前言：
在AI时代，深度学习框架和操作系统类似，起着承上启下的作用，连接芯片与应用，拥有强大算力的AI芯片加持，AI技术将得到更广泛普及。
NPU成移动AI的核心载体
手机正常运行离不开SoC芯片，其集成的各个模块共同支撑手机功能实现，如CPU负责手机应用流畅切换、GPU支持游戏画面快速加载，而NPU（神经网络处理器）就专门负责实现AI运算和AI应用的实现。
NPU又叫独立网络加速引擎。可以按照字面意思理解，它是专门用来处理数据包转发的芯片。主要的工作是收到数据包，按照包的地址，快速转发出去，就像一条快递传送带。并且它只负责包的转发，无法处理其他业务逻辑。
CPU像是人的大脑，可以计算加减乘除，也可以用来学习英语，还可以用来逻辑推理，NPU更像是计算器，只能计算加减乘除，但因为“专器专用”，NPU处理效率很高，功耗更低。
如果没有NPU，数据包的转发也能通过CPU来进行处理，但当设备多数据量大时，CPU占用就会变高，处理不过来时就会丢包，导致网络无法使用。而这些特定的数据包转发规则，可以交由NPU处理，CPU可以减少最多99％的工作量。
深度学习＋开源的百度飞桨
在海量数据时代，数据的收集、组织、分析、运用都将推动社会的发展。随着数据量的不断增长、算法不断演进和迭代，对极致算力的需求也越来越大，而软硬件的充分结合则显得尤为重要。
百度飞桨是国内自主研发、开源开放、功能最完备的产业级深度学习平台，集深度学习核心框架、基础模型库、端到端开发套件、工具组件和服务平台于一体，提供深度学习和机器学习任务开发、训练、部署能力，加速企业从算法研发到产业落地的过程。
飞桨框架是源自产业实践深度学习框架，同时支持静态图和动态图搭建网络，支持高效大规模分布式训练，同时推出了像PaddleSlim模型压缩还有安全加密的工具，以及在服务端和移动端进行预测部署一些引擎。
而Paddle Lite是飞桨推出的一套功能完善、易用性强且性能卓越的轻量化推理引擎，支持多种硬件、多种平台，具备轻量化部署、高性能实现等重要特性。
在算力层向上，向下连接芯片，向上连接了应用场景的就是深度学习框架及平台，在AI时代能够帮助开发者便捷、快速完成深度学习技术研发的作用。
据IDC报告显示，百度飞桨与谷歌、Facebook名列前三，领衔中国深度学习平台市场，也是市场份额前五中唯一的国货。
