此前阿里海外数字商业主管蒋凡今年4月曾造访新加坡，讨论Lazada扩张事宜。

京东物流运营约 1400 个仓库。（新浪）谷歌俄罗斯子公司计划申请破产此前，在莫斯科方面与这家美国科技巨头发生一系列冲突后，俄罗斯当局查封了其银行账户，使谷歌的俄罗斯办事处无法正常运作，包括雇佣并向驻俄罗斯员工支付工资，向供应商和供货商付款，以及履行其他财务义务。

此前据第一财经报道，小鹏汽车多个部门的员工或管理层证实，的确发生了毁约校招生的情况。2020年4月份，字节跳动曾表态称，游戏业务整体体量将超过2000人。稿件中称，莲鑫集团下属莲鑫基金已与安谋科技多名中方股东达成意向并签署意向书，拟收购安谋科技 51% 股权。上个月外泄的另外一份电子邮件显示，亚马逊全球消费者业务已把今年的招聘人数规模削减了 1511 人。推特称收购交易没有搁浅 马斯克反驳：陷入僵局围绕推特机器人虚假账户问题，马斯克与推特高管的争吵还在继续。

OPPO、vivo本季和下季也传出砍单约两成，以消化目前通路上累积的过多库存。亚马逊发言人并未发表评论。为什么是深度学习框架？从表面上看，2015年-2016年是AI技术走进公众认知的一个分水岭。

为此，针对这些痛点，飞桨通过对算法模型的优化设计了PP系列模型， 实现精度和性能两者间的平衡。随着深度学习的理论研究日趋成熟和深度学习框架的快速迭代，AI技术的应用和普及进入加速期，但在具体实践应用过程中仍存在许多痛点。从市场份额看，IDC发布的报告显示，在中国深度学习平台市场，2021年上半年，百度的综合份额持续增长，已经超过Google和Meta（Facebook），跃居第一。从前期适配到后期运行，飞桨都提供了相应方案。

也就是说，中国的研究成果很多，但在真实落地上的影响力和美国仍存在一定的差距。但中国的发足追赶也是不争的事实。

在整体落后的背景下，中国AI如何实现赶超？是单点突破还是多点开花？是在商业落地领域突进还是在工程技术角度比拼，这些问题都有待探讨。这个结果并不意外，作为计算机科学的发源地，美国在AI领域始终独树一帜，其它国家难以望其项背。在训练这些模型过程中，飞桨总结了自己的一套方法论，在一定程度上，加快了训练速度。飞桨在发挥硬件算力性能上也几乎发挥到了极致，得到了包括英特尔、英伟达、ARM等诸多芯片厂商的支持，同22家国内外硬件厂商完成了31种芯片的适配和联合优化工作。

而根据斯坦福大学发布的《2022年AI指数报告》，美国在授权专利数量上占全球总数的40%，排名世界第一。更值得一提的是，辛顿早在2013年就意识到企业可能比学校能提供更好的AI研究场景和数据、算力，于是他在2013年进入谷歌，由此推动了一系列AI技术的产品化。早在2011年，谷歌已经通过Google Brain（谷歌大脑）内部孵化了一个叫做DistBelief的项目。但百度这次做了一个决定，要把深度学习的技术底座统一到一个框架中来，实现集中资源重点突破。

雷峰网(公众号：雷峰网)。业界有一句名言是，搜索引擎是现有的最大的人工智能项目。

但某种程度上，即使在美国，AI也是极少部分有前瞻精神的学者，在公众普遍看不到AI潜力的情况下，坚持努力、筚路蓝缕开创的结果，这种精神才是值得我们学习的。在过去的2021年，中国发生了1132起相关行业投融资事件，累计金额3996.4亿元，较2020年增长51.44%，再创新高。

不过，中国也有独特的优势。是AI大国，但还不是AI强国1956年，美国汉诺斯小镇宁静的一所大学内，包括诺贝尔经济学家奖得主赫伯特·西蒙在内的一众知名科学家聚集一堂，召开了一场漫长的会议，讨论一个在当时的人们看来天方夜谭的话题：用机器模仿人类学习以及其他方面的智能。当时百度的内部，不仅在使用不同来源的早期深度学习框架，甚至是不同部门都开始了自行研究深度学习框架。换句话说，这套指导不仅仅是一个学术界的算法，而是真正根据行业需求所梳理设计的环节。根据这份报告，2021年，中国AI专利申请量占全球总数的52%，专利申请数量居世界首位。马艳军坦言，尽管深度学习框架属于高投入、长周期、抢生态的竞争，但已经得到国家和企业的战略性支持，是开启下一个AI时代的钥匙。

相较于很多出自高校、历史久远、演变曲折的框架，飞桨一开始就奠定了产业级深度学习框架的基础。研发随着业务走也是一种常态。

截至2021年底，飞桨PaddlePaddle已经汇聚406万开发者，创建了47.6万个模型，服务15.7万家企业。近日，斯坦福大学发布了《2022年AI指数报告》。

在现有的记录中，百度自发应用人工智能技术最早可以追溯到2006年，深度学习这一波强势崛起后，百度也是国内最早能够看到深度学习技术及应用的潜力的，某种程度上，百度同样属于早期的深度学习开拓者之一。但这并不是故事的终点。

客观的说，最早提出AI理论的美国在整个AI发展的全球化潮流中，在基础技术创新、商业化落地等领域，依然独占鳌头，在学术研究、实践应用等方面也均有着他国无可比拟的水平。而现在，这些困难正在被逐渐抹平。比如，人工智能模型的生产成本仍然很高，而在企业实际应用中也存在适配等各种疑难杂症。像英伟达这样的深度适配芯片，飞桨更可以将其所能用的算力充分发挥出来。

《2021中国开源年度报告》也提到，2021年GitHub中国项目活跃度Top30中，飞桨占据5个项目，其中飞桨框架位列榜首。二是针对深度框架本身执行调度的优化。

百度在观察到这两大世界级框架的各自长短板后，毅然做出了一个重要的决定。深度学习的概念由此开始被越来越多的外行人知晓，更新迭代也日新月异。

这些模型主要包括两类：一是通用模型，比如芯片适配是在所有地方都会应用到的。但这正是飞桨一直在努力解决的问题，而且也的确已经小有成绩。

这种把开发者需求放在首位的低姿态，既帮助飞桨获得了不少开发人员的拥趸，也促进了飞桨的快速发展。当然，不可否认，到目前为止，深度学习框架适配仍较为复杂，有些行业的低频长尾问题尚不能通过AI得以解决。教父级人物杰弗里·辛顿对神经网络的探索最早可以追溯到上世纪80年代初期，当时的AI不仅是边缘，还是低谷。据统计，在Hugging Face上有85%的模型是PyTorch独家的。

比如，早在2016年，人工智能一词就已经被写入我国十三五规划纲要。值得一提的是，不少硬件厂商还主动在开源社区为飞桨贡献代码。

为此，飞桨做了很多工作去提升训练性能。同时也结合模型设计进行全链路优化，最终实现提高训练速度的目的。

在超大型互联网平台中，不同业务、不同部门使用不同的技术底座是很常见的事情，部门墙也是很难穿透的。这使得我国AI技术开发者和使用者不再依赖于国外平台，同时也为进一步培育自主可控的AI开发应用生态奠定了扎实的基础，更是中国在计算机科学的基础领域非常突出的世界级成就。