国内科技公司AI算法框架工具需求热度榜

1. PyTorch

行业首选。让你能轻松地设计和调试复杂的神经网络模型，国内外各大厂商、院校都在使用。

2. TensorFlow

根基深厚，很多成熟的企业级应用和云服务都基于它构建。近年来逐渐被PyTorch反超。

3. LangChain

一个“应用大模型的脚手架”。它帮你把大语言模型、你的数据、各种工具像拼图一样连接起来，快速构建出功能强大的AI应用。

4. vLLM

只要是涉及部署和运营自家大模型的团队，几乎都会关注和使用vLLM，因为它直接关系到服务的响应速度和成本，是当下的热门技术。

5. DeepSpeed

一个由微软出品的“模型训练超级引擎”。它能将大模型“切块”，分散到成百上千张显卡上进行并行训练，是训练千亿级大模型的幕后英雄。

6. MXNet

目前已经很少在新项目中使用，主要存在于一些历史遗留系统中。

7. Stable Diffusion

在艺术创作、设计、社交媒体等领域产生了现象级的影响。国内厂商基于它开发了大量的AI绘画工具和应用，拥有庞大的用户和开发者社区。

8. SGLang

目前还比较新，主要在关注大模型性能极限的开发者和小部分团队中流行，尚未大规模普及。

9. OpenCV

计算机视觉领域绝对的基础库，从教学、研究到工业产品（自动驾驶、手机App），无处不在，无人不用。

10. Pandas

几乎是所有数据科学家、分析师和AI工程师的入门必备技能，普及度无可撼动。

11. XGBoost

它不是深度学习，而是一种更传统的机器学习模型（决策树集成），但在处理结构化数据（比如预测房价、用户是否会点击广告）时，往往效果极好、速度极快。

12. NumPy

科学计算和AI领域的绝对基础，属于“不会这个就别干这行”的底层工具。

13. ONNX

ONNX定义了一个通用格式，让模型可以在各种框架和硬件上顺畅地“旅行”和部署，解决了兼容性问题。

14. LlamaIndex

和LangChain类似，在大模型应用开发中非常流行，特别是在企业知识库、RAG（检索增强生成）系统中被广泛使用。

15. Keras

它把复杂的TensorFlow封装成了一个更简单、更易懂的API，让你能用很少的代码就快速搭建出神经网络。

16. JAX

一个来自Google的“科研级加速器”。普及度不如PyTorch/TF，但在追求极致性能或进行前沿算法研究的圈子里很受推崇。

17. AutoML

它的目标是让AI自己来设计AI模型，自动完成数据清洗、特征工程、模型选择和调参等繁琐步骤，降低AI应用的门槛。

18. Kubeflow

它帮你把AI模型的训练、部署、监控等一系列流程，像管理一个互联网服务一样，进行标准化和自动化管理，适合大规模、团队协作的AI项目。

19. scikit-learn

机器学习领域的标准库。它提供了所有传统机器学习算法（如线性回归、SVM、聚类）的完整实现。

20. FSDP

PyTorch里的一个“高效分片训练神器”。可以看作是DeepSpeed在PyTorch中的“官方实现”。