PaddlePaddle
PaddlePaddle（中文名「飞桨」）是百度主导、中国唯一自主研发并开源的工业级深度学习平台。它的核心定位是「源于产业实践」——框架本身与一套产业模型库深度绑定：PaddleOCR（86k+ star 的多语种 OCR 工具箱，PP-OCR 系列）、PaddleNLP（NLP 库，承载百度自研的 ERNIE 大模型家族与 ERNIEKit 工业开发套件）、PaddleDetection（PP-YOLOE 等目标检测）、PaddleSeg（图像分割）等，这些套件开箱即用，是飞桨区别于其他框架的最大特色。框架层面，飞桨 3.x 以动态图为主要开发模式（与 PyTorch 一致），同时提供动静统一（动态图与静态图产出一致）与自动并行（只需少量张量切分标注即可分布式训练）的 3.x 新特性。分布式训练走 Fleet API（paddle.distributed.fleet），覆盖数据并行、模型并行、混合并行。推理部署有完整工具链：Paddle Inference（服务端 GPU/CPU，含 TensorRT 集成）、Paddle Lite（移动端/边缘/IoT）、Paddle Serving（在线微服务）、Paddle2ONNX（转 ONNX）。飞桨另一独特优势是国产化硬件适配——对昆仑芯 XPU、华为昇腾 NPU（CANN）、海光 DCU、寒武纪 MLU 等国产芯片有一等支持，这是国内信创场景的刚需。截至 2026 年 7 月，飞桨框架版本为 3.3（PyPI paddlepaddle，2026 年 3 月最近发布）。信源 paddlepaddle.org.cn。
评价
优点
- 产业模型库开箱即用：PaddleOCR/PaddleNLP/PaddleDetection 等套件直接可用，省去从零搭建，是企业落地最快的路径
- ERNIE 大模型原生：百度自研 ERNIE 系列（含 ERNIE 4.5、轻量 0.3B 等）首发于 PaddleNLP，中文场景表现强
- 国产硬件一等支持：昆仑芯/昇腾/海光/寒武纪等国产芯片适配成熟，信创、政企、金融场景刚需且几乎无替代
- 动静统一与自动并行：3.x 动静产出一致，自动并行降低分布式门槛（少量张量切分标注即可）
- 完整部署工具链：训练→Paddle Inference（服务端）/ Paddle Lite（端侧）/ Paddle Serving（在线）一条龙，无需拼凑第三方
- 分布式 Fleet API 成熟：大规模推荐、搜索等百度内部场景锤炼过的分布式能力（数据/模型/混合并行）
缺点
- 国际生态远小于 PyTorch：顶会论文代码、Hugging Face 权重多以 PyTorch 为一等公民，飞桨适配常滞后或缺失
- 动态图曾长期为次选项：2.x 时代静态图优先、动态图后补，3.x 才以动态图为主，历史 API 包袱重
- 文档与社区以中文为主：国际开发者门槛高，英文资料密度不及 PyTorch/JAX
- 创新跟随而非引领：多数新架构（Transformer 变体、扩散模型）先在 PyTorch 落地，飞桨跟进
- 调试体验与工具链打磨：profiler、可视化、错误信息等周边工具成熟度不及 PyTorch 生态
文档地址
GitHub地址
PaddlePaddle/Paddle（24k+ star）