2018中国人工智能开源软件发展白皮书_166页-19mb

报告摘要

本白皮书由中国人工智能开源软件发展联盟编写，旨在分析人工智能开源软件的发展现状、生态特点及发展趋势，提出我国人工智能开源软件发展的建议，为产业主管部门和相关机构提供参考。

人工智能开源计算平台
- GPU：NVIDIA和AMD是主要厂商，CUDA是当前最主流的GPU编程平台。
- FPGA：具有高灵活性和低功耗，适合深度学习和对延迟敏感的应用。
- TPU：Google推出的定制化加速器，具有高计算效率。
- 通用平台：如OpenCL，具有良好的跨平台性和兼容性。
开源机器学习框架
- Scikit-learn：基于Python的开源机器学习库，适用于基础机器学习算法。
- Mahout：基于Java的开源机器学习框架，适合大数据环境。
- MLlib：基于Apache Spark的开源机器学习库，具有分布式计算优势。
- TensorFlow：Google推出的深度学习框架，功能强大且广泛应用。
- PyTorch：Facebook推出的深度学习框架，具有高度灵活性和易用性。
- PaddlePaddle：百度推出的深度学习平台，是中国首个开源深度学习平台。
应用领域相关开源软件
- 自然语言处理：NLTK、OpenNLP、LTP、FudanNLP、Gensim、spaCy等。
- 计算机视觉：OpenCV、TensorFlow Object Detection API、Detectron、InsightFace、Tesseract等。
- 智能语音：HTK、Kaldi、Julius、CMU Sphinx、MARY、Festival、eSpeak、HTS、Merlin等。
- 无人系统：ROS、MOOS-Ivp、MRPT、DART等。

关键要素
- 技术：开源软件推动了人工智能技术的快速发展。
- 人才：全球数百万研究人员和工程师参与开源社区。
- 标准：国际标准化组织和国内标准制定组织均在推动人工智能相关标准。
- 社区：开源社区促进了技术共享和协作，是推动人工智能发展的重要力量。
- 资金：开源软件的持续发展需要大量资金支持。
- 知识产权：开源软件在知识产权方面需加强规范。
- 安全：开源软件的安全性是发展过程中不可忽视的问题。
外部约束
- 法律：开源软件的法律环境需进一步完善。
- 政策：国家政策对人工智能开源软件发展具有重要推动作用。
- 开源文化：开源文化是推动软件共享和协作的重要因素。
- 公共服务：公共服务平台为开源软件的发展提供了重要支持。
价值分析
- 公共价值：开源软件推动了技术共享和行业协作。
- 商业价值：开源软件为商业应用提供了基础，具有巨大的市场潜力。