• 算法设计环节：机器视觉、语音识别、自然语音处理、知识图谱6dg28资讯网——每日最新资讯28at.com

• 算法实现环节：深度学习框架，训练、推理部署，对模型的调参优化6dg28资讯网——每日最新资讯28at.com

• 算法运行环节：AI芯片和AIDC超算中心，提供硬件基础6dg28资讯网——每日最新资讯28at.com

• 训练软件框架：实现深度学习训练算法的模块化封装6dg28资讯网——每日最新资讯28at.com

• 模型生产平台：实现模型的工业级生产6dg28资讯网——每日最新资讯28at.com

• 推理部署框架：实现模型生产完成后的工业级高效、自动的部署6dg28资讯网——每日最新资讯28at.com

• 数据平台：包括数据采集、数据标注、数据生产、数据存储等功能6dg28资讯网——每日最新资讯28at.com

训练框架是AI的重要基石，也是AI发展战略的制高点。当算法变成改造甚至颠覆软件行业的力量时，最后核心就是看这些AI的公司有没有平台化的能力，即“能够批量、高效、比竞争对手更及时地供应优质算法。6dg28资讯网——每日最新资讯28at.com

推理框架：主要部署在设备端和云端，因此与硬件厂商紧密相关。6dg28资讯网——每日最新资讯28at.com

四大顶级深度学习框架阵营可以满足绝大部分开发者要求。社区规模效应：维护力量、贡献人员决定了算法库扩展及时性、API水平，软件框架规模效应较强。6dg28资讯网——每日最新资讯28at.com

传统机器学习里，模型过小则欠拟合，模型过大则过拟合。深度学习里Double Descent现象在2018年揭示，随着模型参数变多，Test Error是先下降，再上升，然后第二次下降；原则上，在成本可接受的情况下，模型越大，准确率越好。6dg28资讯网——每日最新资讯28at.com

GPT-3在许多NLP数据集上均具有出色的性能，包括翻译、问答和文本填空任务，这还包括一些需要即时推理或领域适应的任务，例如给一句话中的单词替换成同义词，或执行3位数的数学运算。6dg28资讯网——每日最新资讯28at.com

基于GPT-3构建，仅使用了120亿个参数样本，相当于GPT-3参数量的十四分之一；有利于降低了深度学习需要的数据标注量，文本和图像理解结合起来6dg28资讯网——每日最新资讯28at.com

业界在2015-2017年后开始发生变化，AI走出实验室和商业模式转变：6dg28资讯网——每日最新资讯28at.com

• 工业场景更复杂的逻辑：编程模式从静态网络结构描述向动态计算过程转变。6dg28资讯网——每日最新资讯28at.com

• SDK商业模式可能无法在国内落地：早期试图复制海外SDK销售路线，但这一模式无法在国内复制。6dg28资讯网——每日最新资讯28at.com