简介：百度正式公布PaddlePaddle中文名「飞桨」，同步启动一亿元免费算力计划，从品牌升级、技术普惠、生态共建三个维度推动AI开发者与企业用户创新。
2023年7月，在WAVE SUMMIT深度学习开发者大会上，百度宣布将旗下深度学习平台PaddlePaddle的中文名正式定为「飞桨」，并同步推出「一亿元免费算力计划」。这一动作不仅标志着中国首个自主研发的深度学习框架完成品牌本土化升级，更通过算力资源的普惠性释放，为AI开发者、科研机构及中小企业搭建了低成本、高效率的创新试验场。
PaddlePaddle自2016年开源以来，凭借「动态图模式」「产业级模型库」等特性，在全球AI框架市场中占据一席之地。然而，英文名的传播门槛始终存在。此次命名为「飞桨」，既保留了「Paddle」（船桨）的核心意象，又通过「飞」字传递出技术突破的势能，符合中文语境下对「高效、敏捷、领先」的期待。
「飞桨」一词暗含双重技术隐喻：其一，桨是驱动船只前行的核心工具，象征AI框架作为底层基础设施的关键作用；其二，「飞」字呼应了百度在AI领域「加速行业智能化」的愿景。例如，在医疗影像分析场景中，飞桨的3D医疗模型库可将病灶识别速度提升3倍，恰如为数据之船装上「飞桨」，助力行业破浪前行。
中文名的发布同步配套了「飞桨开发者技术委员会」，邀请高校、企业、开源社区代表参与框架功能迭代。这种「命名+共建」的组合拳，显著降低了非英语母语开发者的参与门槛。数据显示，命名公布后3个月内，飞桨GitHub仓库的中文PR提交量环比增长47%。
AI模型训练的硬件成本常占项目总投入的60%以上。以计算机视觉项目为例，使用128块V100 GPU训练ResNet-152模型，单次成本超过2万元。百度此次提供的免费算力以「算力券」形式发放，开发者可通过飞桨AI Studio平台申请，单项目最高可获500小时V100 GPU资源，相当于直接节省数万元成本。
传统算力申请需经历商务谈判、合同签署、机器部署等流程，周期长达数周。飞桨算力计划采用「弹性申请+即时分配」模式，开发者在AI Studio提交任务后，系统可在10分钟内完成资源调度。某自动驾驶团队利用该特性，将模型迭代周期从7天缩短至2天，加速了算法落地。
针对缺乏AI经验的传统企业，飞桨推出「零代码开发」工具。例如，通过「EasyEdge」模型压缩工具，开发者无需编写代码即可将PyTorch模型转换为飞桨格式，并部署到边缘设备。某制造业企业利用该工具，将设备故障预测模型的部署时间从2周压缩至2小时。
飞桨已构建覆盖CV、NLP、推荐系统等领域的200+预训练模型，其中「文心系列」大模型在中文理解任务中表现突出。例如，文心ERNIE 3.0在CLUE榜单中以88.7分的成绩超越人类基准，为智能客服、内容审核等场景提供强支撑。
飞桨与国产芯片厂商达成战略合作，完成对寒武纪、燧原科技等10余款AI芯片的适配优化。在某智慧城市项目中，基于飞桨优化的寒武纪MLU370芯片，将人脸识别模型的推理延迟从12ms降至8ms，满足实时性要求。
针对工业质检、金融风控等垂直领域，飞桨推出「PP系列」开发套件。例如，PP-ShiTu图像识别套件内置缺陷检测算法，可快速识别电子元件表面的划痕、污渍等缺陷，准确率达99.2%，已在富士康等企业的产线部署。
@to_static装饰器将动态图代码自动转换为静态图，提升推理速度30%PaddleSlim对模型进行8bit量化，模型体积缩小75%，精度损失<1%paddle.distributed模块中设置NCCL通信后端，实现多卡训练效率线性提升「飞桨」的命名与算力计划的推出，标志着中国AI框架从技术追赶迈向生态引领。对于开发者而言，这是降低创新门槛的利器；对于企业用户，这是加速智能化转型的跳板；而对于中国AI产业，这更是构建自主可控技术体系的基石。未来，随着飞桨生态的持续完善，一个「人人可参与、处处可智能」的AI新时代正加速到来。