最近很多海外企業(yè)之中在發(fā)生一種很有趣的改變，那就是AI正在脫離來(lái)其他部門(mén)附屬品的角色，成為一個(gè)獨(dú)立的部門(mén)或事業(yè)部。

先是CEO納德拉對(duì)微軟大動(dòng)干戈的進(jìn)行了重組，將原Windows部門(mén)重組成“設(shè)備與體驗(yàn)”和“云計(jì)算與人工智能平臺(tái)”。很快谷歌也宣布將原來(lái)的人工智能及搜索部門(mén)一分為二，將人工智能部分獨(dú)立出來(lái)，歸由原來(lái)谷歌大腦的負(fù)責(zé)人Jeff Dean領(lǐng)導(dǎo)。很快蘋(píng)果又挖角了谷歌前人工智能及搜索部門(mén)主管John Giannandrea，任命其領(lǐng)導(dǎo)機(jī)器學(xué)習(xí)和人工智能戰(zhàn)略并直接向Tim Cook匯報(bào)。

對(duì)于AI行業(yè)來(lái)說(shuō)，這顯然是好消息。谷歌和微軟一樣，原本將AI與自身最核心的業(yè)務(wù)歸攏在一起，如今將兩者區(qū)分開(kāi)來(lái)，無(wú)疑是一種提升對(duì)AI重視程度的表現(xiàn)。未來(lái)的風(fēng)向或許是，深度學(xué)習(xí)不再是某一項(xiàng)業(yè)務(wù)的衍生品或附庸，甩掉原生根系的糾纏，走向獨(dú)立發(fā)展、高頻競(jìng)爭(zhēng)的快車(chē)道時(shí)代。

而在整個(gè)AI快道比拼當(dāng)中，硬件算力、數(shù)據(jù)算法等等元素?zé)o一不處于白熱化的競(jìng)賽之中，幾乎每天都有新的論文、新的產(chǎn)品問(wèn)世。可隱藏在快道底層的，卻是一個(gè)極易被忽視，但卻實(shí)際至關(guān)重要的問(wèn)題——深度學(xué)習(xí)開(kāi)發(fā)框架。

每位AI開(kāi)發(fā)者每天都會(huì)使用它，可外界對(duì)它的關(guān)注卻少之又少。但深度學(xué)習(xí)開(kāi)發(fā)框架絕非一灘死水，悄然之中谷歌、Facebook、百度三大AI玩家，正在圍繞深度學(xué)習(xí)框架展開(kāi)一場(chǎng)新的“三國(guó)殺”。

AI要沖：深度學(xué)習(xí)正在變成一件更專(zhuān)注、更系統(tǒng)的事

在谷歌原來(lái)的業(yè)務(wù)結(jié)構(gòu)中，谷歌大腦本是一個(gè)偏重于研究的團(tuán)隊(duì)，在深度學(xué)習(xí)、NLP、CV等等領(lǐng)域的國(guó)際期刊和學(xué)術(shù)上發(fā)表了大量論文，并且將開(kāi)發(fā)框架TensorFlow歸攏到自己旗下。

隨著近一兩年間AI相關(guān)技術(shù)的應(yīng)用性增強(qiáng)，谷歌大腦的上述研究結(jié)果也開(kāi)始有機(jī)會(huì)進(jìn)一步投入產(chǎn)業(yè)。谷歌這一次提升AI業(yè)務(wù)的重要性，或許是在謀劃AI業(yè)務(wù)獨(dú)立開(kāi)發(fā)和系統(tǒng)性業(yè)務(wù)布局的可能——AI與工業(yè)、AI醫(yī)療影像……當(dāng)技術(shù)前景越來(lái)越廣闊時(shí)，就進(jìn)一步展現(xiàn)出了深度學(xué)習(xí)開(kāi)發(fā)框架在產(chǎn)業(yè)關(guān)系中的戰(zhàn)略要沖地位。深度學(xué)習(xí)開(kāi)發(fā)框架可以圈定開(kāi)發(fā)者和應(yīng)用，從而釋放谷歌在AI方面的技術(shù)能力和未來(lái)TPU的計(jì)算能力。

巨頭們紛紛開(kāi)始調(diào)整架構(gòu)，意味著深度學(xué)習(xí)正在走向系統(tǒng)化和專(zhuān)注化，這以數(shù)據(jù)、感知與運(yùn)算的深度纏繞的產(chǎn)業(yè)領(lǐng)域，開(kāi)發(fā)以及開(kāi)發(fā)者生態(tài)自然成為了產(chǎn)業(yè)活躍度的基石，有關(guān)開(kāi)發(fā)生態(tài)的競(jìng)爭(zhēng)則直接體現(xiàn)在了深度學(xué)習(xí)開(kāi)發(fā)框架的發(fā)展中。

比如，F(xiàn)acebook就不愿讓谷歌獨(dú)享深度學(xué)習(xí)開(kāi)發(fā)平臺(tái)帶來(lái)生態(tài)收益，在去年年初推出了針對(duì)意味十足的開(kāi)發(fā)平臺(tái)PyTorch。并且在去年9月聯(lián)手微軟旗下的CNTK和Caffe2，推出了一套開(kāi)放的神經(jīng)網(wǎng)絡(luò)交換格式，為的是在谷歌生態(tài)愈發(fā)封閉時(shí)，提升場(chǎng)內(nèi)其他選手之間框架格式的互通性。

而在中國(guó)，百度的PaddlePaddle也在不斷發(fā)展，憑借本土化特色吸引了國(guó)內(nèi)的開(kāi)發(fā)者，綜合GitHub pull request的數(shù)據(jù)來(lái)看，PaddlePaddle已經(jīng)成為了全球開(kāi)發(fā)熱度增速最高的開(kāi)源深度學(xué)習(xí)平臺(tái)。同時(shí)隨著百度在斯坦福、加州伯克利等海外高校頻繁開(kāi)展技術(shù)交流活動(dòng)，PaddlePaddle甚至在逐步走向世界舞臺(tái)。

不知不覺(jué)間，這三大科技巨頭專(zhuān)屬的深度學(xué)習(xí)框架，正在展開(kāi)一場(chǎng)新的三強(qiáng)爭(zhēng)霸。

降低一切門(mén)檻：開(kāi)發(fā)框架三國(guó)殺在爭(zhēng)什么？

在我們談?wù)揂I開(kāi)發(fā)時(shí)，我們就究竟在談?wù)撌裁矗?/p>

更多的開(kāi)發(fā)者：開(kāi)發(fā)者數(shù)量顯然是一切的前提，數(shù)量廣闊的開(kāi)發(fā)者就像蒲公英的種子，會(huì)把深度學(xué)習(xí)開(kāi)發(fā)框架以及相關(guān)的軟硬件服務(wù)帶到各個(gè)企業(yè)中去，幫助巨頭們的AI布局在四處扎根生長(zhǎng)。

更活躍的開(kāi)發(fā)生態(tài)：建立在大量開(kāi)發(fā)者數(shù)量之上，用案例和經(jīng)驗(yàn)對(duì)開(kāi)發(fā)社區(qū)進(jìn)行填充，鼓勵(lì)開(kāi)源和共享，讓AI的開(kāi)發(fā)變得更加簡(jiǎn)單，從而進(jìn)入更多行業(yè)和場(chǎng)景。

更高級(jí)別的開(kāi)發(fā)項(xiàng)目：自身框架中誕生一款殺手級(jí)應(yīng)用，可能是每個(gè)巨頭都會(huì)有的理想目標(biāo)。高價(jià)值和高效用的應(yīng)用AI很可能帶來(lái)大量簇?fù)碚撸积R涌向該框架的生態(tài)之中。

總之，如何降低門(mén)檻以一切手段吸引開(kāi)發(fā)者進(jìn)入，成為了三大開(kāi)發(fā)框架的共同目標(biāo)。

最典型的例子就是TensorFlow與PyTorch之間的競(jìng)爭(zhēng)。

在目前的開(kāi)發(fā)框架中，TensorFlow憑借著谷歌的技術(shù)優(yōu)勢(shì)一直表現(xiàn)的較為強(qiáng)勢(shì)，在開(kāi)發(fā)者越來(lái)越多時(shí)，其開(kāi)發(fā)社區(qū)生態(tài)也在進(jìn)行良性發(fā)展。

但占據(jù)了優(yōu)勢(shì)后，TensorFlow開(kāi)始隨著谷歌一同收攏自身的開(kāi)發(fā)生態(tài)。比如谷歌曾經(jīng)推出過(guò)一系列賦能開(kāi)發(fā)者的培訓(xùn)計(jì)劃，向開(kāi)發(fā)者提供課程教學(xué)。但結(jié)果是所有的教學(xué)全部都建立在TensorFlow之上，所提供的硬件API也只能接入TensorFlow，而TensorFlow的社區(qū)資源和開(kāi)發(fā)工具更新，又部署在谷歌云之上。并且TensorFlow在最近單方面和Caffe等開(kāi)發(fā)平臺(tái)“友盡”，使得開(kāi)發(fā)者們無(wú)法進(jìn)行平臺(tái)之間的遷移。

而Facebook就抓住了這一點(diǎn)。將原來(lái)的開(kāi)發(fā)工具Torch進(jìn)行升級(jí)，聯(lián)手微軟打造神經(jīng)網(wǎng)絡(luò)交換格式幫助開(kāi)發(fā)者降低遷移成本。同時(shí)PyTorch設(shè)計(jì)了更方便的數(shù)據(jù)加載API接口，使開(kāi)發(fā)過(guò)程中加載并行數(shù)據(jù)更加順暢，相比TensorFlow降低了不少API方面的學(xué)習(xí)成本。

在自定義擴(kuò)展上，PyTorch也改變了TensorFlow依靠樣板代碼才能實(shí)現(xiàn)的情況，通過(guò)為CPU/GPU編寫(xiě)接口這種更易行的方式添加自定義拓展，使得開(kāi)發(fā)過(guò)程中的自由度大大提高。

綜合來(lái)看，在開(kāi)發(fā)框架的競(jìng)爭(zhēng)中，賽點(diǎn)在于更低的學(xué)習(xí)成本和遷移成本，以及更高的易用性和社區(qū)友好度。

在這幾個(gè)方面，西方戰(zhàn)場(chǎng)之外的PaddlePaddle也以靈活、易用著稱(chēng)。在訓(xùn)練部分的調(diào)用方式上集中了瀏覽器和客戶(hù)端等多種主流調(diào)用方式，并支持CPU、GPU、FPGA等多種硬件，從而極力降低開(kāi)發(fā)成本。同時(shí)為了讓更多開(kāi)發(fā)者和企業(yè)能夠?qū)F(xiàn)有項(xiàng)目接入到中PaddlePaddle，PaddlePaddle做到了從基礎(chǔ)訓(xùn)練到分布架構(gòu)徹底開(kāi)源。百度爭(zhēng)奪開(kāi)發(fā)者的決心可見(jiàn)一斑。

當(dāng)然在中國(guó)市場(chǎng)范圍來(lái)看，PaddlePaddle最大的優(yōu)勢(shì)還是擁有唯一提供適用中文文檔與數(shù)據(jù)集的開(kāi)發(fā)框架社區(qū)。中國(guó)市場(chǎng)作為區(qū)別于歐美世界之外的獨(dú)立極，坐擁龐大的中國(guó)AI產(chǎn)業(yè)與開(kāi)發(fā)集群，這些產(chǎn)業(yè)和開(kāi)發(fā)者都需要適用于本土的經(jīng)驗(yàn)體系，也自然會(huì)被PaddlePaddle的社區(qū)氛圍吸引。

關(guān)注未來(lái)紅利：貿(mào)易戰(zhàn)帶來(lái)的中美AI對(duì)標(biāo)新命題

在理想狀態(tài)下，通過(guò)開(kāi)發(fā)框架牢牢把控開(kāi)發(fā)者體系，在自身平臺(tái)上不斷產(chǎn)生生態(tài)效應(yīng)，收割未來(lái)必然出現(xiàn)的AI時(shí)代現(xiàn)象級(jí)產(chǎn)品與應(yīng)用，這一流程才是巨頭們所關(guān)注的目標(biāo)。

同時(shí)我們要知道，所謂的把現(xiàn)象級(jí)產(chǎn)品和應(yīng)用放到AI這一定語(yǔ)之下，就意味著這些應(yīng)用可能與社交媒體聯(lián)系，關(guān)乎著我們的輿情數(shù)據(jù)，也可能與自動(dòng)駕駛聯(lián)系，關(guān)乎著每一輛汽車(chē)的行駛路線(xiàn)。

在這時(shí)我們不得不提出另一個(gè)可能，在中美貿(mào)易戰(zhàn)的大背景下，中國(guó)AI開(kāi)發(fā)群體，尤其是AI企業(yè)，使用TensorFlow等平臺(tái)的風(fēng)險(xiǎn)指數(shù)正在提升。

就拿美國(guó)向全球提供免費(fèi)GPS技術(shù)來(lái)說(shuō)，曾經(jīng)很多國(guó)家甚至在軍用設(shè)施上也利用GPS進(jìn)行定位技術(shù)，但在99年印巴戰(zhàn)勝時(shí)，美國(guó)出于利益直接關(guān)閉了印巴地區(qū)所有的GPS服務(wù)。想象一下，兩軍交戰(zhàn)之時(shí)，忽然所有人都不知道自己的位置信息，這是一件多么恐怖的事情？如今TensorFlow早已不再是單純的開(kāi)發(fā)框架，而關(guān)系著技術(shù)、云服務(wù)等等多種模塊。如果同樣的狀況復(fù)制到AI上，如果有一天深度學(xué)習(xí)模型已經(jīng)埋藏在我們生活作業(yè)的種種細(xì)節(jié)深處，谷歌卻因?yàn)榉N種原因停止向中國(guó)提供云服務(wù)，我們連遷移模型都十分被動(dòng)。

而最近因中美貿(mào)易戰(zhàn)引起的芯片事件，似乎為中國(guó)整個(gè)科技產(chǎn)業(yè)都敲響了警鐘。

對(duì)于AI更是如此，如果我們可以建立完全本土化的開(kāi)發(fā)框架和社區(qū)，連接在地化的數(shù)據(jù)、計(jì)算服務(wù)和技術(shù)，中國(guó)AI也就可以實(shí)現(xiàn)由開(kāi)發(fā)到技術(shù)創(chuàng)新，再到產(chǎn)業(yè)模塊與商業(yè)化的完全自生態(tài)流程。

雖然在經(jīng)濟(jì)全球化發(fā)展的大背景之下，沒(méi)有任何一個(gè)國(guó)家可以完全依賴(lài)自身發(fā)展科技。但在全球?qū)牡呐凭种校瑸樽约杭哟a也一定是一項(xiàng)不會(huì)出錯(cuò)的選擇。