“新基建”背景下，企业都在为围绕着技术、商业、组织乃至对外赋能。在这之中，由百度飞桨领头，华为、旷视跟进，先后升级和开源了自家的深度学习平台，国产深度学习平台迎来集中爆发。

1999年，当时42岁的著名的计算机程序员埃里克·史蒂文·雷蒙德（Eric S. Raymond）在自由软件的范畴下提出了Open Source开源软件概念。

他有一个观点是，“足够多的眼睛，就可让所有问题浮现。”（Given enough eyeballs, all bugs are shallow）。

这个名为“林纳斯定律”的观点对开放源代码运动影响极大。

简单解释，只要有足够的测试员及共同开发者，所有问题都会在很短时间内被发现，而且能够很容易被解决。

近年来，深度学习推动着AI技术和产业发展浪潮迭起。然而，随着技术的不断前进和应用的大规模增长，产业开发者们面临的挑战也日渐突出：数据量越来越大，动辄上 TB；模型越来越复杂，模型参数也越来越多……

而另一方面，随着国内产业互联网、产业智能化进程及“新基建”的步伐进一步深入，产业界对于AI的需求不断扩张。

AI落地过程中必然会涉及到更多场景。这些场景或许和工业有关，或许和农业有关，或许和交通有关，或许还与智能城市建设有关，但都需要企业和开发者们深入其中，根据数据、计算、部署场景、硬件解决方案等不断 *** 算法。

挑战越来越大，需求越来越多，称手的AI开源工具，特别是作为底层核心的开源深度学习框架/平台，对于在AI落地应用过程中冲在最前方的那些产业开发者而言，重要性再度凸显。

本周之内，早已在AI开源领域深耕多年的百度打头，华为为代表的的ICT企业、旷视为代表的AI初创企业跟进，在一周内先后升级或者开源了自家的深度学习框架/平台，国产深度学习框架/平台迎来一轮密集爆发。

越来越多的国产眼睛，正在凝视深度学习框架/平台开源的战场。

在这轮经济周期中，每家企业都是“新基建”的齿轮。各自的深度学习框架/平台开源开放，共同推动了国内AI开源的进程。

毕竟，过去国内开源社区氛围和美国存在差距，缺乏这种相互探讨、技术进步的社区气氛。

去看GitHub上谷歌、Facebook、百度等人工智能前沿企业在深度学习框架这个战场的和谐交锋、友好博弈，你能发觉，国内需要走的路还是很长。

这也是国内开源社区真正需要向太平洋东岸学习的地方。

一、“众声喧哗”的诞生

任何技术的交锋，都像是人与人之间的互动，这是“众声喧哗”、“相互吸纳”的过程。各有所长各各有所短，竞争和博弈，会带来行业整体进步。

“新基建”背景下，企业都是在为围绕着技术、商业、组织乃至对外赋能。尤其是疫情过后，企业一方面面临着外部压力困扰，另一方面也面临着内部协同诉求，于是一大批新的技术产品涌现出来。

我们不妨先去观察，三者技术方案是怎样的。

3月23日百度飞桨（PaddlePaddle）宣布在智能视觉领域得到了提升。

PaddleCV全景图首度曝光，其底层框架与工具层得到了工业级提升，这种提升面向的是当下工业领域诉求。

要知道，目标检测是计算机视觉领域不可缺少的一环。深度学习往往需要对图像进行处理，3D视觉往往意味着在工业领域会有更好的实践。仅仅是在2018年的工博会和2019年的光博会上，工业视觉领域，多的是火爆的3D视觉引导。

我在《培育架构师，要技术，更要技术领导力》一文中就提到：

这次疫情让一批工业企业仓皇失措中发现，自家商业价值体系及技术架构极其松散。想要抵御突如其来的风险，显得有些力不从心。

此时针对这部分企业给出工业级部署，其实是在顺应市场需求。

工业企业在疫情袭来时，面临安全生产和停工风险。工业企业对AI需求迅速增长，很多企业甚至刚刚才开始学习使用深度学习，也缺乏必要的人才储备，甚至还需要让人才远程学习，和互联网、AI大厂的相关领域负责人“陪练”。

工业企业需要3D视觉的分析，用于自家业务的改进。还需要更多经过成熟验证的算法做支撑。所以你可以看到，PaddleCV新增了15个在产业实践中广泛应用的算法，整体高质量算法数量达到73个，35个高精度预训练模型，总数达到203个。