InfoQ研究中心：中国开源生态图谱 2022-人工智能领域会员免费优质

1中国开源⽣生态系列列图谱——⼈人⼯工智能领域

⽬目录⽣生态图谱解读01⽣生态图谱⼚厂商洞洞察02

⽣生态图谱解读

中国⼈人⼯工智能开源领域⽣生态图谱开源基⾦金金会开源产业联盟代码托管平台开发者社区AI算法模型（库）AI引擎/框架数据集实验室/研究院机器器学习&深度学习平台/数据库4

定义&分类：AI框架是⼈人⼯工智能基础软件的核⼼心，在整个⼈人⼯工智能体系中起着“承上启下”的作⽤用。AI框架向下调⽤用底层硬件计算资源，为算法模型⽣生成、训练和推理理部署提供良好的硬件性能基础，向上承接AI算法模型搭建，⽀支撑AI⼯工程和产业应⽤用。板块特征：⼈人⼯工智能框架类开源项⽬目AI引擎/框架01壁垒⾼高AI框架的构建需要时间、资⾦金金和AI底层技术⼈人才，包括AI算法、编译体系、通讯原理理、硬件结构、API体系等，包括运维和部署02 产研应⽤用国产开源AI框架在赋能产业应⽤用和科学研究中发挥着越来越重要的作⽤用。03 ⽣生态发展框架与硬件、开发语⾔言、开发环境以及软件之间的协同、⼯工具组件以及产业应⽤用的配套发展，包括相关⼈人才的培养都是开源AI框架项⽬目需要重点考虑的因素5

⼈人⼯工智能框架类开源项⽬目发起机构分布：AI框架开源项⽬目发起机构集中在科技⼚厂商与⾼高校科研院所两⼤大类。•其中科技⼚厂商前期主要满⾜足⾃自身⼴广泛的AI应⽤用需求，后期逐渐向外拓拓展服务，如华为MindSpore、 百度PaddlePaddle、腾讯TNN、阿⾥里里MNN、字节跳动BytePS以及⼩小⽶米Mace等。•值得关注的是，近年年来，⾼高校科研院所开始逐渐重视AI框架的研发，但在开源后的资源维护和产业应⽤用拓拓展模式上，国内⾼高校科研院所仍在探索中，如清华⼤大学发起的计图（Jittor）。AI引擎/框架6更更可⽤用更更易易⽤用更更安全更更⾼高效价值追求

⼈人⼯工智能算法模型类开源项⽬目发展特征：为了解决之前AI模型的扩展性和通用性不高，以及依赖人工数据标注和标注数据量的问题，基础模型/大规模预训练模型提出了一种基于自监督学习的“预训练大模型+下游任务微调”的可行方案。这种模型可以在少量标注数据的基础上，通过大量未标注数据中进行大规模训练，从而迅速挖掘大量领域知识。然后经过少量小参数的微调(delta-tuning)，快速适配大模型下游任务。近年来，盘古、孟子、文心、哪吒、M6-OFA、PLUG等预训练大模型通过开源项目不断累积，获得了行业内积极的认可。同时也有大模型开源项目开始尝试商业拓展，探索模型即服务（MaaS）的模式。AI算法模型（库）7机器器学习&深度学习平台/数据库

⼈人⼯工智能算法模型类开源项⽬目发起机构分布：AI算法模型类项⽬目发起机构集中在科技⼚厂商与科研院所两⼤大类，两者的开源路路线有所不不同。•科技⼚厂商在开源算法和模型类项⽬目均有布局，如腾讯同时开源DBG算法和MedicalNet模型。•⽽而伴随着对预训练⼤大模型的价值认同，科研院所开始主要参与预训练⼤大模型开源项⽬目的建设，同时也存在科技⼚厂商与科研院所联合开发模型类开源项⽬目的情况，例例如华为和鹏城实验室联合开发的鹏城.盘古等。AI算法模型（库）机器器学习&深度学习平台/数据库8能⼒力力泛化O1「预训练⼤大模型+下游任务微调」能够⼀一定程度上摆脱传统AI能⼒力力碎⽚片化的束缚。模态融合O2能够集成⾃自然语⾔言处理理、计算机视觉等多个AI领域的多项技术，实现多种模态（⽂文本、图像等）数据融合应⽤用底座O3「下游任务微调」使得AI可以在⼩小范围调整后有效⽀支撑不不同场景的落地。价值追求

⼈人⼯工智能平台类开源项⽬目9定义：机器器学习/深度学习平台是集成了了硬件资源，计算框架、存储、数据及模型管理理、资源调度等功能，覆盖模型开发、训练、推理理及部署全流程的综合平台。特征：机器器学习/深度学习平台开源项⽬目通常在计算框架外开源各类官⽅方⼯工具组件。同时，在开源版本外，往往会设⽴立商⽤用平台进⾏行行商业拓拓展，例例如百度开源PaddlePaddle⻜飞桨平台与商⽤用开发平台EasyDL。机器器学习/深度学习平台&数据库AI算法模型（库）

⼈人⼯工智能平台类开源项⽬目10发起机构分布：AI平台类开源项⽬目发起机构集中在科...