本次调研“中国人工智能框架市场调研报告（2023）”从人工智能框架使用者的角度出发，研究主流人工智能框架（TensorFlow、PyTorch、MindSpore 、PaddlePaddle、MXNet、Oneflow、Jittor 等）的特点和能力，揭示主流人工智能框架厂商为中国人工智能开发者提供的技术支持和社区服务，探讨开发者选择偏好，以及开发者对开源软件、人工智能框架、横向应用、底层硬件、开发者社区和产业生态等方面的看法。
开发者选择人工智能框架最重要的因素是易用性，有 40%的开发者将易用性作为选择框架的首选因素。第二重要因素是性能， 有35%的开发者将性能作为选择框架的首选因素。人工智能开发者认为国际框架 TensorFlow、PyTorch、JAX 的易用性比较好，而在中国本土的框架中，昇思 MindSpore 和飞桨 PaddlePaddle 在易用性和性能这两个重要指标上被开发者高度认可。
与全球其他地区类似， 由于历史和使用习惯的原因，TensorFlow 和 PyTorch 在中国的知名度也领先于其他人工智能框架，分别排在前两位。而中国本土的 MindSpore ,PaddlePaddle, OneFlow, MegEngine, Jittor 等人工智能框架在中国人工智能行业处于领先地位，其中昇思 MindSpore、飞桨 PaddlePaddle 在中国人工智能开发者中知名度最高。
行业趋势之一： “AI for Science”正成为人工智能框架的重点发力方向
在本次问卷调研中，大多数开发者反馈， 国外主流的人工智能框架 TensorFlow 对“AIfor Science”支持比较好， 认为中国本土的框架昇思 MindSpore 对“AI for Science”的支持能力超过了 PyTorch 并有赶超 TensorFlow 的趋势。 开发者的反馈充分肯定了昇思MindSpore 在科学计算“AI for Science”领域内做出的努力和贡献。
center>
行业趋势之二：预训练大模型成为人工智能领导者的竞争焦点
Omdia 分析师认为，预训练大模型有几个趋势：第一，大模型参数量继续呈指数增长态势，“大模型”正走向“超大模型“；第二， 大模型正从单模态走向多模态、多任务融合；第三， 预训练大模型的发展催生更大的计算集群系统（异构计算，算力匹配等）， 也对人工智能框架提出了更高的能力要求（软硬件协同优化，分布式并行计算，云边端全场景部署等）。
center>
从本次调研中，Omdia 发现相当大比例的开发者对中国本土的大模型的兴趣远远超过了对全球流行的大模型 GPT-3 和 DALL-E 2 的兴趣，并表示希望在接下来几个月试用。这可能是由于中文模型在中国本土的语言优势，也可能是因为开发者期待体验更新的大模型，当然，可能还与中国本土大模型在中国市场推广力度更强有关系。
行业趋势之三：负责任的人工智能 ( Responsible AI ) 成为关注焦点
Omdia 通过本次调研发现，中国的开发者认为 TensorFlow 在“负责任的人工智能”方面提供的支持最好 。这可能是因为谷歌通过 Model Cards 等工具使其框架更加透明、更具备可解释性。TensorFlow 也提供了一系列支持数据安全和隐私的功能、库和培训工具。
center>
昇思 MindSpore 在“负责任的人工智能”方面的也得到了开发者的认可，在所有主流框架中仅次于 TensorFlow， 超过了 PyTorch。
在国外的端到端框架中，开发者认为 TensorFlow，PyTorch 的易用性更好。 而本土框架昇思 MindSpore 和飞桨 PaddlePaddle 在易用性方面紧随其后。
而在性能方面，开发者认为端到端的国外框架 TensorFlow，PyTorch 性能更好，而本土框架昇思 MindSpore 和飞桨 PaddlePaddl 同样紧随其后，而且这两家中国本土在性能的评价上都超过了其他主流框架。
在建立一个活跃的社区方面， TensorFlow 和 PyTorch 在开发者心目中的地位比其他框架都要高。中国本土框架飞桨 PaddlePaddle 和昇思 MindSpore 齐头并进，紧随其后。
center>
在支持跨平台全场景( 端边云统一架构 ) 方面， TensorFlow、PyTorch、MindSpore 和 PaddlePaddle 处于领先地位。在中国本土框架厂商中，昇思 MindSpore 在支持跨平台全场景部署能力方面，更受开发者青睐。
在端到端的模型开发和部署能力方面，开发者心目中的框架也比较平均，占 10%以上的框架分别是 TensorFlow、PyTorch、PaddlePaddle 和 MindSpore。
center>
在支持超大规模模型训练开发方面， TensorFlow、PyTorch 得分较高，而MindSpore 已在中国本土框架中处于领先地位：TensorFlow 有了 JAX 这一新生框架的融入，给业界带来更多期待；PyTorch 依托第三方并行算法库大模型能力显著提升；MindSpore 拥有业界领先的并行算法库，具备原生支持大模型的能力，吸引了广泛的开发者。
在中国开发者的心目中，MindSpore 在国产框架中认知度排第一， PaddlePaddle紧随其后。这两家中国本土框架在开发者认知度排名方面，已经超过国外非常成熟的框架MXNet，以及 Google 重点支持的新兴框架 JAX。这一方面反应了中国人工智能领域充满活力，同时也说明了端到端全生命周期人工智能框架对开发者的重要性。
在人工智能框架的使用率方面， 全球知名的框架 TensorFlow 和 PyTorch 处于领先地位，大多数用户表示他们最常使用的人工智能框架是 TensorFlow 和 PyTorch ， 遥遥领先于其他人工智能框架。而飞桨 PaddlePaddle 和昇思 MindSpore 是中国本土人工智能框架双雄，位于第一梯队，并驾齐驱。
本文转载自：智能计算芯世界
