深度学习框架下接芯片、上承应用，为模型的开发、训练和部署提供系统的支撑，极大地加速人工智能创新研发与应用，其作用类比人工智能时代的操作系统。本文对深度学习框架发展现状、核心技术及生态要素进行深入调研分析，从人工智能产业化需求、软硬件适配与融合优化、大模型快速发展及科学计算前沿交叉领域等不同视角，剖析深度学习框架发展趋势及面临的挑战，并从加速深度学习框架与硬件的适配融合、支持国内主流深度学习框架推广、发挥深度学习框架对AI for Science的支撑作用、加快发展国产深度学习框架生态等方面提出对策建议。