近日，权威咨询机构IDC发布了2019年下半年《深度学习框架和平台市场份额》报告，对中国深度学习框架和平台市场的现状进行了深度解析。报告显示，在中国深度学习平台市场，谷歌、Facebook、百度三家的深度学习平台已占据了中国接近80%的市场份额。

拥有飞桨深度学习平台的百度，在过去半年里市场份额增长极为迅猛，占比提升5.98%。AI的下一个机遇正在边缘爆发。前几日，英伟达GTC CHINA 2019这一年度AI盛会于苏州正式开幕，英伟达创始人CEO黄仁勋穿着熟悉的皮衣，强调了边缘智能新机遇。会上，百度开源深度学习平台飞桨宣布已适配NVIDIA EGX边缘计算平台，飞桨深度学习推理模型可直接在EGX平台上运行，并提供端云协同解决方案。双方强强联手，为边缘AI落地打造了坚实技术底座。

飞桨有多强？

在过去的这一年里，AI落地应用的百花齐放，让智能时代离人们又近了一步。各大科技企业在层出不迭地开发各种AI应用的同时，也纷纷在底层算法、芯片、深度学习框架/平台等AI核心领域加码投入，力求为产业化、规模化的AI应用提供更强动力。这其中，深度学习框架上承各类模型及应用、下接芯片及各种硬件，具有“智能时代的操作系统“的特性，因而备受深受重视。而以深度学习开源框架为核心的深度学习平台，也正在成为助攻AI规模化落地的利器。

百度开发了中国首个也是目前国内唯一开源开放、功能完备的产业级深度学习平台飞桨。自2016年正式宣布对外开源开放以来，飞桨经历了中国产业智能化发展的大规模实践，并在2019年整个AI行业突飞猛进的进展中，呈现出累累硕果。

例如，在4月举办的首届 WAVE SUMMIT 2019深度学习开发者峰会上，飞桨首次公布了全景图，并发布了11项新特性及服务;仅仅过了半年，在11月举办的“WAVE SUMMIT+”2019深度学习开发者秋季峰会上，飞桨又一口气全新发布和重要升级21个产品方向，包括面向产业应用场景的四大端到端开发套件、融合数据和知识的预训练结合迁移学习的飞桨Master模式、端侧推理引擎Paddle Lite 2.0、EasyDL专业版、前沿技术工具组件等，易用性全面提升，极大降低开发门槛，面向产业应用的支撑能力更强。10月份在乌镇举办的第六届世界互联网大会上，飞桨更是得到了组委会的一致认可，代表百度第四次摘得“世界互联网科技领先成果”。

目前，飞桨已经累计服务150多万开发者，定制化训练平台上企业用户超过6.5万，发布了16.9万个模型，成为支撑各行各业技术创新和智能化转型的基础底座。除了令人赞许的快速发展速度之外，百度飞桨还有一个重要的意义——在AI产业如火如荼发展之时，我国部分AI核心技术受制于人的局面，曾一度引起相关专业人士的担忧：

架构于开源深度学习平台发展起来的AI技术产业，会不会再次陷入“缺芯少魂”的境地？而飞桨的存在和迅速壮大，一定程度上让这种担忧消散而去。飞桨打破了国内的AI开发者过度依赖国外开源深度学习框架的局限，使得我国人工智能技术开发者和使用者将不必依赖于国外平台，同时还可进一步培育自主可控的AI开发应用生态。此外，飞桨也还在和华为、寒武纪等国产芯片对接，软硬一体联合优化，构建我国人工智能生态的基础设施。

打造边缘AI技术底座

百度开源深度学习平台飞桨宣布已适配NVIDIA EGX边缘计算平台，飞桨深度学习推理模型可直接在EGX平台上运行，并提供端云协同解决方案。双方强强联手，为边缘AI落地打造了坚实技术底座。

让 AI 在数据产生的地方执行，无论是在工厂设施、零售门店或是仓库。万物智联时代，大量机器传感器和 IoT 设备将不断涌现需要被处理的数据，云端AI处理带来的延迟无法满足真实生产需求。AI 与 5G 携手将 AI 计算从数据中心推向边缘，通过高性能边缘计算，在边缘侧实现快速响应、实时决策，是产业应用的真实诉求也是行业重要的发展方向。百度深度学习开源平台飞桨实现了针对GPU平台的算法优化。通过百度飞桨得到的深度学习推理模型，可以直接运行在NVIDIA EGX边缘计算平台上。

针对搭载AI模型的端侧设备越来越多，模型的动态管理和持续迭代问题。飞桨服务平台EasyDL和EasyEdge还提供了一套端云协同的定制化AI模型训练与服务管理解决方案：EasyDL提供了丰富而领先的预训练模型，数据管理、模型训练与迭代、服务部署的全流程支持，开发者可以基于EasyDL高效构建高精度AI模型；通过EasyEdge，开发者可以快速获得适配多种芯片平台的端计算加速模型，产出的SDK可直接下发至包括NVIDIA Jetson嵌入式产品的EGX平台上。

目前，百度飞桨+英伟达Jetson解决方案已在众多行业落地，带来了切实的效率提升。如中国智能制造领域质检行业领军企业武汉精测，经常会面临在有限洁净间面积下最大化产能的问题，需要检测设备体积小、功耗低、处理速度快。结合飞桨工业应用的技术优势和Jetson平台运算能力优势，实现了算法在Jetson平台中的快速移植和高效优化，解决方案在满足算法性能和实时性的同时，完美解决了上述问题，使企业产能大幅提升。