AI框架

Meta 开源的深度学习框架，以动态计算图和易用性著称，是学术研究与工业界的主流选择。

谷歌开源的机器学习框架，覆盖模型构建、训练、部署全流程，并提供移动端与浏览器端推理方案。

预训练模型的事实标准库，几行代码调用数万个开源模型，NLP 与多模态开发者的起点。

Python 经典机器学习库，提供分类、回归、聚类与模型评估等算法，适合数据挖掘与建模入门。

主流的开源大模型应用开发框架，提供链式调用、工具集成与 LangGraph 编排能力，配套 LangSmith 调试平台。

以简洁著称的高层神经网络 API，几行代码就能搭出模型，后端可切换 TensorFlow、JAX 或 PyTorch。

开源大模型推理引擎，通过分页注意力等优化显著提升吞吐量，广泛用于生产环境模型服务部署。

Google 的函数式数值计算库，靠自动微分和 XLA 编译把 NumPy 代码直接跑上 TPU/GPU。

梯度提升树的高效实现，表格数据竞赛的常胜将军，兼顾速度与精度。

面向大模型的数据框架，提供文档解析、索引构建与检索问答能力，常用于搭建企业知识库。

百度自研的产业级深度学习平台，中文文档与预训练模型齐全，国内工业落地案例多。

开源的分布式计算框架，用于扩展 AI 训练与推理负载，提供 Ray Serve 与 RLlib 等组件。

微软的深度学习优化库，ZeRO 系列技术把千亿参数模型的训练显存需求压到可承受范围。

面向大模型与多模态的高性能推理框架，RadixAttention 让多轮对话与结构化输出提速明显。

微软开源的梯度提升框架，直方图算法让训练更快、内存占用更低，适合大规模特征。

华为开源的 AI 计算框架，与昇腾芯片深度协同，主打全场景统一部署与自动并行。

NVIDIA 的大规模 Transformer 训练框架，张量并行与流水线并行的工程参考实现。

Yandex 出品的梯度提升库，原生处理类别特征，开箱即用很少需要调参。

面向超大模型的分布式训练系统，把多种并行策略封装成低成本可用的工具。

国产深度学习框架，用全新的一致性视图解决分布式训练的调度难题，大模型场景有优势。