InfoQ 获悉，5 月 20 日，WAVE SUMMIT 2022 深度学习开发者峰会上，百度产业级深度学习平台飞桨迎来了今年首次大规模全新发布：包括飞桨开源框架 2.3 版本、训推一体导航图、产业模型选型工具、飞桨深度学习实践教辅书、PaddleScience 赛桨、飞桨移动工作站六大全新发布。
飞桨开源框架 v2.3 全新发布
深度学习推动人工智能进入工业大生产阶段，而深度学习框架堪比智能时代的操作系统。本次峰会上，百度 AI 技术生态总经理马艳军宣布了飞桨深度学习开源框架 2.3 版本的全新发布——实现了更灵活的深度定制开发、自动调优的高性能训练、自动化压缩与高性能推理部署、以及云上飞桨四大核心升级。
百度 AI 技术生态总经理马艳军
首先对于高阶开发者灵活多样、深度定制的开发需求，飞桨开源框架 v2.3 推出了高复用性算子库 PHI 和高扩展性参数服务器架构，极大降低了二次开发成本。
针对训推过程，飞桨框架 v2.3 创新性地推出全流程硬件感知的性能自动调优方案和业内首个开源自动化压缩功能，从训练调优到模型压缩提供自动化最优方案，在降低开发者框架使用成本的同时，实现与专家级水平相当的性能效果。
为了更好地与云计算对接，此次新版本飞桨框架还发布了“云上飞桨”的能力。通过异构多云自适应分布式训练架构，实现了算力共享与知识共享两种多算力中心联合训练方案；并且还推出了云上部署编排工具 PaddleCloud，仅需两行配置，即可定制云上开发部署环境，同时还可以基于多套件多模型配置模板，快速完成多模型自由组合，实现 AI 应用高效落地。
打通训练推理部署全流程
飞桨在深化应用场景方面持续发力，发布了训推一体导航图、产业模型选型工具以及飞桨移动工作站，降低 AI 落地应用门槛。
去年的 WAVE SUMMIT 上，飞桨发布了一张推理部署导航图。经过一年的发展，推理部署导航图已经升级成为训推一体导航图，从开发、训练到推理部署的全流程愈加清晰，实现了飞桨的全流程“智能导航”，让整个流程更顺畅。
飞桨开源框架 v2.3 的全面升级让开发、训练和推理部署的成本再次降低。但同样不可忽视的是，AI 落地全流程中模型的选择也是至关重要的一环。
截至目前，飞桨产业级开源模型已经超过 500 个，覆盖计算机视觉、自然语言处理、语音、推荐、科学计算等主流任务场景。面对丰富的产业模型库，为了帮助开发者快速找到最合适的模型和应用方案，飞桨基于长期实践的积累，结合场景要素和需求分析，推出产业模型选型工具，提供全流程选型建议并附以相应产业实践范例，为开发者推荐最合适业务应用落地的“样板间”。
对应到产业端部署方面，面对更加实际的数据安全、工业环境等问题，飞桨推出了专门的企业级解决方案。
百度 AI 产品研发部总监忻舟在峰会上发布了飞桨移动工作站，该便携式可移动 AI 工作站专为人工智能任务设计，最多可支持 2 张 350W 功耗的 AI 加速卡，适用于宽温宽压等工业级环境。飞桨移动工作站预装飞桨 EasyDL 桌面版和智能边缘控制台，可实现训推一体和边端协同的全流程 AI 开发和应用，一机即可解决模型开发、部署、迭代问题。
https://static001.infoq.cn/resource/image/63/35/63d3b961fc2b885975974f0d26c85e35.png
百度 AI 产品研发部总监忻舟
此外，本次峰会上，飞桨 EasyDL 桌面版、智能边缘控制台以及资源管理与调度工具 PaddleFlow 也同步发布了升级版本。更新后的 EasyDL 桌面版开放高级调参模式，并可在调参模式基础上进一步提供模板导出，开放更多细节，让模型开发过程更加灵活；智能边缘控制台方面新增了边缘控制中心，对接、管理多个智能设备端，整体上形成完整的端边云协同服务架构，可便捷实现全场景模型部署与应用集成；PaddleFlow 则对算力调度内核、数据访问内核以及缓存位置感知能力进行了升级，自适应资源调度策略使 GPU 使用率大幅提升，在大量读取数据的 AI 训练场景下，训练效率可提升 50%以上。
在前沿科研领域，飞桨也正在推进布局。对于近年来热度空前的科学计算领域，AI 提供了全新的范式。飞桨继专门针对量子计算的“量桨”、生物计算的“螺旋桨”之后，本次峰会上全新发布面向科学计算领域的专属工具组件 PaddleScience 赛桨，助力数据驱动和理论推演两大科研范式的深度融合，加速前沿技术的落地应用。
此外，产学研合作推进 AI 人才培养方面，为帮助开发者更好理解深度学习框架运行机理、掌握深度学习实践知识，飞桨联合浙江大学上海高等研究院常务副院长、浙江大学人工智能研究所所长吴飞教授，以及复旦大学计算机学院邱锡鹏教授分别发布了深度学习实践教辅书《人工智能导论：案例与实践》和《神经网络与深度学习：案例与实践》。
