飛槳（英文名：PaddlePaddle）是百度集團(tuán)自主研發(fā)的中國首個(gè)開源開放、功能完備的產(chǎn)業(yè)級(jí)深度學(xué)習(xí)平臺(tái)，于2016年正式開源，是主流深度學(xué)習(xí)框架中一款完全國產(chǎn)化的產(chǎn)品。該平臺(tái)以百度多年的深度學(xué)習(xí)技術(shù)研究和業(yè)務(wù)應(yīng)用為基礎(chǔ)，集核心框架、基礎(chǔ)模型庫、端到端開發(fā)套件、豐富的工具組件、飛槳星河社區(qū)于一體。
2018年7月，飛槳開源框架V0.14發(fā)布，百度集團(tuán)官方首次開源CV、NLP、語音、強(qiáng)化學(xué)習(xí)等10個(gè)模型，提供了從數(shù)據(jù)預(yù)處理到模型部署在內(nèi)的深度學(xué)習(xí)全流程的底層能力支持。2020年，飛槳開源框架1.8版本發(fā)布，推出了更強(qiáng)大的功能以支持人像分割技術(shù)的產(chǎn)業(yè)應(yīng)用，讓開發(fā)者更順暢地完成人像分割任務(wù)。2022年5月20日，飛槳開源框架2.3版本正式發(fā)布，該版本框架在深度定制開發(fā)能力、全流程的自動(dòng)化水平等方面有大幅升級(jí)，涉及開發(fā)、訓(xùn)練、推理部署和云上飛槳各環(huán)節(jié)。2025年4月1日，飛槳發(fā)布3.0正式版，該版本不僅延續(xù)了飛槳框架2.0系列動(dòng)靜統(tǒng)一、訓(xùn)推一體的特性，更在自動(dòng)并行、神經(jīng)網(wǎng)絡(luò)編譯器、高階自動(dòng)微分等方面取得突破，為大模型時(shí)代的技術(shù)創(chuàng)新與產(chǎn)業(yè)應(yīng)用提供了強(qiáng)大支撐，為開發(fā)者打造了一站式、高性能的深度學(xué)習(xí)開發(fā)體驗(yàn)。截至2025年7月29日，飛槳已凝聚535萬開發(fā)者，基于飛槳?jiǎng)?chuàng)建模型67萬個(gè)，服務(wù)20萬家企事業(yè)單位。
飛槳經(jīng)過多次迭代升級(jí)，具備開發(fā)便捷的深度學(xué)習(xí)框架、超大規(guī)模深度學(xué)習(xí)模型訓(xùn)練技術(shù)、多端多平臺(tái)部署的高性能推理引擎、產(chǎn)業(yè)及開源模型庫四大領(lǐng)先優(yōu)勢，在業(yè)內(nèi)率先實(shí)現(xiàn)了動(dòng)靜統(tǒng)一的框架設(shè)計(jì)，兼顧科研和產(chǎn)業(yè)需求。飛槳端到端自適應(yīng)混合并行訓(xùn)練技術(shù)以及壓縮、推理、服務(wù)部署的協(xié)同優(yōu)化，高效支撐以文心一言為代表的文心大模型的生產(chǎn)與應(yīng)用。2020年8月，飛槳產(chǎn)業(yè)級(jí)深度學(xué)習(xí)技術(shù)與平臺(tái)獲“2019年度中國電子學(xué)會(huì)科學(xué)技術(shù)獎(jiǎng)科技進(jìn)步一等獎(jiǎng)”。2021年9月，飛槳產(chǎn)業(yè)級(jí)深度學(xué)習(xí)開源開放平臺(tái)獲“2021全球中國國際智能產(chǎn)業(yè)博覽會(huì)產(chǎn)品金獎(jiǎng)”。2025年7月26日，在世界人工智能大會(huì)（WAIC）上，飛槳深度學(xué)習(xí)平臺(tái)入選中國人工智能產(chǎn)業(yè)創(chuàng)新成果展。
命名由來
飛槳取自宋代文人朱熹的“聞?wù)f雙飛槳，翩然下廣津”，直意為“洛杉磯快船隊(duì)”，寓意飛槳助推AI走得更快更遠(yuǎn)。
研發(fā)歷程
開源
2016年9月，飛槳正式宣布開源。
V0.14
2018年7月，飛槳開源框架V0.14發(fā)布，百度集團(tuán)官方首次開源CV、NLP、語音、強(qiáng)化學(xué)習(xí)等10個(gè)模型，提供了從數(shù)據(jù)預(yù)處理到模型部署在內(nèi)的深度學(xué)習(xí)全流程的底層能力支持。
V1.0
2018年10月，飛槳核心框架Paddle Fluid V1.0發(fā)布。飛槳開源框架v1.0提供更穩(wěn)定、向后兼容的API，支持Python 3.5，開源CV、NLP 方向主流模型。
V1.1
2018年11月，飛槳1.1.0版本發(fā)布，在基礎(chǔ)框架、模型建設(shè)、分布式訓(xùn)練、預(yù)測引擎各個(gè)方向上完成多項(xiàng)更新。OP進(jìn)行了全面完善和優(yōu)化，模型庫新增了自然語言處理、視覺和推薦等領(lǐng)域的大量經(jīng)典模型，分布式訓(xùn)練能力顯著提升，支持千億規(guī)模稀疏參數(shù)大規(guī)模多機(jī)異步訓(xùn)練，預(yù)測庫易用性和效率提升，移動(dòng)端預(yù)測支持更多模型和更多硬件。移動(dòng)端預(yù)測新增Mali GPU、Adreno GPU、FPGA等硬件支持。開源5個(gè)推薦領(lǐng)域模型，大幅優(yōu)化CV、NLP模型的訓(xùn)練速度和顯存占用。
V1.2
2018年12月，飛槳核心框架Paddle Fluid v1.2版本發(fā)布，在基礎(chǔ)框架、預(yù)測引擎、模型建設(shè)、分布式訓(xùn)練各個(gè)方向上完成多項(xiàng)更新。基礎(chǔ)框架支持Python5及以上全版本。預(yù)測引擎優(yōu)化，預(yù)測性能大幅提升。增強(qiáng)了對(duì)RL相關(guān)的支持能力。模型庫新增圖像分類任?務(wù)的預(yù)訓(xùn)練模型、語言模型任務(wù)新增基于cuDNN的LSTM實(shí)現(xiàn)、分布式word2vec模型。CPU多機(jī)異步訓(xùn)練升級(jí)了包括worker異步并發(fā)和IO、通信優(yōu)化在內(nèi)多項(xiàng)功能，整體吞吐大幅提升。
V1.3
2019年3月，飛槳核心框架Paddle Fluid v1.3版本發(fā)布，在基礎(chǔ)框架、預(yù)測引擎、模型建設(shè)、分布式訓(xùn)練各個(gè)方向上完成多項(xiàng)升級(jí)。新增視頻模型庫，提供5個(gè)視頻分類經(jīng)典模型以及適合視頻分類任務(wù)的通用骨架代碼，用戶可一鍵式高效配置模型完成訓(xùn)練和評(píng)測。新增支持失明語義表示BERT模型，支持多機(jī)多卡訓(xùn)練，支持混合精度訓(xùn)練，訓(xùn)練速度對(duì)比主流實(shí)現(xiàn)提升50%+，提供完整部署示例。大規(guī)模稀疏參數(shù)服務(wù)器Benchmark發(fā)布，CPU多機(jī)異步訓(xùn)練發(fā)布顯著提升點(diǎn)擊率預(yù)估任務(wù)IO吞吐的built-in reader，多機(jī)多卡訓(xùn)練性能多方面提升。其他重要更新包括：
統(tǒng)一Executor和ParallelExecutor接口，用戶只需通過CompiledProgram將單卡模型轉(zhuǎn)化多卡模型，并利用Executor進(jìn)行訓(xùn)練或者預(yù)測。
正式發(fā)布AnalysisConfig?預(yù)測接口，支持計(jì)算圖分析、算子融合等優(yōu)化，并支持利用?英特爾 MKLDNN、英偉達(dá) ? ? TensorRT?子圖引擎等第三方庫的加速。
模型庫新增發(fā)布PaddlePaddle視頻模型庫，提供5個(gè)視頻分類經(jīng)典模型以及適合視頻分類任務(wù)的通用骨架代碼，用戶可一鍵式高效配置模型完成訓(xùn)練和評(píng)測。
新增支持失明語義表示BERT模型，支持多機(jī)多卡訓(xùn)練，支持混合精度訓(xùn)練，訓(xùn)練速度對(duì)比主流實(shí)現(xiàn)提升50%+，提供完整部署示例。
大規(guī)模稀疏參數(shù)服務(wù)器Benchmark發(fā)布，CPU多機(jī)異步訓(xùn)練發(fā)布顯著提升點(diǎn)擊率預(yù)估任務(wù)IO吞吐的built-in ? ? reader，多機(jī)多卡訓(xùn)練性能多方面提升。
新增支持英特爾 Deep Learning Boost(VNNI指令集)。在新一代的Intel Xeon Scalable Processor上，使用這個(gè)特性的一些模型，INT8預(yù)測性能可以達(dá)到FP32的2倍。
V1.4
2019年4月，飛槳核心框架Paddle Fluid v1.4版本發(fā)布。重要更新內(nèi)容包括：
基礎(chǔ)框架對(duì)訓(xùn)練速度和顯存占用進(jìn)行了全面優(yōu)化，完整支持量化訓(xùn)練，初步集成了Intel nGraph，動(dòng)態(tài)圖preview版單機(jī)單卡基本功能完善。
正式發(fā)布模型壓縮工具包PaddleSlim和模型預(yù)測服務(wù)Paddle Serving，全面提升PaddlePaddle部署能力。
優(yōu)化分布式IO，增加遠(yuǎn)程文件系統(tǒng)流式讀取能力。GPU多機(jī)多卡同步訓(xùn)練通過增加稀疏通信能力提升帶寬不敏感訓(xùn)練能力，在低配網(wǎng)絡(luò)帶寬網(wǎng)絡(luò)環(huán)境下，例如10G網(wǎng)絡(luò)下，同步訓(xùn)練可提速10倍。
更好支持K8S生態(tài)，提供工業(yè)生產(chǎn)環(huán)境下的Paddle-K8S-Operator支持；Kubeflow支持paddle-job。
正式發(fā)布視頻識(shí)別工具集，覆蓋主流視頻分類模型，包括Non-Local、TSM、Attention Cluster、NeXtVLAD、Attention?LSTM、StNet、TSN。
新增中文語義表示模型ERNIE，在多項(xiàng)中文任務(wù)上相對(duì)BERT精度絕對(duì)提升1-2個(gè)百分點(diǎn)。新增對(duì)話通用理解相關(guān)模型DGU，支持5類對(duì)話任務(wù)，在3個(gè)公開數(shù)據(jù)集達(dá)到SOTA 的效果。
新增基于圖神經(jīng)網(wǎng)絡(luò)的推薦模型（Graph Neural Network），并提供公開數(shù)據(jù)集下的Benchmark效果。
正式發(fā)布PaddleHub預(yù)訓(xùn)練模型管理工具，提供包括預(yù)訓(xùn)練模型管理、命令行一鍵式使用和遷移學(xué)習(xí)三大功能。旨在幫助用戶更高效地管理模型并開展遷移學(xué)習(xí)的工作。
正式開源AutoDL 設(shè)計(jì)，自動(dòng)化網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)。
全新升級(jí)聚焦并行的PARL1.1，一個(gè)修飾符，實(shí)現(xiàn)并行強(qiáng)化學(xué)習(xí)算法。
正式發(fā)布X2Paddle模型轉(zhuǎn)換工具，用戶可以無損地將其他深度學(xué)習(xí)框架預(yù)測模型遷移至PaddlePaddle。
V1.5
2019年7月，飛槳核心框架Paddle Fluid v1.5版本發(fā)布。重要更新內(nèi)容包括：
訓(xùn)練性能在數(shù)據(jù)讀取、執(zhí)行調(diào)度優(yōu)化、OP計(jì)算邏輯及底層cudnn、CUDAKernel、MKLDNN等方面進(jìn)行了大量優(yōu)化，訓(xùn)練性能大幅提升；進(jìn)一步優(yōu)化顯存占用，整體具備領(lǐng)先優(yōu)勢。
新增基于Padding方式實(shí)現(xiàn)的LSTM、GRU，更方便用戶學(xué)習(xí)和使用；并基于對(duì)應(yīng)API新增語言模型、seq2seq翻譯模型的示例模型；增強(qiáng)部分OP功能，更好地支持失明中Tensor多個(gè)維度可變的任務(wù)。
正式發(fā)布動(dòng)態(tài)圖Preview版并提供相關(guān)的API文檔，并提供 7個(gè)模型動(dòng)態(tài)圖版本官方實(shí)現(xiàn)。
官方模型庫方面正式發(fā)布PaddleDetection物體檢測統(tǒng)一框架，覆蓋主流目標(biāo)檢測算法，易擴(kuò)展和模塊化組合使用；升級(jí)視頻識(shí)別與定位工具集；發(fā)布圖像生成庫，覆蓋主流的GAN算法，可一鍵式運(yùn)行；發(fā)布PaddleNLP-Research，包含百度集團(tuán)在 NLP 領(lǐng)域最新研究工作。
模型壓縮框架PaddleSlim新增基于模擬退火的自動(dòng)剪切策略和輕量級(jí)模型結(jié)構(gòu)自動(dòng)搜索功能（Light-NAS）。
分布式訓(xùn)練發(fā)布HighLevel API Fleet，單機(jī)轉(zhuǎn)分布式訓(xùn)練成本顯著降低；GPU多機(jī)多卡性能顯著提升，在ResNet50、BERT、ERNIE等模型中4x8 v100配置下相比此前發(fā)布的Benchmark提速超過50%。
PaddleHub新增29個(gè)預(yù)訓(xùn)練模型，總計(jì)覆蓋文本、圖像、視頻三大領(lǐng)域40個(gè)模型，并全面提升易用性，發(fā)布PaddleHub官網(wǎng)。
發(fā)布圖學(xué)習(xí)框架pgl(Paddle Graph Learning) Preview版，提供基于游走以及消息傳遞兩種計(jì)算范式去搭建最前沿的圖學(xué)習(xí)算法。
V1.6
2019年11月，飛槳核心框架PaddleFluid v1.6版本發(fā)布。重要更新內(nèi)容包括：
提供更多的算子庫、簡單高效的API接口、完善的文檔內(nèi)容.
升級(jí)輕量級(jí)模型結(jié)構(gòu)自動(dòng)搜索PaddleSlim，增加了基于硬件搜索等能力，打通訓(xùn)練、壓縮和部署全流程。
NLP、CV、推薦系統(tǒng)、語音等各大基礎(chǔ)模型庫的模型，從原來的60+到了100+（這其中包含多個(gè)在AI競賽中奪冠的算法模型）。
Paddle Hub，新增了超參優(yōu)化Auto Fine-tune功能，預(yù)訓(xùn)練模型數(shù)量大幅增加，支持飛槳Master模式。
深度強(qiáng)化學(xué)習(xí)框架PARL并行能力升級(jí)，支持進(jìn)化算法。
Paddle2ONNX 和 X2Paddle升級(jí)，飛槳和其他框架的模型互轉(zhuǎn)更加方便；
V1.7
2020年2月，飛槳核心框架Paddle Fluid v1.7版本發(fā)布。1.7版本對(duì)框架功能層面進(jìn)行了重點(diǎn)增強(qiáng)，預(yù)測部署能力全面提升，分布式訓(xùn)練發(fā)布PLSC支持千萬規(guī)模分類任務(wù)，并對(duì)參數(shù)服務(wù)器模式進(jìn)行了優(yōu)化整合。對(duì)編譯選項(xiàng)、編譯依賴以及代碼庫進(jìn)行了全面清理優(yōu)化。模型庫持續(xù)完善，優(yōu)化了整體層次結(jié)構(gòu)，增加了動(dòng)態(tài)圖模型實(shí)現(xiàn)。端到端開發(fā)套件和工具組件進(jìn)一步完善。
V1.8
2020年5月，飛槳核心框架Paddle Fluid v1.8版本發(fā)布。1.8版本推出了更強(qiáng)大的功能以支持人像分割技術(shù)的產(chǎn)業(yè)應(yīng)用，讓開發(fā)者更順暢地完成人像分割任務(wù)，包括三大亮點(diǎn)特性：
全面提升對(duì)人像分割場景的全流程支持。針對(duì)人像分割場景提供了從數(shù)據(jù)增強(qiáng)處理、模型訓(xùn)練、在線離線量化、視頻分割推理部署、替換背景等全流程配套工具。新版PaddleSeg提供針對(duì)人像分割場景從數(shù)據(jù)增強(qiáng)處理、模型訓(xùn)練、在線離線量化、視頻分割推理部署、替換背景等全流程應(yīng)用指南。針對(duì)目標(biāo)圖像多樣性問題，提供了10+種數(shù)據(jù)增強(qiáng)策略，可結(jié)合實(shí)際業(yè)務(wù)場景進(jìn)行定制組合，提升模型泛化能力和魯棒性。
發(fā)布的HumanSeglite模型超輕量級(jí)人像分割模型，可支持移動(dòng)端場景的實(shí)時(shí)分割，最小只有187K。PaddleSeg不僅推出了服務(wù)端應(yīng)用的預(yù)訓(xùn)練模型，還提供了專門針對(duì)移動(dòng)端實(shí)時(shí)分割場景的模型，例如手機(jī)自拍人像的實(shí)時(shí)處理。該場景下由于移動(dòng)設(shè)備算力、內(nèi)存受限，所以需要更輕量級(jí)的模型，而且通常要求處理效率是30FPS，對(duì)應(yīng)的預(yù)測時(shí)間需要在33ms以下。本次PaddleSeg提供的HumanSegLite模型，采用更輕量的網(wǎng)絡(luò)結(jié)構(gòu)-優(yōu)化后的ShuffleNetV2，并采用飛槳模型壓縮工具PaddleSlim的量化技術(shù)進(jìn)一步壓縮模型的體積，達(dá)到速度和精度的平衡，最終生成的預(yù)訓(xùn)練模型大小僅187K！預(yù)測時(shí)間11.8ms，為開發(fā)者實(shí)現(xiàn)移動(dòng)端實(shí)時(shí)分割任務(wù)提供有利武器。
發(fā)布基于光流算法的視頻級(jí)別的分割后處理方案，針對(duì)移動(dòng)端小模型分割效果不理想的問題，有顯著效果。
V2.0
2021年3月，飛槳核心框架Paddle Fluid v2.0版本發(fā)布。飛槳框架2.0支持用戶使用動(dòng)態(tài)圖完成深度學(xué)習(xí)相關(guān)領(lǐng)域全類別的模型算法開發(fā)。動(dòng)態(tài)圖模式下可以讓開發(fā)者隨時(shí)查看變量的輸入、輸出，方便快捷的調(diào)試程序，帶來最佳的開發(fā)體驗(yàn)。為了解決動(dòng)態(tài)圖的部署問題，飛槳提供了全面完備的動(dòng)轉(zhuǎn)靜支持，在Python語法支持覆蓋度上達(dá)到領(lǐng)先水平。開發(fā)者在動(dòng)態(tài)圖編程調(diào)試的過程中，僅需添加一個(gè)裝飾器，即可無縫平滑地自動(dòng)實(shí)現(xiàn)靜態(tài)圖訓(xùn)練或模型保存。同時(shí)飛槳框架2.0還做到了模型存儲(chǔ)和加載的接口統(tǒng)一，保證動(dòng)轉(zhuǎn)靜之后保存的模型文件能夠被純動(dòng)態(tài)圖加載和使用。
V2.1
2021年5月，飛槳核心框架Paddle Fluid v2.1版本發(fā)布。飛槳開源框架v2.1著重優(yōu)化了自動(dòng)混合精度訓(xùn)練，最大化地使用FP16計(jì)算，減少與FP32的轉(zhuǎn)換開銷，并使用了多種策略自動(dòng)保證模型正常收斂。此外，飛槳開源框架v2.1還優(yōu)化了大量FP16算子的性能，在多個(gè)領(lǐng)域的主流模型上都有明顯的性能提升。
其次，飛槳框架2.1版本的動(dòng)態(tài)圖功能進(jìn)一步增強(qiáng)，新增了inplace操作功能，實(shí)現(xiàn)了自動(dòng)顯存復(fù)用，可將顯存占用降低17.7%。此外還優(yōu)化了Python/C++交互的開銷，提升即時(shí)執(zhí)行效率，使得訓(xùn)練速度提升11%。在飛槳框架2.0版本正式推出的高層API，這一次也進(jìn)行了升級(jí)，增強(qiáng)了數(shù)據(jù)預(yù)處理類API，擴(kuò)展了基于GPU設(shè)備的計(jì)算能力，此外在全流程訓(xùn)練上增加了混合精度策略支持。2.1版本還新增了模型共享機(jī)制，高層API可以直接調(diào)用飛槳官方算法庫中的經(jīng)典的、復(fù)用性高的模型。
V2.2
2021年12月，飛槳核心框架Paddle Fluid v2.2版本發(fā)布。v2.2版本飛槳框架在編程接口方面，新增了傅里葉變換、線性代數(shù)計(jì)算、AI科學(xué)計(jì)算等相關(guān)的100多個(gè)API，可以支持更廣泛任務(wù)類型的模型開發(fā)；分布式訓(xùn)練方面，在優(yōu)化了4D混合并行等分布式技術(shù)的同時(shí)，新增了端到端自適應(yīng)大規(guī)模分布式訓(xùn)練能力，支撐了全球首個(gè)知識(shí)增強(qiáng)千億大模型——“鵬城-百度集團(tuán)·文心”的發(fā)布；在硬件適配方面，提供了包括Kernel Primitive API和NNAdapter在內(nèi)的的低成本硬件接入技術(shù)方案。此外，飛槳框架v2.2還優(yōu)化了文本任務(wù)開發(fā)全流程，給失明開發(fā)者帶來更快更易用開發(fā)體驗(yàn)。
V2.3
2022年5月，飛槳核心框架Paddle Fluid v2.3版本發(fā)布。新版本框架在深度定制開發(fā)能力、全流程的自動(dòng)化水平等方面有大幅升級(jí)，涉及開發(fā)、訓(xùn)練、推理部署和云上飛槳各環(huán)節(jié)。API體系更加豐富，更便捷支持包括AI科學(xué)計(jì)算在內(nèi)各領(lǐng)域模型開發(fā)；針對(duì)高階開發(fā)者深度定制開發(fā)需求，飛槳框架2.3版本推出高復(fù)用性算子庫、高擴(kuò)展性參數(shù)服務(wù)器架構(gòu)，進(jìn)一步降低框架深度定制開發(fā)的成本；推出業(yè)內(nèi)首個(gè)全流程自動(dòng)調(diào)優(yōu)方案，大幅提升性能調(diào)優(yōu)的自動(dòng)化水平；降低模型壓縮技術(shù)的應(yīng)用門檻，推出業(yè)內(nèi)首個(gè)開源的自動(dòng)化壓縮功能；深度優(yōu)化端邊云全場景推理引擎，支持開發(fā)者取得最佳的部署性能。同時(shí)，針對(duì)大模型技術(shù)發(fā)展和產(chǎn)業(yè)應(yīng)用需求，飛槳框架2.3版本的大模型訓(xùn)練和推理能力實(shí)現(xiàn)全面升級(jí)。此外，為了更好地跟云計(jì)算對(duì)接，本次升級(jí)正式推出“云上飛槳”的能力，包括業(yè)內(nèi)首個(gè)異構(gòu)多云自適應(yīng)分布式訓(xùn)練架構(gòu)以及云上部署編排工具PaddleCloud。
V2.4
2022年11月，飛槳核心框架Paddle Fluid v2.4版本發(fā)布。相比飛槳框架2.3版本，飛槳框架v2.4增加了167個(gè)功能性API，新增稀疏計(jì)算(paddle.sparse)、圖學(xué)習(xí)(paddle.geometric)和語音處理(paddle.audio)等更多領(lǐng)域API，同時(shí)也進(jìn)一步完善了loss計(jì)算、張量計(jì)算、分布式和視覺變換等類別的API。重要更新內(nèi)容包括：
飛槳框架v2.4提供稀疏矩陣乘、稀疏softmax等運(yùn)算，可完整支持SparseTransformer的運(yùn)算。在高稀疏度場景下，相比使用DenseTensor提速105.75%，相比同類產(chǎn)品稀疏計(jì)算提速4.01%~58.55%，極致節(jié)省顯存并提升性能。飛槳API支持最常使用的稀疏數(shù)據(jù)COO和CSR格式。COO為稀疏數(shù)據(jù)坐標(biāo)格式，CSR為壓縮行信息格式。不同格式的稀疏數(shù)據(jù)使用場景不同，其中SparseConv3D更適合處理COO格式的數(shù)據(jù)，SparseTransformer中有較多取整行的操作，更適合處理CSR格式的數(shù)據(jù)，能更好降低計(jì)算復(fù)雜度。雖然這些API有不同的格式傾向，但是飛槳稀疏API在設(shè)計(jì)時(shí)，每個(gè)都盡可能支持多種稀疏格式，這樣在不同模型場景下處理不同的數(shù)據(jù)格式時(shí)都可以使用相同的API，不用修改代碼，更靈活且更能極致提升性能。除了支持不同的稀疏格式外，對(duì)于二元計(jì)算及矩陣向量計(jì)算等API，還支持多種稀疏格式和常規(guī)的稠密格式(Dense Tessor)的混合計(jì)算，網(wǎng)絡(luò)可以部分使用傳統(tǒng)組網(wǎng)，部分使用稀疏，更方便已有模型的優(yōu)化。v2.4新增paddle.audio類API提供了語音基礎(chǔ)處理能力，提升了語音建模和學(xué)習(xí)便捷性。
新增圖學(xué)習(xí)類API，支持高效圖學(xué)習(xí)計(jì)算：飛槳框架v2.4新增paddle.geometric圖學(xué)習(xí)類API，提供更好的圖學(xué)習(xí)建模和高效圖學(xué)習(xí)計(jì)算體驗(yàn)。
新增語音領(lǐng)域類API：新增MFCC、Spectrogram、LogMelSpectrogram等特征提取API，支持GPU計(jì)算，相比CPU實(shí)現(xiàn)處理性能提升15倍以上，可大幅提升語音模型訓(xùn)練GPU利用率，達(dá)到快速訓(xùn)練和推理的效果。新增窗函數(shù)、離散余弦變換等特征提取基礎(chǔ)API，方便用戶自定義語音特征提取，方便完成定制化需求。新增語音IO模塊，提供2種音頻I/Obackend，支持6種編解碼，便捷地實(shí)現(xiàn)語音數(shù)據(jù)的加載。新增TESS、ESC50語音分類數(shù)據(jù)集。用戶不必進(jìn)行復(fù)雜的預(yù)處理，可以方便地啟動(dòng)訓(xùn)練流程，便捷地完成訓(xùn)練。用戶也可以依照此代碼，方便定制自己的數(shù)據(jù)集。
其它新增的API：為了更方便地支持各種組網(wǎng)的loss計(jì)算需求，飛槳框架v2.4擴(kuò)充了多個(gè)loss計(jì)算的API。飛槳框架2.3之前的版本實(shí)現(xiàn)了很多基礎(chǔ)的張量計(jì)算API，飛槳框架2.4版本基于這些基礎(chǔ)API，通過組合的方式擴(kuò)充了張量計(jì)算API，方便用戶直接使用。新增10個(gè)分布式通信API，如paddle.distributed.communication.stream.all_gather等，支持在主計(jì)算流上做通信，降低了在流切換、事件等待時(shí)的性能開銷，能夠使分布式GPT3模型訓(xùn)練提速11.35%。基于飛槳基礎(chǔ)API，擴(kuò)充了paddle.vision.transforms中視覺變換API。
飛槳框架v2.4逐步形成了成熟的API開發(fā)范式，框架的開發(fā)難度持續(xù)降低。配合官方提供的標(biāo)準(zhǔn)集成開發(fā)環(huán)境，飛槳社區(qū)開發(fā)者可以更加順暢地完成飛槳API開發(fā)與貢獻(xiàn)。具體體現(xiàn)在：
簡化API開發(fā)步驟：飛槳框架v2.4完成了基礎(chǔ)框架算子體系重構(gòu)，構(gòu)造高可復(fù)用的PHI算子庫(Paddle HIgh reusability operator library)，支持基于已有的算子內(nèi)核以及Kernel Primitives API組合實(shí)現(xiàn)新的算子，支持插件式接入新硬件或者新加速庫。PHI算子庫的成熟，提升了飛槳API的開發(fā)效率，并形成了通用的API開發(fā)流程，使得開發(fā)者可以更加簡潔流暢地參與飛槳API的開發(fā)與貢獻(xiàn)。
發(fā)布標(biāo)準(zhǔn)API貢獻(xiàn)指南：飛槳框架v2.4形成了標(biāo)準(zhǔn)的API貢獻(xiàn)指南，包括貢獻(xiàn)流程與操作指南、API設(shè)計(jì)文檔模板、API代碼模板、API文檔寫作規(guī)范，為飛槳社區(qū)開發(fā)者提供清晰的文檔指引與輔助，使得開發(fā)者可以快速上手。
提供標(biāo)準(zhǔn)開發(fā)環(huán)境：飛槳AIStudio平臺(tái)推出標(biāo)準(zhǔn)開發(fā)環(huán)境，為開發(fā)者提供飛槳鏡像環(huán)境、在線IDE與專屬GPU算力，登錄即可開發(fā)調(diào)試，免去環(huán)境配置與算力限制，隨時(shí)隨地參與飛槳框架的開發(fā)與貢獻(xiàn)。
V2.5
2023年8月，飛槳核心框架Paddle Fluid v2.5版本發(fā)布。基礎(chǔ)架構(gòu)全面升級(jí)，新架構(gòu)微分功能更完善，性能優(yōu)化更通用。
V2.6
2023年12月，飛槳核心框架Paddle Fluid v2.6版本發(fā)布。飛槳開源框架2.6版在開發(fā)體驗(yàn)方面，通過自適應(yīng)圖構(gòu)建機(jī)制，動(dòng)轉(zhuǎn)靜訓(xùn)練成功率達(dá)到100%；實(shí)現(xiàn)了高擴(kuò)展性 IR，支撐大模型極致性能優(yōu)化；支持動(dòng)靜統(tǒng)一自動(dòng)并行編程，混合并行訓(xùn)練代碼開發(fā)大幅簡化。全流程優(yōu)化大模型套件，實(shí)現(xiàn)大模型預(yù)訓(xùn)練、精調(diào)、壓縮、推理、部署全流程關(guān)鍵技術(shù)升級(jí)。硬件適配方面，結(jié)合文心大模型升級(jí)，更好地支持硬件廠商進(jìn)行靈活定制、軟硬協(xié)同深度優(yōu)化。
V3.0-beta
2024年6月27日，PaddleX 3.0-beta 開源版本發(fā)布，該版本聚焦7大主流AI場景，精選68個(gè)飛槳優(yōu)質(zhì)模型，構(gòu)建了16條產(chǎn)業(yè)級(jí)模型產(chǎn)線（其中9條基礎(chǔ)產(chǎn)線開源，7條特色產(chǎn)線可在飛槳AI Studio星河社區(qū)上免費(fèi)使用），包含了多項(xiàng)能力的顯著升級(jí)，旨在助力企業(yè)開發(fā)者以低成本、零門檻的方式，有效解決產(chǎn)業(yè)中的實(shí)際問題。該版本的核心亮點(diǎn)為：
模型豐富場景全面：精選68個(gè)優(yōu)質(zhì)飛槳模型，覆蓋圖像分類、目標(biāo)檢測、圖像分割、OCR、文本圖像版面分析、文本圖像信息抽取、時(shí)序分析等任務(wù)場景。
低門檻開發(fā)范式，便捷開發(fā)與部署：低代碼開發(fā)方式，通過統(tǒng)一的API接口實(shí)現(xiàn)模型產(chǎn)線的全流程開發(fā)，同時(shí)支持用戶自定義模型流程串聯(lián)。模型產(chǎn)線指的是可以獨(dú)立完成某類任務(wù)且具備落地能力的模型或模型組合，可以是單模型產(chǎn)線，也可以是多模型組合的產(chǎn)線。在PaddleX 3.0-beta版本中，開源了基礎(chǔ)模型產(chǎn)線，這些模型產(chǎn)線可以快速完成模型的體驗(yàn)和部署。可以根據(jù)實(shí)際體驗(yàn)情況，通過6步，快速完成產(chǎn)線部署落地。
本地多硬件支持，兼容性強(qiáng)：為了滿足用戶的多硬件需求，PaddleX團(tuán)隊(duì)基于飛槳框架在硬件兼容性和靈活性方面的優(yōu)勢，積極適配了多種芯片，為用戶在硬件上提供更大的選擇空間。除了英偉達(dá)GPU之外，PaddleX 3.0-beta還支持昆侖芯、昇騰、寒武紀(jì)等硬件。只需添加一個(gè)配置設(shè)備的參數(shù)，即可在對(duì)應(yīng)硬件上使用上述工具。每款硬件上，PaddleX 3.0-beta支持的模型數(shù)量都達(dá)到數(shù)十個(gè)。
V3.0
2025年4月1日，飛槳框架3.0正式版發(fā)布。飛槳框架3.0版本不僅延續(xù)了飛槳框架2.0系列動(dòng)靜統(tǒng)一、訓(xùn)推一體的特性，更在自動(dòng)并行、神經(jīng)網(wǎng)絡(luò)編譯器、高階自動(dòng)微分等方面取得突破，為大模型時(shí)代的技術(shù)創(chuàng)新與產(chǎn)業(yè)應(yīng)用提供了強(qiáng)大支撐，為開發(fā)者打造了一站式、高性能的深度學(xué)習(xí)開發(fā)體驗(yàn)。
飛槳框架3.0具備以下五大新特性：
動(dòng)靜統(tǒng)一自動(dòng)并行：通過少量的張量切分標(biāo)記，即可自動(dòng)完成分布式切分信息的推導(dǎo)，Llama預(yù)訓(xùn)練場景減少80%的分布式相關(guān)代碼開發(fā)。
大模型訓(xùn)推一體：依托高擴(kuò)展性的中間表示（PIR）從模型壓縮、推理計(jì)算、服務(wù)部署、多硬件推理全方位深度優(yōu)化，支持文心4.5、文心X1等多款主流大模型，DeepSeek-R1滿血版單機(jī)部署吞吐提升一倍。
科學(xué)計(jì)算高階微分：通過高階自動(dòng)微分和神經(jīng)網(wǎng)絡(luò)編譯器技術(shù)，微分方程求解速度比PyTorch快115%。
神經(jīng)網(wǎng)絡(luò)編譯器：通過自動(dòng)算子自動(dòng)融合技術(shù)，無需手寫CUDA等底層代碼，部分算子執(zhí)行速度提升4倍，模型端到端訓(xùn)練速度提升27.4%。
異構(gòu)多芯適配：通過對(duì)硬件接入模塊進(jìn)行抽象，降低異構(gòu)芯片與框架適配的復(fù)雜度，兼容硬件差異，初次跑通所需適配接口數(shù)比PyTorch減少56%，代碼量減少80%。
2025年6月，百度集團(tuán)“文心中國行”活動(dòng)走進(jìn)南京。活動(dòng)現(xiàn)場，百度飛槳（南京）人工智能產(chǎn)業(yè)賦能中心正式揭牌，并啟動(dòng)公開試運(yùn)營，同期開源文心大模型4.5系列模型。7月26日，在世界人工智能大會(huì)（WAIC）上，飛槳深度學(xué)習(xí)平臺(tái)入選中國人工智能產(chǎn)業(yè)創(chuàng)新成果展。截至2025年7月29日，飛槳已凝聚535萬開發(fā)者，基于飛槳?jiǎng)?chuàng)建模型67萬個(gè)，服務(wù)20萬家企事業(yè)單位。
平臺(tái)構(gòu)成與功能
模型開發(fā)和訓(xùn)練組件
飛槳核心框架支持用戶完成基礎(chǔ)的模型編寫和單機(jī)訓(xùn)練功能。除核心框架之外，飛槳還提供了分布式訓(xùn)練框架FleetAPI、云上任務(wù)提交工具PaddleCloud和多任務(wù)學(xué)習(xí)框架PALM。
模型部署組件
針對(duì)不同硬件環(huán)境，飛槳提供了豐富的支持方案。
FastDeploy
FastDeploy，AI推理部署套件，面向AI模型產(chǎn)業(yè)落地，支持40多個(gè)主流的AI模型在8大類常見硬件上的部署能力，幫助開發(fā)者簡單幾步即可完成AI模型在對(duì)應(yīng)硬件上的部署。
Paddle Inference
Paddle Inference，飛槳原生推理庫，用于模型部署，支持、C、、Go等語言，可將模型融入業(yè)務(wù)系統(tǒng)。
Paddle Lite
Paddle Lite，飛槳輕量化推理引擎，用于Mobile、IoT等場景的部署，有著廣泛的硬件支持。
Paddle.js
Paddle.js，使用ECMAScript（Web）語言部署模型，用于在瀏覽器、小程序等環(huán)境快速部署模型。
PaddleSlim
PaddleSlim，模型壓縮工具，獲得更小體積的模型和更快的執(zhí)行性能，通常在模型部署前使用。
X2Paddle
X2Paddle，飛槳模型轉(zhuǎn)換工具，將其他框架模型轉(zhuǎn)換成飛槳模型，轉(zhuǎn)換格式后可以方便的使用上述第（1）至第（5）個(gè)工具。
預(yù)訓(xùn)練模型和封裝工具
通過低代碼形式，支持企業(yè)POC快速驗(yàn)證、快速實(shí)現(xiàn)深度學(xué)習(xí)算法開發(fā)及產(chǎn)業(yè)部署。
PaddleHub
PaddleHub，飛槳預(yù)訓(xùn)練模型應(yīng)用工具，提供超過400個(gè)開源的預(yù)訓(xùn)練模型，覆蓋文本、圖像、視頻、語音、跨模態(tài)等多個(gè)AI領(lǐng)域。開發(fā)者可以輕松結(jié)合實(shí)際業(yè)務(wù)場景，選用預(yù)訓(xùn)練模型一鍵推理/一行代碼服務(wù)化部署，快速完成模型驗(yàn)證與應(yīng)用工作。
PaddleX
PaddleX，飛槳低代碼開發(fā)工具，以低代碼的形式支持開發(fā)者快速實(shí)現(xiàn)深度學(xué)習(xí)算法開發(fā)及產(chǎn)業(yè)部署。提供極簡Python API和可視化界面Demo兩種開發(fā)模式，可一鍵安裝。提供CPU、GPU、樹莓派等通用硬件高性能部署方案，支持用戶流程化串聯(lián)部署任務(wù)，極大降低部署成本。
其他輔助工具組件
AutoDL
飛槳自動(dòng)化深度學(xué)習(xí)工具AutoDL，提供基于強(qiáng)化學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索基本框架，AutoDL設(shè)計(jì)的網(wǎng)絡(luò)相比于人類設(shè)計(jì)的網(wǎng)絡(luò)，其精度更優(yōu)，體積更小。AutoDL也可應(yīng)用于風(fēng)格化圖像生成、科學(xué)計(jì)算等更為復(fù)雜和實(shí)用的場景。
VisualDL
飛槳可視化分析工具VisualDL，以豐富的圖表呈現(xiàn)訓(xùn)練參數(shù)變化趨勢、模型結(jié)構(gòu)、數(shù)據(jù)樣本、高維數(shù)據(jù)分布、精度召回曲線、性能消耗數(shù)據(jù)等模型關(guān)鍵信息。幫助用戶清晰直觀地理解深度學(xué)習(xí)模型訓(xùn)練過程及模型結(jié)構(gòu)，進(jìn)而實(shí)現(xiàn)高效的模型調(diào)優(yōu)、算法訓(xùn)練過程及性能分析與結(jié)果分享。
PaddleFL
飛槳聯(lián)邦學(xué)習(xí)框架PaddleFL，支持輕松復(fù)制和比較聯(lián)邦學(xué)習(xí)算法，便捷地實(shí)現(xiàn)大規(guī)模分布式集群部署，并且提供豐富的橫向和縱向聯(lián)邦學(xué)習(xí)策略及其在計(jì)算機(jī)視覺、自然語言處理、推薦算法等領(lǐng)域的應(yīng)用。此外，可以基于全棧開源軟件輕松部署。
開源模型庫
人工智能產(chǎn)業(yè)應(yīng)用時(shí)常面臨四大難點(diǎn)：很難找到合適的開源模型；模型不適用產(chǎn)業(yè)場景；模型優(yōu)化成本高；部署時(shí)問題頻發(fā)。針對(duì)這四大難題，飛槳提出了產(chǎn)業(yè)級(jí)開源模型庫方案：支持500+個(gè)精選算法和預(yù)訓(xùn)練模型，全面覆蓋深度學(xué)習(xí)主流應(yīng)用領(lǐng)域，如計(jì)算機(jī)視覺、語音、自然語言處理、大模型、推薦、強(qiáng)化學(xué)習(xí)等；支持23個(gè)特色的PP系列模型，滿足對(duì)模型精度和推理速度都有較高要求的產(chǎn)業(yè)應(yīng)用場景；支持端到端的AI開發(fā)套件，開發(fā)者只需要修改配置文件，而不需要修改代碼，即可實(shí)現(xiàn)各種優(yōu)化策略；提供訓(xùn)推一體的全鏈條功能支持，保障飛槳模型在多種多樣的應(yīng)用場景中可以高效、穩(wěn)定、可靠的訓(xùn)練和部署。
PaddleClas
PaddleClas，飛槳圖像分類開發(fā)套件，提供超輕量圖像分類方案PULC，覆蓋人、車、OCR方向九大任務(wù)高頻應(yīng)用；支持通用圖像識(shí)別系統(tǒng)PP-ShiTu，可高效實(shí)現(xiàn)高精度車輛、商品等多種識(shí)別任務(wù)；提供44個(gè)系列243個(gè)高性能圖像分類預(yù)訓(xùn)練模型，其中包括10萬分類預(yù)訓(xùn)練模型、PP-LCNet等明星模型；以及支持SSLD知識(shí)蒸餾等先進(jìn)算法優(yōu)化策略，可被廣泛應(yīng)用于高階視覺任務(wù)，輔助產(chǎn)業(yè)及科研領(lǐng)域快速解決多類別、高相似度、小樣本等業(yè)界難點(diǎn)。
PaddleDetection
PaddleDetection，飛槳目標(biāo)檢測開發(fā)套件，內(nèi)置250+個(gè)主流目標(biāo)檢測、實(shí)例分割、跟蹤、關(guān)鍵點(diǎn)檢測算法，其中包括服務(wù)器端和移動(dòng)端產(chǎn)業(yè)級(jí)SOTA模型、冠軍方案和學(xué)術(shù)前沿算法，并提供行人、車輛等場景化能力、配置化的網(wǎng)絡(luò)模塊組件、10余種數(shù)據(jù)增強(qiáng)策略和損失函數(shù)等高階優(yōu)化支持和多種部署方案，在打通數(shù)據(jù)處理、模型開發(fā)、訓(xùn)練、壓縮、部署全流程的基礎(chǔ)上，提供豐富的案例及教程，加速算法產(chǎn)業(yè)落地應(yīng)用。
PaddleSeg
PaddleSeg，飛槳目標(biāo)檢測開發(fā)套件，內(nèi)置250+個(gè)主流目標(biāo)檢測、實(shí)例分割、跟蹤、關(guān)鍵點(diǎn)檢測算法，其中包括服務(wù)器端和移動(dòng)端產(chǎn)業(yè)級(jí)SOTA模型、冠軍方案和學(xué)術(shù)前沿算法，并提供行人、車輛等場景化能力、配置化的網(wǎng)絡(luò)模塊組件、十余種數(shù)據(jù)增強(qiáng)策略和損失函數(shù)等高階優(yōu)化支持和多種部署方案，在打通數(shù)據(jù)處理、模型開發(fā)、訓(xùn)練、壓縮、部署全流程的基礎(chǔ)上，提供豐富的案例及教程，加速算法產(chǎn)業(yè)落地應(yīng)用。
PaddleOCR
PaddleOCR，飛槳文字識(shí)別開發(fā)套件，旨在打造一套豐富、領(lǐng)先且實(shí)用的OCR工具庫，開源了產(chǎn)業(yè)級(jí)特色模型PP-OCR與PP-Structure。最新發(fā)布的PP-OCRv3包含通用超輕量中英文模型、英文模型，以及德法日韓等80種多語言O(shè)CR模型；PP-Structurev2覆蓋版面分析與恢復(fù)、表格識(shí)別、DocVQA任務(wù)，提供22種訓(xùn)練部署方式。此外還開源了文本風(fēng)格數(shù)據(jù)合成工具Style-Text、半自動(dòng)文本圖像標(biāo)注工具PPOCRLabel和《動(dòng)手學(xué)OCR》交互式電子書，目前已經(jīng)成為全球知名的OCR開源項(xiàng)目。
PaddleGAN
PaddleGAN，飛槳生成對(duì)抗網(wǎng)絡(luò)開發(fā)套件，提供圖像生成、風(fēng)格遷移、超分辨率、影像上色、人臉屬性編輯、人臉融合、動(dòng)作遷移等前沿算法，其模塊化設(shè)計(jì)，便于開發(fā)者進(jìn)行二次研發(fā)，同時(shí)提供30+預(yù)訓(xùn)練模型，助力開發(fā)者快速開發(fā)豐富的應(yīng)用。
PaddleVideo
PaddleVideo，飛槳視頻模型開發(fā)套件，具有高指標(biāo)的模型算法、全流程可部署、更快訓(xùn)練速度和豐富的應(yīng)用案例、保姆級(jí)教程并在體育、安防、互聯(lián)網(wǎng)、媒體等行業(yè)有廣泛應(yīng)用，如足球/藍(lán)球動(dòng)作檢測、乒乓球動(dòng)作識(shí)別、花樣滑冰動(dòng)作識(shí)別、知識(shí)增強(qiáng)的大規(guī)模視頻分類打標(biāo)簽、智慧安防、內(nèi)容分析等。
ERNIEKit
ERNIEKit，文心NLP大模型開發(fā)套件ERNIEKit，內(nèi)置業(yè)界領(lǐng)先的ERNIE3.0(10B、1.5B、Large、XBase、Base、Medium、nano)系列大模型，在各類NLP任務(wù)上領(lǐng)先業(yè)界其他先進(jìn)模型。此外，該套件還內(nèi)置其他領(lǐng)域模型、任務(wù)模型、多模態(tài)模型20余個(gè)，NLP基礎(chǔ)任務(wù)40余個(gè)、數(shù)據(jù)預(yù)處理工具20余個(gè)、模型微調(diào)工具10余個(gè)。該套件支持動(dòng)靜結(jié)合的組網(wǎng)方式以及模型壓縮功能，兼顧了開發(fā)的便利性與部署的高性能需求。同時(shí)還能夠支持主動(dòng)學(xué)習(xí)、網(wǎng)格搜索、可信學(xué)習(xí)等輔助工具，為NLP工程師提供簡單高效的開發(fā)工具。
ElasticCTR
ElasticCTR，飛槳個(gè)性化推薦開發(fā)套件，可以實(shí)現(xiàn)分布式訓(xùn)練CTR預(yù)估任務(wù)和基于PaddleServing的在線個(gè)性化推薦服務(wù)。PaddleServing服務(wù)化部署框架具有良好的易用性、靈活性和高性能，可以提供端到端的CTR訓(xùn)練和部署解決方案。ElasticCTR具備產(chǎn)業(yè)實(shí)踐基礎(chǔ)、彈性調(diào)度能力、高性能和工業(yè)級(jí)部署等特點(diǎn)。
PGL
PGL，飛槳圖學(xué)習(xí)框架，業(yè)界首個(gè)提出通用消息并行傳遞機(jī)制，支持萬億級(jí)巨圖的工業(yè)級(jí)圖學(xué)習(xí)框架。PGL原生支持異構(gòu)圖，支持分布式圖存儲(chǔ)及分布式學(xué)習(xí)算法，支持GNNAutoScale實(shí)現(xiàn)單卡深度圖卷積，覆蓋30+圖學(xué)習(xí)模型，并內(nèi)置KDDCup 2021 PGL冠軍算法。內(nèi)置圖推薦算法套件Graph4Rec以及高效知識(shí)表示套件Graph4KG。歷經(jīng)大量真實(shí)工業(yè)應(yīng)用驗(yàn)證，能夠靈活、高效地搭建前沿的大規(guī)模圖學(xué)習(xí)算法。
PARL
PARL，飛槳深度強(qiáng)化學(xué)習(xí)框架，覆蓋十余種主流強(qiáng)化學(xué)習(xí)算法，內(nèi)嵌高性能分布式訓(xùn)練接口，數(shù)行代碼即可實(shí)現(xiàn)上千CPU和GPU并行訓(xùn)練。全面適配大模型閉環(huán)訓(xùn)練，一站式構(gòu)建獎(jiǎng)勵(lì)學(xué)習(xí)、閉環(huán)反饋、大算力推演、策略優(yōu)化。
Paddle Quantum
Paddle Quantum，量槳，基于飛槳的量子機(jī)器學(xué)習(xí)工具集，提供組合優(yōu)化、量子化學(xué)等前沿功能，常用量子電路模型，以及豐富的量子機(jī)器學(xué)習(xí)案例，幫助開發(fā)者便捷地搭建量子神經(jīng)網(wǎng)絡(luò)，開發(fā)量子人工智能應(yīng)用。
PaddleHelix
飛槳螺旋槳PaddleHelix，針對(duì)生命科學(xué)領(lǐng)域的重要問題，如藥物篩選、蛋白設(shè)計(jì)、新型冠狀病毒疫苗設(shè)計(jì)、精準(zhǔn)診療、機(jī)理研究、分子合成等，通過構(gòu)建“數(shù)據(jù)+原理”雙驅(qū)動(dòng)的生物計(jì)算大模型技術(shù)，及面向新藥研發(fā)、疫苗設(shè)計(jì)、精準(zhǔn)醫(yī)療等場景的產(chǎn)品工具，輔助生命科學(xué)領(lǐng)域的研究者和從業(yè)人員提升研發(fā)效率，降低AI技術(shù)的使用門檻，以更快速的推進(jìn)科研成果轉(zhuǎn)化和在研管線的上市。
PaddleScience
PaddleScience，飛槳科學(xué)計(jì)算工具組件，是飛槳面向AI for Science的工具組件，提供便于用戶可組合的API模塊，支持用戶定義及解析物理問題的復(fù)雜計(jì)算域，如基礎(chǔ)幾何、stl等。利用飛槳框架提供的高階自動(dòng)微分、分布式并行以及編譯加速等策略，可加速求解高維的數(shù)學(xué)物理方程。結(jié)合內(nèi)嵌數(shù)學(xué)計(jì)算和物理數(shù)據(jù)的處理方法，提供數(shù)據(jù)驅(qū)動(dòng)以及物理機(jī)理約束的深度學(xué)習(xí)求解模型，解決CFD/CAE等多物理場跨尺度模擬的難點(diǎn)。綜合應(yīng)用AI與數(shù)據(jù)結(jié)合的科學(xué)研究新范式，提升智能制造系統(tǒng)設(shè)計(jì)、建模仿真、分析優(yōu)化等技術(shù)。
技術(shù)優(yōu)勢
開發(fā)便捷的深度學(xué)習(xí)框架
飛槳深度學(xué)習(xí)框架基于編程一致的深度學(xué)習(xí)計(jì)算抽象以及對(duì)應(yīng)的前后端設(shè)計(jì)，擁有易學(xué)易用的前端編程界面和統(tǒng)一高效的內(nèi)部核心架構(gòu)，對(duì)普通開發(fā)者而言更容易上手并具備領(lǐng)先的訓(xùn)練性能。飛槳自然完備兼容命令式和聲明式兩種編程范式，默認(rèn)采用命令式編程范式，并完美地實(shí)現(xiàn)了動(dòng)靜統(tǒng)一，開發(fā)者使用飛槳可以實(shí)現(xiàn)動(dòng)態(tài)圖編程調(diào)試，一行代碼轉(zhuǎn)靜態(tài)圖訓(xùn)練部署。飛槳框架還提供了低代碼開發(fā)的高層API，并且高層API和基礎(chǔ)API采用了一體化設(shè)計(jì)，兩者可以互相配合使用，做到高低融合，確保用戶可以同時(shí)享受開發(fā)的便捷性和靈活性。
超大規(guī)模的深度學(xué)習(xí)模型訓(xùn)練技術(shù)
飛槳突破了超大規(guī)模深度學(xué)習(xí)模型訓(xùn)練技術(shù)，領(lǐng)先其它框架實(shí)現(xiàn)了千億稀疏特征、萬億參數(shù)、數(shù)百節(jié)點(diǎn)并行訓(xùn)練的能力，解決了超大規(guī)模深度學(xué)習(xí)模型的在線學(xué)習(xí)和部署難題。此外，飛槳還覆蓋支持包括模型并行、流水線并行在內(nèi)的廣泛并行模式和加速策略，率先推出業(yè)內(nèi)首個(gè)通用異構(gòu)參數(shù)服務(wù)器架構(gòu)、4D混合并行策略和自適應(yīng)大規(guī)模分布式訓(xùn)練技術(shù)，引領(lǐng)大規(guī)模分布式訓(xùn)練技術(shù)的發(fā)展趨勢。
多端多平臺(tái)部署的高性能推理引擎
飛槳對(duì)推理部署提供全方位支持，可以將模型便捷地部署到云端服務(wù)器、移動(dòng)端以及邊緣端等不同平臺(tái)設(shè)備上，并擁有全面領(lǐng)先的推理速度，同時(shí)兼容其它開源框架訓(xùn)練的模型。飛槳推理引擎支持廣泛的AI芯片，特別是對(duì)國產(chǎn)硬件做到了全面的適配。
產(chǎn)業(yè)級(jí)開源模型庫
飛槳建設(shè)了大規(guī)模的官方模型庫，算法總數(shù)達(dá)到500多個(gè)，包含經(jīng)過產(chǎn)業(yè)實(shí)踐長期打磨的PP特色模型、業(yè)界主流模型以及在國際競賽中的奪冠模型；提供面向語義理解、圖像分類、目標(biāo)檢測、圖像分割、文字識(shí)別（OCR）、語音合成等場景的多個(gè)端到端開發(fā)套件，滿足企業(yè)低成本開發(fā)和快速集成的需求。飛槳的模型庫是圍繞國內(nèi)企業(yè)實(shí)際研發(fā)流程量身定制打造的產(chǎn)業(yè)級(jí)模型庫，服務(wù)企業(yè)遍布能源、金融、工業(yè)、農(nóng)業(yè)等多個(gè)領(lǐng)域。
行業(yè)應(yīng)用
制造行業(yè)
在制造行業(yè)，飛槳支持從“設(shè)計(jì)→生產(chǎn)→運(yùn)輸→銷售”四個(gè)關(guān)鍵環(huán)節(jié)實(shí)現(xiàn)AI技術(shù)的應(yīng)用，實(shí)現(xiàn)從生產(chǎn)到銷售全環(huán)節(jié)工業(yè)智能化改造。
設(shè)計(jì)環(huán)節(jié)：應(yīng)用PARL實(shí)現(xiàn)了復(fù)雜裝備工藝的參數(shù)（火用）低損設(shè)計(jì)和應(yīng)用研究。德龍鋼鐵在軋鋼鑄鋼的生產(chǎn)環(huán)節(jié)中應(yīng)用此技術(shù)后，節(jié)能了15%。
生產(chǎn)環(huán)節(jié)：PaddleSeg（Mask R-CNN）、PaddleDetection（PP-PicoDet）和PaddleOCR（PP-OCRv2）三個(gè)套件的串聯(lián)應(yīng)用，實(shí)現(xiàn)了生產(chǎn)環(huán)節(jié)的裝配定位、屏幕劃痕鑒定和主板編碼識(shí)別。精研科技和中國大恒（集團(tuán)）有限公司北京圖像視覺技術(shù)分公司在生產(chǎn)環(huán)節(jié)應(yīng)用此技術(shù)后，產(chǎn)線每個(gè)工位由原來的2~3人降低到1個(gè)人，甚至所有工位只需要1個(gè)人即可，人工成本節(jié)約60%以上。
運(yùn)輸環(huán)節(jié)：PaddleDetection兩個(gè)PP特色模型（PP-YOLOE和PP-Tracking）的串聯(lián)應(yīng)用，實(shí)現(xiàn)了貨物計(jì)數(shù)和無人叉車。機(jī)械科學(xué)發(fā)展研究院、京東物流應(yīng)用此技術(shù)后，安全事故頻率降低了90%，翻箱率降低了46%~65%。
銷售環(huán)節(jié)：應(yīng)用PaddleNLP（SKEP）實(shí)現(xiàn)情感傾向分類預(yù)測。上海音智達(dá)應(yīng)用此技術(shù)后，由AI完全替代了原本的專人查驗(yàn)。
智慧城市
在智慧城市，飛槳支持在精準(zhǔn)治理、惠民服務(wù)、產(chǎn)業(yè)經(jīng)濟(jì)和生態(tài)宜居四個(gè)核心場景實(shí)現(xiàn)AI技術(shù)的應(yīng)用。結(jié)合云、網(wǎng)、邊、端、智五位一體，實(shí)現(xiàn)應(yīng)用覆蓋拓寬加深。
車流量統(tǒng)計(jì)：應(yīng)用PaddleDetection（PP-Tracking）實(shí)現(xiàn)實(shí)時(shí)車流量監(jiān)控。上海音智達(dá)和北京德厚泉應(yīng)用此技術(shù)后，不但緩解了交通堵塞情況，單個(gè)卡口通行量增加了15%。
表單信息自動(dòng)讀取：應(yīng)用PaddleOCR（PP-OCRv2）實(shí)現(xiàn)表單信息自動(dòng)讀取。弘連火眼應(yīng)用此技術(shù)后，原本4小時(shí)/人/天的人工審核工作降低到4分鐘/人/天，業(yè)務(wù)效率提升了60倍。
農(nóng)業(yè)用地監(jiān)管：應(yīng)用PaddleSeg（DeepLabv3+）實(shí)現(xiàn)農(nóng)業(yè)用地監(jiān)管。航天宏圖應(yīng)用此技術(shù)后，對(duì)于區(qū)域小型項(xiàng)目，原本每年2次的線上審圖，需要1~2個(gè)月周期，現(xiàn)在僅專人進(jìn)行標(biāo)注和核驗(yàn)，20天即可完成，人力成本提升了30%以上，同時(shí)監(jiān)控即時(shí)性由半年提升至小時(shí)級(jí)別。
出入口行人管控：應(yīng)用PaddleDetection（PP-YOLOE）實(shí)現(xiàn)出入口行人監(jiān)控。上海天覆科技應(yīng)用此技術(shù)后，可疑人員、流浪寵物等入侵報(bào)警的漏檢率明顯提升，監(jiān)管效率提升70%，漏檢率降低30%以上。原來需要24小時(shí)3班倒，現(xiàn)在只需1~2人處理緊急情況即可。
能源行業(yè)
在能源行業(yè)，飛槳支持從“勘探開發(fā)→生產(chǎn)運(yùn)營→配電優(yōu)化→檢修服務(wù)”四個(gè)關(guān)鍵環(huán)節(jié)實(shí)現(xiàn)AI技術(shù)的應(yīng)用，實(shí)現(xiàn)從勘探到銷售全環(huán)節(jié)智能化改造。
勘探開發(fā)：應(yīng)用PaddleNLP（LSTM）實(shí)現(xiàn)風(fēng)電功率預(yù)測。內(nèi)蒙電力應(yīng)用此技術(shù)后，有效預(yù)警電力供應(yīng)超負(fù)荷減少完全宕機(jī)停產(chǎn)時(shí)間33%。原本全年每10臺(tái)風(fēng)機(jī)平均宕機(jī)需要停產(chǎn)30天維修，現(xiàn)在有效預(yù)警使得宕機(jī)情況較少，全年每10臺(tái)風(fēng)機(jī)停產(chǎn)維修時(shí)間縮短為20天左右。
生產(chǎn)運(yùn)營：應(yīng)用PaddleDetection（PP-YOLOE）實(shí)現(xiàn)線路巡檢。御航智能應(yīng)用此技術(shù)后，導(dǎo)線異物巡檢的效率提升了3倍。
輸配調(diào)度：應(yīng)用PaddleNLP（LSTM）實(shí)現(xiàn)電力負(fù)荷預(yù)測。國網(wǎng)棗莊供電應(yīng)用此技術(shù)后，電力消耗的精準(zhǔn)性提升了5倍以上。
服務(wù)銷售：應(yīng)用PaddleSpeech（Conformer）實(shí)現(xiàn)智能客服。ACG電力調(diào)度機(jī)器人方案應(yīng)用此技術(shù)后，從原本的人工調(diào)度，全部轉(zhuǎn)為AI自動(dòng)語音調(diào)度。大量減少各系統(tǒng)運(yùn)行監(jiān)護(hù)人員，人工替代率高達(dá)90%。
金融行業(yè)
在金融行業(yè)，飛槳支持在身份核驗(yàn)、智能營銷、封控風(fēng)險(xiǎn)和智能客服四個(gè)核心場景實(shí)現(xiàn)AI技術(shù)的應(yīng)用，從營銷到服務(wù)智能化變革加速。
身份核驗(yàn)、來客分析：應(yīng)用PaddleClas（PP-ShiTu）實(shí)現(xiàn)人臉識(shí)別。南京奧拓應(yīng)用此技術(shù)后，每個(gè)營業(yè)廳由原來的2個(gè)人進(jìn)行核驗(yàn)減少到1個(gè)人進(jìn)行復(fù)查即可，大約節(jié)約人工核驗(yàn)成本30萬/年。
智能營銷：應(yīng)用PaddleNLP（DuEE事件抽取）實(shí)現(xiàn)金融APP精準(zhǔn)營銷。金融科技服務(wù)FA公司和棕櫚科技應(yīng)用此技術(shù)后，通過分析金融APP用戶關(guān)注理財(cái)產(chǎn)品類別，提升金融產(chǎn)品銷售額。
風(fēng)險(xiǎn)控制：應(yīng)用PaddleNLP（UIE信息抽取）實(shí)現(xiàn)合同審查和校驗(yàn)。南京奧拓應(yīng)用此技術(shù)后，原本每個(gè)部門都設(shè)有至少2個(gè)人進(jìn)行合同錄入、審查和校驗(yàn)，而現(xiàn)在可全部有AI機(jī)器替代。
智能客服：應(yīng)用PaddleOCR（PP-OCRv3）實(shí)現(xiàn)通用卡證結(jié)構(gòu)化提取。信雅達(dá)應(yīng)用此技術(shù)后，人工錄入成本降低了95%。
生態(tài)建設(shè)
開發(fā)者生態(tài)
PPDE
PPDE（PaddlePaddle Developers Experts）是飛槳開發(fā)者技術(shù)專家的榮譽(yù)認(rèn)證體系，由飛槳開發(fā)者技術(shù)專家、飛槳高級(jí)開發(fā)者技術(shù)專家和飛槳資深開發(fā)者技術(shù)專家組成。無論是熱愛編程開發(fā)的資深程序員、大型技術(shù)社區(qū)的引領(lǐng)者，還是頂級(jí)開源軟件的committer、新興科技公司創(chuàng)始人或CTO，這些開發(fā)者技術(shù)專家將通過線上線下等各種形式深度交流探討，成為飛槳產(chǎn)品研發(fā)團(tuán)隊(duì)與開發(fā)者們的又一重要連接點(diǎn)，帶領(lǐng)廣大飛槳開發(fā)者攜手推動(dòng)AI技術(shù)的創(chuàng)新與發(fā)展。當(dāng)然，飛槳也為PPDE們做好了相應(yīng)的服務(wù)與支持。成為PPDE中的一員后，除了有專屬的PPDE系列活動(dòng)外，還將享有從技術(shù)專家認(rèn)證、頂級(jí)峰會(huì)交流與演講邀約，到全球技術(shù)游學(xué)、PPDE專項(xiàng)贊助等豐富權(quán)益。截至2025年7月，PPDE計(jì)劃成員已達(dá)到370人。
飛槳領(lǐng)航團(tuán)
飛槳領(lǐng)航團(tuán)成立于2020年9月，是由各個(gè)地方深度學(xué)習(xí)從業(yè)者組成的技術(shù)社群。飛槳領(lǐng)航團(tuán)為用戶提供學(xué)習(xí)資料、深度學(xué)習(xí)培訓(xùn)及考試資料信息等多種福利，成員還可參與飛槳組織的線下活動(dòng)，交流技術(shù)拓展人脈。截至2025年4月，飛槳領(lǐng)航團(tuán)已在全球建立了490+個(gè)組織，覆蓋23個(gè)城市和470+所高校，匯聚8萬+名AI開發(fā)者。
飛槳特別興趣小組
飛槳特殊興趣小組（PPSIG）旨在通過開放的社區(qū)形式與全球開發(fā)者共同構(gòu)建一個(gè)開放、多元和架構(gòu)包容的生態(tài)體系，以開源理念和技術(shù)實(shí)踐為驅(qū)動(dòng)，讓全球的開發(fā)者更緊密的協(xié)作起來，構(gòu)建更好的開源世界。截至2022年3月，PPSIG有12個(gè)小組在活躍，130+位Contributors為飛槳社區(qū)貢獻(xiàn)了100+開源項(xiàng)目，提交了100+個(gè)PR，150+個(gè)issues，涉及垂類模型建設(shè)、數(shù)據(jù)集標(biāo)注工具、多模態(tài)、模型部署、開發(fā)工具等開源貢獻(xiàn)。
飛槳博士會(huì)
飛槳博士會(huì)是由飛槳發(fā)起的深度學(xué)習(xí)技術(shù)俱樂部，成員皆為博士及以上學(xué)歷，且具備深度學(xué)習(xí)研究和實(shí)踐經(jīng)驗(yàn)。飛槳博士會(huì)旨在構(gòu)建人工智能時(shí)代下的深度學(xué)習(xí)核心學(xué)者及開發(fā)者交流圈，著眼深度學(xué)習(xí)及交叉學(xué)科等科研前沿領(lǐng)域，并推動(dòng)產(chǎn)業(yè)落地實(shí)踐，致力于用科技讓復(fù)雜的世界更簡單。截至2025年7月，飛槳博士會(huì)有成員190余位。
社區(qū)活動(dòng)
AI競賽
飛槳星河社區(qū)比賽平臺(tái)（AI Studio）是基于百度集團(tuán)深度學(xué)習(xí)平臺(tái)飛槳的人工智能學(xué)習(xí)與實(shí)訓(xùn)社區(qū)，提供在線編程環(huán)境、免費(fèi)GPU算力、海量開源算法和開放數(shù)據(jù)，幫助開發(fā)者快速創(chuàng)建和部署模型。該平臺(tái)已舉辦500余場國際AI大賽，提供千萬級(jí)總獎(jiǎng)池，匯聚50萬來自全球多國的精英開發(fā)者，培養(yǎng)上萬名頂尖選手。賽題覆蓋AI技術(shù)前沿領(lǐng)域，致力于打造全球領(lǐng)先的AI賽事，聚才興業(yè)，競促發(fā)展。
AI課程
飛槳AI Studio星河社區(qū)是針對(duì)AI學(xué)習(xí)者的一站式學(xué)習(xí)與實(shí)訓(xùn)社區(qū)。該平臺(tái)提供專業(yè)易用的開發(fā)工具與豐富前沿的學(xué)習(xí)內(nèi)容，降低AI應(yīng)用開發(fā)門檻。AI Studio課程提供了豐富多樣、科學(xué)系統(tǒng)的AI相關(guān)課程，可以在這里看視頻、做項(xiàng)目、下載學(xué)習(xí)資料，幫助快速提升AI技能。課程模塊提供了精選推薦、AI 快車道、PaddleCamp等多個(gè)專欄。
AI活動(dòng)
飛槳AI Studio星河社區(qū)不定期舉辦各種AI特色活動(dòng)，100余個(gè)頻道支持實(shí)時(shí)交流分享。社區(qū)為了助力更多的創(chuàng)作者實(shí)現(xiàn)在飛槳星河社區(qū)的成長推出了創(chuàng)作者激勵(lì)計(jì)劃，鼓勵(lì)創(chuàng)作者們積極投入。
智能教學(xué)
飛槳星河社區(qū)平臺(tái)擁有豐富的預(yù)置資源，包括大量預(yù)訓(xùn)練模型和數(shù)據(jù)集，這些資源覆蓋了多個(gè)應(yīng)用領(lǐng)域，為非專業(yè)學(xué)生提供了便捷的學(xué)習(xí)路徑，降低了學(xué)習(xí)門檻。其次，飛槳星河社區(qū)提供強(qiáng)大的在線編程與實(shí)驗(yàn)環(huán)境，學(xué)生可以在云端進(jìn)行實(shí)驗(yàn)操作，無需擔(dān)心本地環(huán)境配置問題，有效提升了實(shí)踐能力和學(xué)習(xí)效果。此外，該平臺(tái)還支持混合式教學(xué)模式，結(jié)合線上線下教學(xué)，為學(xué)生提供更加靈活多樣的學(xué)習(xí)體驗(yàn)，有助于激發(fā)學(xué)生的學(xué)習(xí)興趣和積極性。同時(shí)，飛槳星河社區(qū)平臺(tái)還注重跨學(xué)科融合，為教師提供了豐富的跨學(xué)科教學(xué)資源和工具，助力設(shè)計(jì)出具有實(shí)際應(yīng)用價(jià)值的課程內(nèi)容。
教育生態(tài)
AI人才培養(yǎng)離不開高校與企業(yè)的深度融合。飛槳面向高校推出的產(chǎn)教融合的復(fù)合型AI人才培養(yǎng)方案，從高校服務(wù)、教學(xué)資源、工具與平臺(tái)三個(gè)層面，圍繞學(xué)習(xí)、培訓(xùn)、實(shí)踐、就業(yè)等環(huán)節(jié)，為高校師生提供豐富多樣的資源支持，助力高校人工智能及交叉學(xué)科專業(yè)建設(shè)；并通過科研實(shí)驗(yàn)室合作、人工智能教育創(chuàng)新中心、AI+X產(chǎn)學(xué)研融合創(chuàng)新基地等更深入的校企合作形式，共同打造人才培養(yǎng)高地、區(qū)域服務(wù)高地、產(chǎn)學(xué)研協(xié)同高地。
飛槳作為中國首個(gè)自主研發(fā)、開源開放的產(chǎn)業(yè)級(jí)深度學(xué)習(xí)平臺(tái)，持續(xù)投入教育生態(tài)建設(shè)，基于飛槳多年產(chǎn)業(yè)實(shí)踐案例，打造出適用于不同AI基礎(chǔ)師生的立體化、多適配性課程資源。飛槳還擁有國內(nèi)最大的人工智能學(xué)習(xí)與實(shí)訓(xùn)社區(qū)AI Studio，一站式全方位賦能高校AI人才培養(yǎng)。數(shù)據(jù)顯示，幾乎中國每一所高校都有學(xué)生在飛槳AI Studio進(jìn)行學(xué)習(xí)。飛槳已為社會(huì)培養(yǎng)了超過300萬AI人才。
在課程建設(shè)方面，飛槳依托國家教育改革戰(zhàn)略，深化產(chǎn)教融合及校企協(xié)同育人，構(gòu)建起理論教授及實(shí)踐培養(yǎng)并重的新時(shí)代交叉復(fù)合型創(chuàng)新人才培養(yǎng)機(jī)制，圍繞不同專業(yè)的人才培養(yǎng)目標(biāo)，輸出具有針對(duì)性的教學(xué)與實(shí)踐課程體系。階段涵蓋課程資源5000+課時(shí)，實(shí)踐案例100個(gè)，合作高校270+，受益教師2000+，課程累計(jì)學(xué)習(xí)次數(shù)690萬+。高校老師可以基于飛槳和AI Studio，建設(shè)人工智能、深度學(xué)習(xí)相關(guān)課程并在AI Studio平臺(tái)開展線上教學(xué)，組建線上班級(jí)、創(chuàng)建課程教學(xué)大綱、自研實(shí)踐教學(xué)案例，包括但不限于教學(xué)內(nèi)容，實(shí)驗(yàn)案例，實(shí)驗(yàn)數(shù)據(jù)，實(shí)驗(yàn)環(huán)境配置文件，實(shí)驗(yàn)代碼，實(shí)驗(yàn)手冊(cè)，實(shí)驗(yàn)報(bào)告，實(shí)驗(yàn)指導(dǎo)講義，并帶領(lǐng)學(xué)生完成項(xiàng)目實(shí)踐任務(wù)。
在教育部新工科聯(lián)盟指導(dǎo)下，飛槳聯(lián)合頂尖高校，自2018年開啟“全國深度學(xué)習(xí)師資培訓(xùn)班”系列活動(dòng)，采用“理論講解+實(shí)踐應(yīng)用”的教學(xué)模式，幫助高校一線教師“親歷”技術(shù)從開發(fā)到落地部署的全流程，有效提高學(xué)習(xí)效率，讓其能夠?qū)⑶把丶夹g(shù)、落地方案帶回課堂，助力高校AI專業(yè)教師培養(yǎng)。截至2024年9月，已經(jīng)培養(yǎng)5200名AI專業(yè)師資，助力499所高校開設(shè)人工智能與AI+X特色課程。
硬件生態(tài)
飛槳框架自發(fā)布之初就考慮了多硬件適配的需求，歷經(jīng)持續(xù)迭代與演進(jìn)，3.0版本構(gòu)建了一套成熟且完善的多硬件統(tǒng)一適配方案：
（1）飛槳聚焦于硬件接口的抽象。飛槳將硬件接口細(xì)分為設(shè)備管理、計(jì)算執(zhí)行、分布式通信等多個(gè)類別，通過標(biāo)準(zhǔn)化的硬件接口成功屏蔽了不同芯片軟件棧開發(fā)接口之間的差異。通過合理的抽象，減少了適配所需的接口數(shù)量，以昇騰芯片適配為例，初步跑通所需適配接口數(shù)比PyTorch方案減少56%，適配代碼量減少80%。
（2）基于標(biāo)準(zhǔn)化適配接口的定義，飛槳實(shí)現(xiàn)了松耦合、可插拔的架構(gòu)。在此架構(gòu)下，每類芯片僅需提供標(biāo)準(zhǔn)化適配接口的具體實(shí)現(xiàn)，便能輕松融入飛槳后端，極大地簡化了芯片接入的流程。
（3）考慮到不同芯片軟件棧成熟度的差異，飛槳提供了豐富多樣的接入方式，涵蓋算子開發(fā)、算子映射、圖接入、編譯器接入等。針對(duì)大模型訓(xùn)練與推理需求，飛槳還具備全棧優(yōu)化能力，如支持動(dòng)靜統(tǒng)一編程范式、超大規(guī)模分布式訓(xùn)練技術(shù)，提高了模型開發(fā)與部署效率。
（4）飛槳與芯片廠商攜手合作，共同構(gòu)建了官方代碼合入機(jī)制、例行發(fā)版機(jī)制和持續(xù)集成測試等研發(fā)基礎(chǔ)設(shè)施，還建立了日級(jí)別例行功能與精度監(jiān)測，保障開發(fā)者使用體驗(yàn)。
這些舉措提升了研發(fā)效率，確保飛槳與各類芯片的適配工作高效、穩(wěn)定推進(jìn)。
飛槳與芯片廠商緊密合作，攜手共建蓬勃發(fā)展的硬件生態(tài)。截至2025年4月，飛槳已與超過40家成員單位開展合作，適配超過60個(gè)芯片系列。飛槳已與24家硬件廠商伙伴達(dá)成深度合作，共同推出了飛槳生態(tài)發(fā)行版。飛槳能夠有效屏蔽底層硬件之間復(fù)雜多樣的差異，為開發(fā)者提供簡潔易用的開發(fā)接口。開發(fā)者只需編寫一份代碼，就可以讓程序在不同芯片上順暢運(yùn)行，輕松實(shí)現(xiàn)業(yè)務(wù)的跨芯片遷移。飛槳的跨平臺(tái)能力為業(yè)務(wù)在芯片選擇方面帶來了前所未有的靈活性，使開發(fā)者能夠根據(jù)實(shí)際需求，更加自由、高效地規(guī)劃業(yè)務(wù)部署。
市場概況
截至2022年11月底，飛槳平臺(tái)已凝聚535萬開發(fā)者，創(chuàng)建了67萬個(gè)AI模型，服務(wù)于20萬家企事業(yè)單位，廣泛應(yīng)用于工業(yè)、能源、交通、農(nóng)業(yè)等領(lǐng)域。
2023年2月，國際權(quán)威數(shù)據(jù)調(diào)研機(jī)構(gòu)IDC發(fā)布《中國深度學(xué)習(xí)框架和平臺(tái)市場份額，2022H2》報(bào)告。報(bào)告顯示，百度集團(tuán)穩(wěn)居中國深度學(xué)習(xí)平臺(tái)市場綜合份額第一。根據(jù)2022年下半年IDC對(duì)中國深度學(xué)習(xí)開源框架市場的調(diào)研，Meta PyTorch、百度飛槳PaddlePaddle、谷歌TensorFlow已占據(jù)80%以上的市場份額，遙遙領(lǐng)先于其他國內(nèi)外框架。飛槳PaddlePaddle開源框架市場份額超越了谷歌TensorFlow。2021-2022年，飛槳持續(xù)位居中國深度學(xué)習(xí)平臺(tái)市場綜合份額第一。
截至2023年8月，飛槳開源社區(qū)累計(jì)提交Commits超過93萬次，以PR或ISSUE提交形式的開源貢獻(xiàn)者超過18000人。
截至2025年4月，飛槳文心開發(fā)者數(shù)量已達(dá)2185萬，服務(wù)了67萬家企業(yè)，創(chuàng)建了110萬個(gè)模型。
獲得榮譽(yù)
平臺(tái)評(píng)價(jià)
飛槳是百度自主研發(fā)的中國首個(gè)開源開放、功能完備的產(chǎn)業(yè)級(jí)深度學(xué)習(xí)平臺(tái)，經(jīng)過多次迭代升級(jí)，具備開發(fā)便捷的深度學(xué)習(xí)框架、超大規(guī)模深度學(xué)習(xí)模型訓(xùn)練技術(shù)、多端多平臺(tái)部署的高性能推理引擎、產(chǎn)業(yè)及開源模型庫四大領(lǐng)先優(yōu)勢。飛槳持續(xù)推動(dòng)了國內(nèi)AI技術(shù)創(chuàng)新、生態(tài)建設(shè)和產(chǎn)業(yè)發(fā)展進(jìn)程。（光明網(wǎng) 評(píng)）
參考資料 >
飛槳PaddlePaddle.飛槳PaddlePaddle.2025-07-26
增速第一！飛槳帶動(dòng)深度學(xué)習(xí)平臺(tái)國產(chǎn)化浪潮.今日頭條.2025-07-26
飛槳開源社區(qū)領(lǐng)先行業(yè)，我們做對(duì)了什么？.微信公眾號(hào).2025-07-29
百度飛槳曬出三年成績單:從開源框架到AI大生產(chǎn)平臺(tái).澎湃新聞.2025-07-26
飛槳PaddleSeg新升級(jí)！帶來187K超輕量級(jí)人像分割模型，視頻級(jí)光流后處理方案.微信公眾平臺(tái).2025-07-26
飛槳框架v2.3發(fā)布，高復(fù)用性算子庫、異構(gòu)多云分布式訓(xùn)練等多項(xiàng)新特性重磅升級(jí).微信公眾平臺(tái).2025-07-26
飛槳新一代框架3.0正式發(fā)布：加速大模型時(shí)代的技術(shù)創(chuàng)新與產(chǎn)業(yè)應(yīng)用.微信公眾平臺(tái).2025-07-26
新聞動(dòng)態(tài).關(guān)于百度.2025-07-26
重磅發(fā)布!百度飛槳獲2021全球智博會(huì)產(chǎn)品金獎(jiǎng).重磅發(fā)布!百度飛槳獲2021全球智博會(huì)產(chǎn)品金獎(jiǎng).2025-07-26
蘿卜快跑入選WAIC國家AI創(chuàng)新成果展，百度再發(fā)新一代數(shù)字人技術(shù).百家號(hào).2025-07-26
深度學(xué)習(xí)技術(shù)革命，中國領(lǐng)先了！.今日頭條.2025-07-26
踐行開源理念 飛槳深度學(xué)習(xí)平臺(tái)有多牛？.今日頭條.2025-07-26
飛槳扛起AI大旗，國產(chǎn)深度學(xué)習(xí)框架受追捧.微信公眾平臺(tái).2025-07-26
PaddlePaddle 版本1.1.0發(fā)布啦！.微信公眾平臺(tái).2025-07-26
Paddle Fluid v1.2 Release Note.微信公眾平臺(tái).2025-07-26
百度Paddle Fluid v1.3版本官方重磅更新.微信公眾平臺(tái).2025-07-26
PaddlePaddle重磅升級(jí)，Paddle Fluid v1.4版本發(fā)布.微信公眾平臺(tái).2025-07-26
飛槳PaddlePaddle全新升級(jí)，Paddle Fluid v1.5版本發(fā)布.微信公眾平臺(tái).2025-07-26
一文速覽百度飛槳 21 項(xiàng)重磅發(fā)布 & 升級(jí).微信公眾平臺(tái).2025-07-26
【飛槳系列專題一】飛槳重磅升級(jí)：支持千萬規(guī)模分類任務(wù)訓(xùn)練，部署能力全面提升.微信公眾平臺(tái).2025-07-26
網(wǎng)友高贊：全面更新?lián)Q代的飛槳框架2.0，體驗(yàn)超好，相見恨晚！.微信公眾平臺(tái).2025-07-26
320萬開發(fā)者在用的飛槳，全新發(fā)布推理部署導(dǎo)航圖：打通AI應(yīng)用最后一公里.微信公眾平臺(tái).2025-07-26
飛槳開源框架v2.2發(fā)布，硬件適配統(tǒng)一方案等多項(xiàng)新特性來襲！.微信公眾平臺(tái).2025-07-26
飛槳框架v2.4 API新升級(jí)！全面支持稀疏計(jì)算、圖學(xué)習(xí)、語音處理等任務(wù).微信公眾平臺(tái).2025-07-26
百度飛槳生態(tài)成果披露：開發(fā)者數(shù)已達(dá)800萬、模型數(shù)超80萬.騰訊網(wǎng).2025-07-26
請(qǐng)完成下方驗(yàn)證后繼續(xù)操作.百家號(hào).2025-07-26
PaddleX 3.0-beta重磅開源:多場景低代碼AI開發(fā)，本地多硬件全兼容.PaddleX 3.0-beta重磅開源:多場景低代碼AI開發(fā)，本地多硬件全兼容.2025-07-29
飛槳南京中心正式揭牌 百度已累計(jì)服務(wù)4515家企業(yè).百家號(hào).2025-07-29
關(guān)于我們.PPDE.2025-07-26
飛槳開發(fā)者技術(shù)專家計(jì)劃PPDE重磅發(fā)布.飛槳開發(fā)者技術(shù)專家計(jì)劃PPDE重磅發(fā)布.2025-07-26
飛槳PaddlePaddle.飛槳PaddlePaddle.2025-07-26
飛槳領(lǐng)航團(tuán) | 深度學(xué)習(xí)大本營誠邀您加入.飛槳領(lǐng)航團(tuán) | 深度學(xué)習(xí)大本營誠邀您加入.2025-07-26
這道填空題，你敢做嗎？飛槳領(lǐng)航團(tuán)團(tuán)長年度招新.微信公眾平臺(tái).2025-07-26
飛槳PaddlePaddle.飛槳PaddlePaddle.2025-07-26
加入飛槳特殊興趣小組(PPSIG)，點(diǎn)亮AI時(shí)代的夢(mèng)想.加入飛槳特殊興趣小組(PPSIG)，點(diǎn)亮AI時(shí)代的夢(mèng)想.2025-07-26
飛槳博士會(huì).飛槳博士會(huì).2025-07-26
活動(dòng)中心.活動(dòng)中心.2025-07-26
智涌星河 AI賦新程 | 百度飛槳攜手華南師范大學(xué)成功舉辦技術(shù)沙龍.微信公眾號(hào).2025-07-26
AI Studio.AI Studio.2025-07-26
AI Studio.AI Studio.2025-07-26
大模型社區(qū).大模型社區(qū).2025-07-26
活動(dòng)中心.活動(dòng)中心.2025-07-26
「飛槳星河社區(qū)創(chuàng)作者激勵(lì)計(jì)劃」全新上線！豐富權(quán)益，等你領(lǐng)取～.微信公眾平臺(tái).2025-07-26
飛槳教師風(fēng)采 | 王蓉：基于飛槳星河社區(qū)教學(xué)平臺(tái)，面向新工科的人工智能課程體系改革與實(shí)踐.微信公眾平臺(tái).2025-07-26
第四屆CECC中國計(jì)算機(jī)教育大會(huì)召開，飛槳持續(xù)加碼產(chǎn)教融合教育新生態(tài).第四屆CECC中國計(jì)算機(jī)教育大會(huì)召開，飛槳持續(xù)加碼產(chǎn)教融合教育新生態(tài).2025-07-26
百度助力人工智能教育創(chuàng)新:教育部產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目申報(bào)進(jìn)行中!.百度助力人工智能教育創(chuàng)新:教育部產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目申報(bào)進(jìn)行中!.2025-07-26
百度飛槳AI教學(xué)賦能計(jì)劃(2024秋季學(xué)期)啟動(dòng)申請(qǐng)!.新浪微博.2025-07-26
把深度學(xué)習(xí)標(biāo)準(zhǔn)化、模塊化、自動(dòng)化.新京報(bào)網(wǎng).2025-07-26
服貿(mào)會(huì)來了！百度飛槳發(fā)布最新成果 獲“科技創(chuàng)新服務(wù)示范案例”.百家號(hào).2025-07-26
中關(guān)村軟件園“AI標(biāo)準(zhǔn)評(píng)測和數(shù)據(jù)分享平臺(tái)”入選中關(guān)村高精尖產(chǎn)業(yè)協(xié)同創(chuàng)新平臺(tái).中關(guān)村軟件園“AI標(biāo)準(zhǔn)評(píng)測和數(shù)據(jù)分享平臺(tái)”入選中關(guān)村高精尖產(chǎn)業(yè)協(xié)同創(chuàng)新平臺(tái).2025-07-26
請(qǐng)完成下方驗(yàn)證后繼續(xù)操作.百家號(hào).2025-07-26
請(qǐng)完成下方驗(yàn)證后繼續(xù)操作.百家號(hào).2025-07-26
增速第一！飛槳帶動(dòng)深度學(xué)習(xí)平臺(tái)國產(chǎn)化浪潮.今日頭條.2025-07-26