人工智能与物联网技术的深入落地，正推动算力资源成为各行业智能化升级的核心动力。凭借在性能与灵活性方面的突出优势，通用GPU在算力需求激增的背景下，已成为当之无愧的热门选择——从互联网、云数据中心到安防、行业AI等多个领域，都能看到其广泛应用。

国产通用GPU赛道如今也备受关注。天数智芯已率先推出首款通用GPU产品——天垓100，并实现了商业化落地：截至2022年3月，该芯片的应用场景已超过200个。紧接着，第二款7nm云边推理芯片“智铠100”也在今年5月成功点亮。业界纷纷提及“对标英伟达”，甚至有产品宣称性能已超越英伟达的顶尖型号。那么实际情况如何？国产通用GPU在算法适配方面究竟表现怎样？用户在选择硬件平台时，该如何根据自己的算法需求做决策？对大量开发者和行业用户而言，这些问题很难找到确切答案。

为帮助用户更好地评估和运用通用算力，让更多终端产业真正受益，天数智芯于8月30日正式发布了百大应用开放平台——DeepSpark。

天数智芯副总裁邹翾在发布会上表示，算法的编程模式是连接通用算力与应用之间的桥梁。DeepSpark基于天数智芯丰富的落地经验，从速度、功耗、准确度、线性度、显存占用、稳定度六个维度，构建了一套系统性的评测体系。借助它，用户在自己的业务中能够快速、高效地识别出更有效的算力，并基于这些算力开创通用计算时代的新应用场景。

DeepSpark由三部分组成：应用算法、应用框架以及一站式评价脚本。在应用算法方面，首个版本提供了百大应用算法模型，既包括常用模型，也涵盖3D重建、通用计算、高性能计算等领域不断涌现的新模型；应用框架兼容行业主流架构，并向用户提供完备的工具箱；一站式评价脚本则支持一键评测功能，让用户能够直观地看到——所评测的算力是否适用于自己的算法，是否适用于自己的领域。

天数智芯CTO吕坚平特别指出，DeepSpark与算力平台的品牌无关，理论上非GPU硬件也能通过它来检测算力的适配性能。它提供一键部署能力，一般AI硬件以及友商的GPU均可使用，旨在让算力硬件变得更加通用。

人工智能应用离不开三个核心要素：数据、算法和算力。在开发过程中，如何让算力与算法高效结合、提升数据训练效率，是所有应用都需面对的挑战。硬性将算法灌入硬件，或让算法生硬绑定硬件，显然都不是高效的方式。但在DeepSpark出现之前，测试不同算法模型与硬件平台的时间成本和金钱成本都高得惊人。

吕坚平认为，DeepSpark能从两个维度帮助广大用户。第一个维度是挑选最合适的硬件部署平台——以往只看硬件厂商宣传的几项参数，根本无法判断硬件与算法的适配情况；第二个维度是提升算法开发效率——DeepSpark提供了来自开源社区的算法模型，用户可以基于开源社区规则对相关算法进行二次开发，从而缩短应用落地的周期。

邹翾在介绍中也提到，DeepSpark的算法来源均为各领域的开源社区，这保证了功能的权威性、正确性以及与其他场景对比时的可比性。当然，它并非简单汇集开源算法，而是将应用场景也融入其中，使算法模型更加高效。

吕坚平还表示，DeepSpark平台的推出还有两个深层用意：一是进一步推动人工智能相关应用的快速发展，二是让通用GPU回归通用算力的本质。

根据工信部此前的测算，我国人工智能核心产业规模已超过4000亿元，企业数量超过3000家。但从明星企业的表现来看，国内人工智能落地遇到了明显的困境。除了在“AI+安防”等少数赛道取得积极进展外，大多数行业谈到人工智能时表面风光，实际落地进展缓慢。

对此，吕坚平一针见血地指出：人工智能应用从热恋期、蜜月期，现在进入了“柴米油盐酱醋茶”阶段，发现有些东西并不那么美好，一些行业意识到AI并不能解决所有问题，于是布局热情有所降低。DeepSpark以“百大应用”命名而非“百大模型”，是因为天数智芯在与客户沟通中发现，很多应用实现采用的是非AI算法。DeepSpark部分算法模型结合了应用场景，能告诉这些领域的用户在人工智能上如何取舍，助力整个产业更良性地发展。

与此同时，正如开头提到的，国内涌现出一批通用GPU公司，宣传时都在对标英伟达，从英伟达过往产品到当前主流产品，再到最尖端的产品，都有厂商宣称在性能参数上实现了超越。但通用GPU的“通用”二字意味着它必须与算法深度融合，才能执行数据训练。吕坚平强调，通用GPU的优势就在于通用性，提供通用的算力，而DeepSpark能从应用部署层面让用户看到不同通用GPU以及其他AI芯片的真实性能。

邹翾在发布会上宣布，DeepSpark平台将于9月30日在GitHub和Gitee双网上线。