国内哪些公司在用caffe、torch、TensorFlow、paddle等框架，哪些在用自研框架？
国内人工智能领域，各大公司在深度学习框架的选择上呈现出百花齐放的态势。既有广泛拥抱主流开源框架的，也有深耕自研框架的。下面我将尽量详细地介绍一些代表性的公司及其框架使用情况：
一、 主流开源框架（Caffe, Torch, TensorFlow, PyTorch, PaddlePaddle）的使用情况
这些开源框架因其成熟的社区支持、丰富的模型库、灵活的API以及在学术界和工业界的广泛应用，吸引了绝大多数国内公司的关注。
1. TensorFlow
TensorFlow 是 Google 开源的深度学习框架，以其强大的分布式训练能力、丰富的生态系统（如TensorFlow Extended TFX）以及在生产环境中的稳定性著称。
代表性公司及应用场景：
Google (及国内相关业务如Google Ads, Google Play): 作为开发者，Google 自然是 TensorFlow 最坚定的拥护者。国内与 Google 有业务往来的公司，如需要处理广告推荐、内容审核等场景时，可能会使用到 TensorFlow。
百度（早期及部分项目）: 虽然百度大力推广 PaddlePaddle，但在 TensorFlow 早期发展阶段，以及一些对 TensorFlow 生态依赖较深的团队或项目，也曾大量使用 TensorFlow。例如，在一些CV（计算机视觉）和NLP（自然语言处理）的研发项目中，可以看到 TensorFlow 的身影。
华为: 华为在 AI 领域投入巨大，其昇腾（Ascend）AI 芯片的生态建设中，对 TensorFlow 有较好的支持。华为云的 AI 服务、MindSpore 的早期开发以及一些内部的AI研究项目，都会与 TensorFlow 产生交互或进行迁移学习。
腾讯: 腾讯在 AI 领域有广泛的应用，从社交、游戏到内容推荐，都离不开深度学习。在一些需要快速原型验证、利用成熟模型或与现有 TensorFlow 生态集成的项目中，腾讯会使用 TensorFlow。例如，在人脸识别、图像处理、自然语言理解等领域，都有 TensorFlow 的应用案例。
阿里巴巴: 阿里巴巴在电商、云计算、物流等领域运用 AI 技术。在阿里云的机器学习平台以及其内部的多个业务线，如淘系（淘宝、天猫）、支付宝等，都在使用 TensorFlow。特别是在其强大的数据处理和模型训练平台，TensorFlow 是重要的支撑框架之一。
京东: 京东在电商推荐、物流优化、风控等领域大量应用 AI。其 AI 研究院和业务部门会根据项目需求使用 TensorFlow，尤其是在需要大数据量处理和复杂模型部署的场景下。
字节跳动: 字节跳动在内容推荐、信息流、短视频等领域表现出色，其推荐算法和内容理解技术都高度依赖深度学习。TensorFlow 是其重要的技术栈之一，尤其是在早期积累和一些对分布式训练要求极高的项目中。
美团: 美团在“吃喝玩乐”全场景中都部署了 AI 技术，包括外卖骑手路径规划、商家智能推荐、用户评价分析等。在这些场景中，TensorFlow 因其成熟的生态和部署能力，是被广泛采用的框架之一。
小米: 小米在智能家居、手机助手、人脸解锁、语音识别等方面应用 AI。TensorFlow 是其重要的AI框架之一，尤其是在手机端侧推理（通过TensorFlow Lite）以及后端模型的训练部署。
科大讯飞: 作为语音识别和人工智能领域的领军企业，科大讯飞在语音合成、语音识别、自然语言处理等多个核心技术上都有深厚的积累。在许多研究项目和产品落地过程中，TensorFlow 被广泛用于模型的开发和训练。
2. PyTorch
PyTorch 是 Facebook AI 研究院（FAIR）开源的深度学习框架，以其 Pythonic 的风格、易用性、灵活性以及在学术界的强大影响力而闻名。动态图的特性使其在模型调试和研究中更具优势。
代表性公司及应用场景：
Facebook (Meta) (及国内相关业务): 作为开发者，Meta 是 PyTorch 最积极的推动者。国内与 Meta 有业务往来或技术交流的公司，以及很多创业公司，会直接采用 PyTorch。
华为（重点发展方向）: 华为在 AI 芯片和框架生态上大力推行“原生支持PyTorch”。随着昇腾生态的完善，对 PyTorch 的支持越来越好，许多新的AI研究和应用都优先选择 PyTorch 进行开发。
字节跳动: 字节跳动是国内 PyTorch 的重度用户。其推荐系统、内容理解、自然语言处理等核心业务大量使用了 PyTorch。其强大的工程能力和对新技术的快速拥抱能力，使得 PyTorch 成为其重要的技术选型。
腾讯: 腾讯在近年对 PyTorch 的投入和使用显著增加。尤其是在其 AI Lab、微信AI部门以及游戏部门等，PyTorch 因其易用性和研究社区的活跃度，被广泛用于各种创新项目。
阿里巴巴: 阿里巴巴在积极拥抱 PyTorch，尤其是在其达摩院等研究机构和部分业务线。随着 PyTorch 的发展壮大，其在阿里巴巴内部的普及度也在快速提升。
京东: 京东在 AI 研究和应用上也在积极拥抱 PyTorch，尤其是在其智能供应链、零售创新等领域，研究人员和工程师利用 PyTorch 快速迭代模型。
美团: 美团在探索各种前沿 AI 技术时，也会选择 PyTorch。其在计算机视觉、自然语言处理等领域的研究项目，往往会选择 PyTorch 来进行实验和开发。
百度（部分项目）: 虽然百度主推 PaddlePaddle，但其在一些对 PyTorch 生态有特殊需求或与国际研究团队合作的项目中，也会使用 PyTorch。
商汤科技、旷视科技、依图科技 (CV四小龙等AI公司): 这些专注于计算机视觉的公司，在模型研发、算法创新方面，非常倾向于使用 PyTorch，因为它提供了更高的灵活性和研究效率。
旷视科技: 作为计算机视觉领域的领军企业，旷视科技是 PyTorch 的早期和重度用户，将其广泛应用于人脸识别、物体检测、图像分割等各个方面。
3. PaddlePaddle
PaddlePaddle 是百度开源的深度学习框架，其核心优势在于对中文语境和中国本土化需求的深刻理解，以及在易用性、可扩展性和生产化方面的优秀表现。
代表性公司及应用场景：
百度: 作为开发者，百度是 PaddlePaddle 的最大用户和推广者。从百度搜索、百度地图、百度AI开放平台到其内部的各种 AI 应用，都深度使用了 PaddlePaddle。其在NLP、CV、语音等领域都有非常成熟的解决方案和模型库。
中国电信、中国移动、中国联通 (三大运营商): 这些公司在网络优化、用户行为分析、智能客服、安全风控等场景中应用 AI。由于 PaddlePaddle 在中文处理和部署上的优势，以及其背后的中国本土支持，被这些大型国企广泛采用。
中国人寿、中国平安 (金融机构): 金融领域在风控、反欺诈、智能投顾、客户服务等方面大量应用 AI。PaddlePaddle 的稳定性和对金融场景的适配能力，使其在这些机构中得到应用。
华为: 华为与百度在 AI 领域有合作，其昇腾生态也积极支持 PaddlePaddle。在一些项目上，可能会根据业务需求和生态适配选择 PaddlePaddle。
国家电网、南方电网: 这些能源巨头在电网故障预测、运行优化、安全监控等领域应用 AI，PaddlePaddle 在此类工业场景的落地能力得到了认可。
海康威视、大华股份 (安防巨头): 在智能安防、视频监控分析等领域，PaddlePaddle 的计算机视觉模型库和部署能力得到了广泛应用。
中国航空工业集团、中国航天科技集团等央企: 在航空航天、国防军事等领域，对 AI 技术有定制化和安全性的需求，PaddlePaddle 的本土化和可控性使其成为一些项目的选择。
滴滴出行: 在出行领域，PaddlePaddle 被用于路况预测、路径规划、司机安全监控等场景。
其他互联网公司和初创公司: 许多对本土化支持、中文 NLP 能力有较高要求的互联网公司和 AI 初创公司，也在积极采用 PaddlePaddle。
4. Caffe
Caffe 是 Berkeley 加州大学的 BVLC 团队开发的深度学习框架，以其速度快、模块化好、易于使用的特点在计算机视觉领域曾长期占据主导地位。虽然现在 PyTorch 和 TensorFlow 更为流行，但 Caffe 及其后续的 Caffe2 依然在一些特定场景下被使用。
代表性公司及应用场景：
百度 (早期的 CV 项目): 在 PaddlePaddle 兴起之前，百度在计算机视觉领域也曾大量使用 Caffe。一些早期的项目和模型，可能仍在使用 Caffe 或其演进版本。
商汤科技、旷视科技等 CV 公司 (早期及遗留项目): 在这些公司的发展初期，Caffe 是重要的技术栈。虽然现在已转向更现代化的框架，但部分遗留项目或对特定 Caffe 模型依赖的场景，仍可能在使用。
一些嵌入式设备和移动端应用: Caffe 的轻量级和高效性，使其在一些资源受限的嵌入式设备或需要快速推理的移动应用中仍有少量应用。
一些传统行业或对 Caffe 模型有历史依赖的场景: 比如一些安全监控系统、工业视觉检测等，如果早期部署了基于 Caffe 的系统，可能会继续维护和使用。
5. Torch (Lua Torch)
Torch 是一个流行的开源机器学习库，主要使用 Lua 语言。虽然在 Python 生态崛起后，Lua Torch 的使用量有所下降，但它曾是许多深度学习研究和应用的基石。
代表性公司及应用场景：
Facebook (Meta) (早期): 在 PyTorch 诞生之前，Facebook 的 AI 研究团队大量使用 Lua Torch。因此，在一些较早期的项目、研究论文或遗留系统中，可能仍然可以看到 Torch 的痕迹。
一些早期研究机构和学术界: 在 PyTorch 成为主流之前，Torch 在学术界有较高的认可度，一些早期的研究成果可能基于 Torch 实现。
一些遗留项目: 和 Caffe 类似，一些早期部署的项目如果未及时迁移，仍然可能在使用 Lua Torch。
二、 自研深度学习框架
除了广泛采用开源框架，许多大型科技公司和AI公司，出于对性能、定制化、生态整合以及核心技术自主可控的考虑，也投入了大量资源开发和维护自研的深度学习框架。
1. 飞桨（PaddlePaddle） 百度
虽然上面已经将其作为开源框架列出，但从百度自身的投入和主导性来看，它也是一个典型的“自研并开源”的典范。百度倾注了大量资源将其打造成一个功能完善、生态丰富、面向产业的深度学习平台。
特点: 易用性（Pythonic API）、灵活性（动态图和静态图混合）、模块化、覆盖从模型训练到部署的全流程、丰富的模型库和产业级解决方案、对中文NLP的深度优化、支持国产AI芯片。
百度内部应用: 百度几乎所有的 AI 业务都基于 PaddlePaddle，包括搜索、信息流推荐、地图、Apollo自动驾驶、小度助手、AI开放平台等。
2. MindSpore 华为
MindSpore 是华为自主研发的深度学习框架，旨在为全场景（端、边、云）、全场景应用提供统一的开发体验。其设计理念强调 AI 算子、自动并行、昇腾芯片的协同优化。
特点: 端、边、云统一的开发体验；Ascend AI 芯片原生支持和高度优化；强调AI算子（AI Compute Graph）；支持动态和静态图；自动并行计算；丰富的昇思（MindX）组件用于端侧和边缘侧推理。
华为内部应用: 华为云、HiAI 平台、华为终端的 AI 能力、鸿蒙 OS 的 AI 能力、车联网、智能制造等领域都在积极探索和使用 MindSpore。MindSpore 是华为构建自主 AI 生态的核心组成部分。
3. MegEngine (现已合并入PaddlePaddle) 旷视科技
MegEngine 是旷视科技自主研发的深度学习框架，最初以其高性能和易用性著称。2022年，旷视科技将其开源框架 MegEngine 与百度的飞桨（PaddlePaddle）进行合并，旨在整合双方优势资源，打造更强的中国深度学习生态。
特点: 高性能、灵活的编程模型、动态与静态图兼顾、支持多种硬件平台。
旷视科技内部应用: 在旷视科技自身的人脸识别、物体检测、智能分析等众多计算机视觉应用中，MegEngine 都扮演了核心角色。在合并后，其技术和人才将赋能 PaddlePaddle 生态。
4. 其他可能存在自研框架的情况
大型互联网公司 (如阿里巴巴达摩院、腾讯 AI Lab): 尽管这些公司广泛使用开源框架，但出于对前沿技术的研究和特定场景的极致性能追求，它们也可能在内部进行一些特定模块的自研框架或针对开源框架进行深度定制和优化。例如，开发用于特定分布式训练、超大规模模型训练或量子计算AI的自研库。这些项目通常不会完全开源，而是作为内部核心技术的一部分。
专注于特定领域的 AI 公司: 比如一些在金融风控、生物医药、自动驾驶等领域有深度垂直需求的 AI 公司，可能会针对其特定算法模型和算子进行高度优化的自研框架或库，以获得最佳的计算效率和精度。
总结一下框架选择的趋势：
初创公司和研究型团队: 更倾向于使用 PyTorch，因为它灵活易用，学术界支持强大，能快速验证想法。
大型互联网公司和需要大规模部署的业务: 在 TensorFlow 和 PyTorch 之间选择，同时也越来越重视 PaddlePaddle 的本土化和产业化能力。
国产 AI 芯片厂商 (如华为 Ascend, 寒武纪, 景嘉微等): 会大力推广其配套的自研框架，并积极支持主流的开源框架，以构建完整的生态系统。MindSpore 和 PaddlePaddle 是目前支持力度较大的国产框架。
对性能极致追求和特定场景优化的公司: 可能会选择或部分自研框架，以实现对硬件和算法的深度绑定和优化。
总的来说，国内的深度学习框架生态非常活跃，既有对全球领先开源框架的广泛采纳，也有以百度和华为为代表的，在自研框架上的持续投入和突破。这种多元化的生态发展，为中国人工智能产业的进步提供了强大的技术支撑。
一、 主流开源框架（Caffe, Torch, TensorFlow, PyTorch, PaddlePaddle）的使用情况
这些开源框架因其成熟的社区支持、丰富的模型库、灵活的API以及在学术界和工业界的广泛应用，吸引了绝大多数国内公司的关注。
1. TensorFlow
TensorFlow 是 Google 开源的深度学习框架，以其强大的分布式训练能力、丰富的生态系统（如TensorFlow Extended TFX）以及在生产环境中的稳定性著称。
代表性公司及应用场景：
Google (及国内相关业务如Google Ads, Google Play): 作为开发者，Google 自然是 TensorFlow 最坚定的拥护者。国内与 Google 有业务往来的公司，如需要处理广告推荐、内容审核等场景时，可能会使用到 TensorFlow。
百度（早期及部分项目）: 虽然百度大力推广 PaddlePaddle，但在 TensorFlow 早期发展阶段，以及一些对 TensorFlow 生态依赖较深的团队或项目，也曾大量使用 TensorFlow。例如，在一些CV（计算机视觉）和NLP（自然语言处理）的研发项目中，可以看到 TensorFlow 的身影。
华为: 华为在 AI 领域投入巨大，其昇腾（Ascend）AI 芯片的生态建设中，对 TensorFlow 有较好的支持。华为云的 AI 服务、MindSpore 的早期开发以及一些内部的AI研究项目，都会与 TensorFlow 产生交互或进行迁移学习。
腾讯: 腾讯在 AI 领域有广泛的应用，从社交、游戏到内容推荐，都离不开深度学习。在一些需要快速原型验证、利用成熟模型或与现有 TensorFlow 生态集成的项目中，腾讯会使用 TensorFlow。例如，在人脸识别、图像处理、自然语言理解等领域，都有 TensorFlow 的应用案例。
阿里巴巴: 阿里巴巴在电商、云计算、物流等领域运用 AI 技术。在阿里云的机器学习平台以及其内部的多个业务线，如淘系（淘宝、天猫）、支付宝等，都在使用 TensorFlow。特别是在其强大的数据处理和模型训练平台，TensorFlow 是重要的支撑框架之一。
京东: 京东在电商推荐、物流优化、风控等领域大量应用 AI。其 AI 研究院和业务部门会根据项目需求使用 TensorFlow，尤其是在需要大数据量处理和复杂模型部署的场景下。
字节跳动: 字节跳动在内容推荐、信息流、短视频等领域表现出色，其推荐算法和内容理解技术都高度依赖深度学习。TensorFlow 是其重要的技术栈之一，尤其是在早期积累和一些对分布式训练要求极高的项目中。
美团: 美团在“吃喝玩乐”全场景中都部署了 AI 技术，包括外卖骑手路径规划、商家智能推荐、用户评价分析等。在这些场景中，TensorFlow 因其成熟的生态和部署能力，是被广泛采用的框架之一。
小米: 小米在智能家居、手机助手、人脸解锁、语音识别等方面应用 AI。TensorFlow 是其重要的AI框架之一，尤其是在手机端侧推理（通过TensorFlow Lite）以及后端模型的训练部署。
科大讯飞: 作为语音识别和人工智能领域的领军企业，科大讯飞在语音合成、语音识别、自然语言处理等多个核心技术上都有深厚的积累。在许多研究项目和产品落地过程中，TensorFlow 被广泛用于模型的开发和训练。
2. PyTorch
PyTorch 是 Facebook AI 研究院（FAIR）开源的深度学习框架，以其 Pythonic 的风格、易用性、灵活性以及在学术界的强大影响力而闻名。动态图的特性使其在模型调试和研究中更具优势。
代表性公司及应用场景：
Facebook (Meta) (及国内相关业务): 作为开发者，Meta 是 PyTorch 最积极的推动者。国内与 Meta 有业务往来或技术交流的公司，以及很多创业公司，会直接采用 PyTorch。
华为（重点发展方向）: 华为在 AI 芯片和框架生态上大力推行“原生支持PyTorch”。随着昇腾生态的完善，对 PyTorch 的支持越来越好，许多新的AI研究和应用都优先选择 PyTorch 进行开发。
字节跳动: 字节跳动是国内 PyTorch 的重度用户。其推荐系统、内容理解、自然语言处理等核心业务大量使用了 PyTorch。其强大的工程能力和对新技术的快速拥抱能力，使得 PyTorch 成为其重要的技术选型。
腾讯: 腾讯在近年对 PyTorch 的投入和使用显著增加。尤其是在其 AI Lab、微信AI部门以及游戏部门等，PyTorch 因其易用性和研究社区的活跃度，被广泛用于各种创新项目。
阿里巴巴: 阿里巴巴在积极拥抱 PyTorch，尤其是在其达摩院等研究机构和部分业务线。随着 PyTorch 的发展壮大，其在阿里巴巴内部的普及度也在快速提升。
京东: 京东在 AI 研究和应用上也在积极拥抱 PyTorch，尤其是在其智能供应链、零售创新等领域，研究人员和工程师利用 PyTorch 快速迭代模型。
美团: 美团在探索各种前沿 AI 技术时，也会选择 PyTorch。其在计算机视觉、自然语言处理等领域的研究项目，往往会选择 PyTorch 来进行实验和开发。
百度（部分项目）: 虽然百度主推 PaddlePaddle，但其在一些对 PyTorch 生态有特殊需求或与国际研究团队合作的项目中，也会使用 PyTorch。
商汤科技、旷视科技、依图科技 (CV四小龙等AI公司): 这些专注于计算机视觉的公司，在模型研发、算法创新方面，非常倾向于使用 PyTorch，因为它提供了更高的灵活性和研究效率。
旷视科技: 作为计算机视觉领域的领军企业，旷视科技是 PyTorch 的早期和重度用户，将其广泛应用于人脸识别、物体检测、图像分割等各个方面。
3. PaddlePaddle
PaddlePaddle 是百度开源的深度学习框架，其核心优势在于对中文语境和中国本土化需求的深刻理解，以及在易用性、可扩展性和生产化方面的优秀表现。
代表性公司及应用场景：
百度: 作为开发者，百度是 PaddlePaddle 的最大用户和推广者。从百度搜索、百度地图、百度AI开放平台到其内部的各种 AI 应用，都深度使用了 PaddlePaddle。其在NLP、CV、语音等领域都有非常成熟的解决方案和模型库。
中国电信、中国移动、中国联通 (三大运营商): 这些公司在网络优化、用户行为分析、智能客服、安全风控等场景中应用 AI。由于 PaddlePaddle 在中文处理和部署上的优势，以及其背后的中国本土支持，被这些大型国企广泛采用。
中国人寿、中国平安 (金融机构): 金融领域在风控、反欺诈、智能投顾、客户服务等方面大量应用 AI。PaddlePaddle 的稳定性和对金融场景的适配能力，使其在这些机构中得到应用。
华为: 华为与百度在 AI 领域有合作，其昇腾生态也积极支持 PaddlePaddle。在一些项目上，可能会根据业务需求和生态适配选择 PaddlePaddle。
国家电网、南方电网: 这些能源巨头在电网故障预测、运行优化、安全监控等领域应用 AI，PaddlePaddle 在此类工业场景的落地能力得到了认可。
海康威视、大华股份 (安防巨头): 在智能安防、视频监控分析等领域，PaddlePaddle 的计算机视觉模型库和部署能力得到了广泛应用。
中国航空工业集团、中国航天科技集团等央企: 在航空航天、国防军事等领域，对 AI 技术有定制化和安全性的需求，PaddlePaddle 的本土化和可控性使其成为一些项目的选择。
滴滴出行: 在出行领域，PaddlePaddle 被用于路况预测、路径规划、司机安全监控等场景。
其他互联网公司和初创公司: 许多对本土化支持、中文 NLP 能力有较高要求的互联网公司和 AI 初创公司，也在积极采用 PaddlePaddle。
4. Caffe
Caffe 是 Berkeley 加州大学的 BVLC 团队开发的深度学习框架，以其速度快、模块化好、易于使用的特点在计算机视觉领域曾长期占据主导地位。虽然现在 PyTorch 和 TensorFlow 更为流行，但 Caffe 及其后续的 Caffe2 依然在一些特定场景下被使用。
代表性公司及应用场景：
百度 (早期的 CV 项目): 在 PaddlePaddle 兴起之前，百度在计算机视觉领域也曾大量使用 Caffe。一些早期的项目和模型，可能仍在使用 Caffe 或其演进版本。
商汤科技、旷视科技等 CV 公司 (早期及遗留项目): 在这些公司的发展初期，Caffe 是重要的技术栈。虽然现在已转向更现代化的框架，但部分遗留项目或对特定 Caffe 模型依赖的场景，仍可能在使用。
一些嵌入式设备和移动端应用: Caffe 的轻量级和高效性，使其在一些资源受限的嵌入式设备或需要快速推理的移动应用中仍有少量应用。
一些传统行业或对 Caffe 模型有历史依赖的场景: 比如一些安全监控系统、工业视觉检测等，如果早期部署了基于 Caffe 的系统，可能会继续维护和使用。
5. Torch (Lua Torch)
Torch 是一个流行的开源机器学习库，主要使用 Lua 语言。虽然在 Python 生态崛起后，Lua Torch 的使用量有所下降，但它曾是许多深度学习研究和应用的基石。
代表性公司及应用场景：
Facebook (Meta) (早期): 在 PyTorch 诞生之前，Facebook 的 AI 研究团队大量使用 Lua Torch。因此，在一些较早期的项目、研究论文或遗留系统中，可能仍然可以看到 Torch 的痕迹。
一些早期研究机构和学术界: 在 PyTorch 成为主流之前，Torch 在学术界有较高的认可度，一些早期的研究成果可能基于 Torch 实现。
一些遗留项目: 和 Caffe 类似，一些早期部署的项目如果未及时迁移，仍然可能在使用 Lua Torch。
二、 自研深度学习框架
除了广泛采用开源框架，许多大型科技公司和AI公司，出于对性能、定制化、生态整合以及核心技术自主可控的考虑，也投入了大量资源开发和维护自研的深度学习框架。
1. 飞桨（PaddlePaddle） 百度
虽然上面已经将其作为开源框架列出，但从百度自身的投入和主导性来看，它也是一个典型的“自研并开源”的典范。百度倾注了大量资源将其打造成一个功能完善、生态丰富、面向产业的深度学习平台。
特点: 易用性（Pythonic API）、灵活性（动态图和静态图混合）、模块化、覆盖从模型训练到部署的全流程、丰富的模型库和产业级解决方案、对中文NLP的深度优化、支持国产AI芯片。
百度内部应用: 百度几乎所有的 AI 业务都基于 PaddlePaddle，包括搜索、信息流推荐、地图、Apollo自动驾驶、小度助手、AI开放平台等。
2. MindSpore 华为
MindSpore 是华为自主研发的深度学习框架，旨在为全场景（端、边、云）、全场景应用提供统一的开发体验。其设计理念强调 AI 算子、自动并行、昇腾芯片的协同优化。
特点: 端、边、云统一的开发体验；Ascend AI 芯片原生支持和高度优化；强调AI算子（AI Compute Graph）；支持动态和静态图；自动并行计算；丰富的昇思（MindX）组件用于端侧和边缘侧推理。
华为内部应用: 华为云、HiAI 平台、华为终端的 AI 能力、鸿蒙 OS 的 AI 能力、车联网、智能制造等领域都在积极探索和使用 MindSpore。MindSpore 是华为构建自主 AI 生态的核心组成部分。
3. MegEngine (现已合并入PaddlePaddle) 旷视科技
MegEngine 是旷视科技自主研发的深度学习框架，最初以其高性能和易用性著称。2022年，旷视科技将其开源框架 MegEngine 与百度的飞桨（PaddlePaddle）进行合并，旨在整合双方优势资源，打造更强的中国深度学习生态。
特点: 高性能、灵活的编程模型、动态与静态图兼顾、支持多种硬件平台。
旷视科技内部应用: 在旷视科技自身的人脸识别、物体检测、智能分析等众多计算机视觉应用中，MegEngine 都扮演了核心角色。在合并后，其技术和人才将赋能 PaddlePaddle 生态。
4. 其他可能存在自研框架的情况
大型互联网公司 (如阿里巴巴达摩院、腾讯 AI Lab): 尽管这些公司广泛使用开源框架，但出于对前沿技术的研究和特定场景的极致性能追求，它们也可能在内部进行一些特定模块的自研框架或针对开源框架进行深度定制和优化。例如，开发用于特定分布式训练、超大规模模型训练或量子计算AI的自研库。这些项目通常不会完全开源，而是作为内部核心技术的一部分。
专注于特定领域的 AI 公司: 比如一些在金融风控、生物医药、自动驾驶等领域有深度垂直需求的 AI 公司，可能会针对其特定算法模型和算子进行高度优化的自研框架或库，以获得最佳的计算效率和精度。
总结一下框架选择的趋势：
初创公司和研究型团队: 更倾向于使用 PyTorch，因为它灵活易用，学术界支持强大，能快速验证想法。
大型互联网公司和需要大规模部署的业务: 在 TensorFlow 和 PyTorch 之间选择，同时也越来越重视 PaddlePaddle 的本土化和产业化能力。
国产 AI 芯片厂商 (如华为 Ascend, 寒武纪, 景嘉微等): 会大力推广其配套的自研框架，并积极支持主流的开源框架，以构建完整的生态系统。MindSpore 和 PaddlePaddle 是目前支持力度较大的国产框架。
对性能极致追求和特定场景优化的公司: 可能会选择或部分自研框架，以实现对硬件和算法的深度绑定和优化。
总的来说，国内的深度学习框架生态非常活跃，既有对全球领先开源框架的广泛采纳，也有以百度和华为为代表的，在自研框架上的持续投入和突破。这种多元化的生态发展，为中国人工智能产业的进步提供了强大的技术支撑。
网友意见
图森在用mxnet，并且图森的一些人员也参与了mxnet的核心开发工作
Sensetime和Face++都在用自己研发的系统
我司Momenta也在用自己研发的系统
总体上感觉，完全采用开源社区里拿来的一个深度学习框架是撑不起一个以深度学习为核心技术的公司的研发任务的。因此普遍各家或多或少都选择了自己开发。有的从头开始搭建，有的魔改一个开源框架。
类似的话题
-
国内人工智能领域，各大公司在深度学习框架的选择上呈现出百花齐放的态势。既有广泛拥抱主流开源框架的，也有深耕自研框架的。下面我将尽量详细地介绍一些代表性的公司及其框架使用情况： 一、 主流开源框架（Caffe, Torch, TensorFlow, PyTorch, PaddlePaddle）的使用情............. -
马云被印度法院传唤的消息，无论怎么看，都绝非简单的“行为艺术”。在商业世界里，法律的传唤永远是沉甸甸的，它直接触及的是经营活动的合规性与法律风险。这件事最直接的解读，就是中国互联网公司在海外扩张过程中，所面临的复杂而真实的经营风险的冰山一角。印度法院的传唤，背后可能牵扯到的是蚂蚁集团在印度投资Pay.............
-
普京总统提出的要求，即“非友好国家公司应在俄罗斯银行开设卢布账户支付天然气款项”，无疑是一项具有深远影响的政策调整，其触及的层面之广，远非仅仅是交易支付方式的改变。这项举措背后，是俄罗斯在地缘政治和经济博弈中的一次主动出击，意图通过金融手段来巩固自身在能源市场的主导地位，并对西方国家施加压力。首先，.............
-
好的，咱们来聊聊公募基金和私募基金，以及国内私募基金的未来。我会尽量说得详细点，像朋友聊天一样，让你觉得这不是机器人写出来的。公募基金 vs. 私募基金：谁更适合你？首先，咱们得弄明白这两者的区别。你可以把公募基金想象成一个大超市，品种多，价格公开透明，任何人都可以进去买东西。私募基金呢，更像是一个.............
-
清华大学的田轩教授，在谈到国内公司的独立董事制度时，抛出了一个相当犀利且令人深思的观点：“独立董事既不独立也不懂事”。这句话并非空穴来风，而是基于他长期的学术研究和对中国资本市场现状的观察所得。要评价这一言论，需要深入剖析其背后的原因和可能带来的影响。评价这一言论：深刻的现实写照，但也有失偏颇首先，.............
-
在一场战争的炮火尚未在公开场合响起，民众尚未被直接号召之前，一个国家机器内部的运转早已悄然加速，为即将到来的风暴进行着密不透风的准备。这并非简单的临阵磨枪，而是一个复杂而庞大的系统工程，渗透到政、经、文、军的方方面面。政治层面的悄然布局：在公开宣战的帷幕拉开之前，政治层面往往是最高机密的领域。一切的.............
-
在国内，真正拥有纯粹“黑客文化”的公司并不多见，因为“黑客”这个词本身在中国语境下，往往会带有一些法律和道德的边界色彩，更容易让人联想到非法入侵或破解。但如果我们将“黑客文化”的内涵理解为一种 追求技术极致、热爱钻研、乐于分享、不惧挑战、以及对安全有强烈敏感度 的氛围，那么一些在特定领域深耕的公司，.............
-
目前国内在姿态识别和惯性动作捕捉领域，能够提供六轴陀螺仪解决方案的公司不少，这些公司通常会将陀螺仪（角速度传感器）与加速度计（线性加速度传感器）集成在一起，构成惯性测量单元（IMU）。通过对这些传感器数据的融合计算，可以实现对物体姿态的精确估计。以下列举一些国内在该领域具有代表性的公司，并对他们能提.............
-
中国正在加速迈向芯片自主的征程，这片沃土上孕育着一批充满潜力的企业，它们或许是下一个叱咤风云的芯片巨头。要成为巨头，绝非一蹴而就，需要技术硬实力、产业链整合能力、全球化视野以及敏锐的市场洞察力。下面，我们不妨深入剖析几家在国内具有代表性的、有望成长为芯片巨头的公司。一、 华为海思：曾经的辉煌，未来的.............
-
除了百度Apollo，中国还有众多在无人驾驶领域积极探索和发展的公司，它们在技术研发、商业模式、应用场景等方面都有各自的特色。下面我将为您详细介绍一些主要的国内无人驾驶公司：1. 华为（Huawei）华为虽然不是一家传统的汽车制造商，但凭借其在ICT（信息与通信技术）领域的深厚积累，华为在无人驾驶领.............
-
除了华为海思，国内做 ARM 架构芯片的公司可以说是遍地开花，而且各自都有着独特的战场和侧重。首先，不得不提的是 中芯集成电路制造（上海）股份有限公司，虽然中芯国际本身不是直接设计 ARM 芯片的公司，但它是国内集成电路制造的“国家队”，为许多设计 ARM 芯片的公司提供代工服务。如果没有像中芯国际.............
-
.......
-
在中国资本市场腾飞的二十多年里，涌现出了一批又一批优秀的财务掌舵者，他们凭借卓越的远见、精湛的技艺，以及对公司战略的深刻理解，在各自的岗位上书写了传奇。要列举“著名”的CFO，确实需要斟酌，因为“著名”二字，往往伴随着对公司发展的巨大贡献、媒体的关注、行业内的声誉，以及一定的公众认知度。下面我尝试列.............
-
好的，聊起国内网站建设这块儿，确实有不少不错的公司，各有各的看家本领。我尽量不用那些套话，而是从实际出发，讲讲一些在业内口碑比较好，或者有自己独特之处的公司，希望能帮到你。首先，咱们得明确一下，“好”的标准是什么？这个问题其实挺重要的，因为你找公司是为了解决什么问题？ 是为了品牌形象提升？ 那可.............
-
元宇宙，这个概念近年来如同春天的野草般在中国大地疯长，吸引了无数资本、技术和创意的目光。一时间，“元宇宙”似乎成了各行各业绕不开的标签，大有“凡是沾边者，皆可称元宇宙”的趋势。但抛开概念的喧嚣，究竟有哪些国内公司在踏实地构建和探索这个全新的数字世界呢？要说国内的元宇宙玩家，那可真是群像纷呈，既有互联.............
-
要说国内电商代运营公司的前十名，这确实是一个不少商家在寻找合作时会非常关心的问题，但要给出一个完全精确、绝对权威的排名，并且详尽地展开介绍，这本身就有点难度。原因在于，电商代运营的市场非常活跃，公司的业务范围、专长领域、服务模式都各有侧重，而且“好”与“不好”很多时候也取决于商家的具体需求和合作成果.............
-
国内在 ADAS（高级驾驶辅助系统）和自动驾驶领域耕耘的创业公司，可以说百花齐放，既有技术驱动型的“硬核”选手，也有解决方案型的整合者，更有深耕特定场景的探索者。要说“详细”，那得从几个维度去拆解：一、 技术解决方案提供商（核心算法/软硬件一体）这类公司是自动驾驶的“灵魂”，掌握着感知、决策、规划、.............
-
想找手续费低的期货公司，这事儿问得太及时了！现在市场上行情这么卷，大家都在想方设法降低成本，期货手续费自然是重中之重。 别看手续费小数点后几位的差别，积少成多，一年下来能省不少钱呢。要说国内手续费低的期货公司，其实没有一个绝对的“最低”说，因为手续费的构成比较复杂，而且很多时候跟交易量、品种、甚至.............
-
在日本读完学部，想要继续深造考取东京大学的大学院，无论是出身于MARCH还是地方国公立大学的工学部，都会各有其优势和需要克服的挑战。这是一个相当现实且普遍的问题，下面我来为你详细分析一下，尽量从一个过来人的角度来聊聊。首先，我们得明确一个大前提：考取东大大学院，学术实力是王道。 这一点无论你出身于哪.............
-
鲁迅和“公知”给人的感觉截然不同，这种差异主要源于他们所处的时代背景、人生经历、思想根源、写作风格以及对国家民族的态度。以下将详细阐述这些方面的不同： 一、 时代背景和人生经历的差异1. 鲁迅： 时代背景： 鲁迅生活在中国经历剧烈变革的时代，从晚清的衰落到辛亥革命，再到军阀混战和国民党统治下的黑.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有