国内智算中心主要有两种建设形态，第一种由企业自主建设，如BAT、海大宇、四小龙企业内部的人工智能数据中心，其智算中心的核心目的是持续训练提升自己的算法。企业级的智算中心对人工智能算法的发展起到了关键的作用，但企业自建智算中心非常类似国家之间的军备竞争，市场竞争需要企业始终保持领先，否则将面临持续的高投入和高维护成本的困境。除个别头部企业，大部分企业难以长期维系；第二种由政府牵头，仿照传统超算中心建设的智算中心，初衷是建设一个开放、共享的资源池。但由于当前人工智能的客户群和应用场景并不十分明确，导致其具有使用量不足、资源闲置、缺乏持续的建设和发展动力等缺点。

　　人工智能训练框架在国内外处于两个不同的发展阶段。国际上知名的开源框架包括TensorFlow、Caffe、CNTK、Theano、Deeplearning4j、Torch、Chainer等，背后由谷歌、微软、脸书、IBM等软件巨头或者基金会提供支撑，一度是百家争鸣的局面。然而从2019年开始，开源框架开始整合和淘汰，逐渐集中到少数几个框架。国内的开源框架正在走向繁荣，几年前只有百度的PaddlePaddle比较知名，而现在华为的MindSpore、阿里的X-Deep Learning、商汤的SenseParrots以及很多其他厂商都宣称，开始准备开源自主知识产权的训练框架。

　　--摘自《中国安防》杂志2021年6月刊