腾讯云发布深度学习平台DI-X，打造一站式AI开发服务

集成TensorFlow等主流框架，助力企业降低AI开发门槛

腾讯正式推出深度学习平台DI-X（Data Intelligence X），依托腾讯云的大数据存储与处理能力，为用户提供集开发、调试、训练、预测与部署于一体的一站式机器学习服务[k]。此举标志着腾讯云在人工智能领域的产品布局进一步完善，覆盖IaaS基础设施、AI平台服务、基础应用及垂直解决方案[k]。

腾讯T4专家、腾讯云机器学习平台技术负责人Andy表示，DI-X源于腾讯内部自2015年启动的机器学习平台，经过一年内部实践验证后，团队将其迁移至腾讯云，并结合今年3月开放的GPU云服务器，主攻深度学习场景，服务更多中小企业用户[k]。

平台特点：可视化操作、灵活扩展、专注深度学习

DI-X具备三大核心优势：一是提供拖拽式可视化任务流界面，集成输入、组件、算法、模型与输出五大模块，无需编码即可构建复杂机器学习流程；二是支持用户使用内置算法或自定义代码提交；三是重点强化深度学习支持，目前已兼容TensorFlow、Caffe和Torch三大主流框架，后续将持续优化并增加新框架支持[k]。

与Angel、Mariana平台关系解析

腾讯自研的大数据框架Angel可作为独立组件或参数服务器服务接入DI-X，未来开源版本也将集成至平台。而Mariana作为基于Caffe优化的分布式GPU计算框架，目前可在DI-X上运行，后续计划融合进Angel统一开放[k]。

聚焦工业级应用，赋能实际业务场景

DI-X已在腾讯内部广泛应用于游戏流失率预测、用户标签传播和广告点击行为预测等场景。例如，在用户行为预测中，平台可通过拖拽方式快速构建BRNN Encoder与Stacked Auto-Encoder模型，提升预测精度[k]。

对于企业开发者而言，DI-X显著降低了AI开发门槛。用户无需手动部署环境，仅需对接GPU资源，即可完成模型训练与部署闭环，专注算法调优[k]。该平台也补齐了腾讯云智能服务能力的关键一环，充分发挥GPU集群性能[k]。

未来规划：功能补全与性能优化并进

团队计划在后续版本中陆续接入Spark、XGBoost、Python、R等机器学习组件，完善平台生态；同时将深化深度学习功能优化，提升超参数调节效率与训练过程可视化能力[k]。

作为腾讯“云端大脑”的重要组成部分，DI-X虽尚处初期阶段，但已展现出服务工业级AI应用的潜力。其发展路径与开放策略，值得业界持续关注[k]。