山东信通引入飞桨的模型压缩库PaddleSlim和端侧推理引擎Paddle Lite，打造出了一整套输电智能巡检方案……
之所以将不同的开源深度学习框架进行对比，并非是为了渲染“春秋战国”的对抗气氛，而是当深度学习走向与产业结合的深水区，深度学习框架逐渐在产业智能化进程中扮演核心角色的时候，应该多探讨一下生态该怎么建设。
中国的开源深度学习框架需要的不仅是百花齐放，在加速应用落地、摆脱外部依赖的大背景下，还应该鼓励一枝争春。
比如重点扶持一两家开源深度学习框架，推动上下游产业的联动，就像百度飞桨与华为麒麟芯片的深度合作，尝试打造深度学习的中国标准；
再比如推动不同开源框架的兼容，一些创业公司和大学实验室不缺少天才程序员，也适合一些创新性的探索，而百度、华为等科技巨头则擅长开源生态的建设。至少从PyTorch引入TensorFlow的可视化来看，谷歌和Facebook已经开始了合作。
何况留待中国开源AI的核心挑战在于能否抓住产业化的窗口期，不同平台间合作的契机远大于商业上的冲突。
04 写在最后
百度CTO王海峰曾经这样形容深度学习框架的价值：
在智能时代，深度学习框架起到承上启下的作用，下接芯片和大型计算机系统，上承各种业务模型与行业应用，是“智能时代的操作系统”。
假如中国无法在智能时代打造出属于自己的“操作系统”，被Windows、安卓卡脖子的故事将再次上演。想要在这场全球性的AI争夺战中胜出，中国企业势必要在基础和关键技术上下苦功，避免在沙滩上起高楼。
幸运的是，在无数有识之士的呼声奔走下，国内也有了自己的开源深度学习框架“天团”，既有百度飞桨这样在技术和应用上全面领先的C位担当，也有计图、天元、MindSpore、OneFlow等新兴势力。
只是就目前来看，从开源深度学习框架的遍地开花，到整个开源AI生态的持续繁荣，再到中国人工智能应用的行稳致远，还需要不同领域开发者的协同努力，以及在政策层面进行适当的引导。
