， 防止中国取得对人工智能的全球领导权 。 去年3月 ， 美国人工智能国家安全委员会（NSCAI）向美国国会提交了一份长达756页、关于人工智能领域竞争的报告 ， 其中提出了以期压制中国人工智能发展的建议 。 这说明了在人工智能领域构建中国自主可控核心技术的重要性和必要性 。
如果把人工智能产业比作一栋楼 ， 那深度学习框架就好比是地基 ， 地基不稳 ， 工艺再好的楼也总是要面临坍塌的风险 ， 高度依赖国外的深度学习框架便相当于“被卡住了脖子” 。 有鉴于此 ， 中国在推进自身人工智能的发展时 ， 理应准备好相应的对策 ， 科技自立自强是人工智能发展格局的根本支撑 ， 也是向世界证明中国人工智能的创新能力和底气 。
参考资料
Defense One 《Artificial Intelligence》
KDnuggets 《Deep Learning Framework Power Scores 2018》
腾讯科技 《TensorFlow项目负责人：我们让AlphaGo更顺畅》
Ryan O'Connor《PyTorch vs TensorFlow in 2022》