中国图像处理分析与识别中游：深度学习开源算法框架，2023年

中游企业面向多样的产业应用需求，以开源开发框架为核心的深度学习平台构建基于从模型研发至部署的服务体系，包含开发框架、算法模型、开发工具及能力平台三大核心层级

中游企业面向多样的产业应用需求，以开源开发框架为核心的深度学习平台构建基于从模型研发至部署的服务体系，包含开发框架、算法模型、开发工具及能力平台三大核心层级。深度学习平台底层是开源开发框架，使各类算法高效研发迭代和大规模应用部署成为可能；中间层是算法模型，深度学习平台面向开发者开放产业级模型能力，帮助开发者实现模型的快速部署；

深度学习平台的价值：1）对于人脸识别等基于视觉类的基础AI能力的应用场景来说：这些场景具备应用技术成熟、导入成本较低、场景需求相对标准、市场空间广阔等特点，而传统解决方案大多依赖人力完成。针对上述场景，百度飞桨等深度学习平台纷纷开放目标检测、图像识别等基础算法模型能力，提供完整训练推理和部署工具，帮助企业降本增效。2）辅助决策管理：深度学习平台对数据样本高精度、大批量、低时延的识别处理能力，能够快速挖掘并提炼海量数据资源中潜在的业务知识，可以为企业核心关键决策提供判断依据或建议

当前深度学习平台服务模式包括：1）零门槛开发模式：以传统行业、应用开发商等类型的主体为主，该类主体在信息技术研发、算法能力方面基础薄弱的情况下，希望AI能力能够快速应用至实际生产环境中；2）企业级专家开发模式：多样化业务场景带来算法建模方式、硬件平台、预测服务、流程管理等定制化需求，支持企业实现结合自身业务场景及现有开发环境的算法模型研发能力；3）专业领域的定制化开发模式：在专业化的特定领域，通过预置专业领域预训练模型，提供专业领域定制化模型开发能力