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正在脫離來其他部門附屬品的角色，成為一個獨立的部門或事業(yè)部。

先是CEO納德拉對微軟大動干戈的進行了重組，將原Windows部門重組成“設備與體驗”和“云計算與人工智能平臺”。很快谷歌也宣布將原來的人工智能及搜索部門一分為二，將人工智能部分獨立出來，歸由原來谷歌大腦的負責人Jeff Dean領導。很快蘋果又挖角了谷歌前人工智能及搜索部門主管John Giannandrea，任命其領導機器學習和人工智能戰(zhàn)略并直接向Tim Cook匯報。

對于AI行業(yè)來說，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)務歸攏在一起，如今將兩者區(qū)分開來，無疑是一種提升對AI重視程度的表現(xiàn)。未來的風向或許是，深度學習不再是某一項業(yè)務的衍生品或附庸，甩掉原生根系的糾纏，走向獨立發(fā)展、高頻競爭的快車道時代。

而在整個AI快道比拼當中，硬件算力、數(shù)據(jù)算法等等元素無一不處于白熱化的競賽之中，幾乎每天都有新的論文、新的產(chǎn)品問世。可隱藏在快道底層的，卻是一個極易被忽視，但卻實際至關重要的問題——深度學習開發(fā)框架。

每位AI開發(fā)者每天都會使用它，可外界對它的關注卻少之又少。但深度學習開發(fā)框架絕非一灘死水，悄然之中谷歌、Facebook、百度三大AI玩家，正在圍繞深度學習框架展開一場新的“三國殺”。

AI要沖：深度學習正在變成一件更專注、更系統(tǒng)的事

在谷歌原來的業(yè)務結構中，谷歌大腦本是一個偏重于研究的團隊，在深度學習、NLP、CV等等領域的國際期刊和學術上發(fā)表了大量論文，并且將開發(fā)框架TensorFlow歸攏到自己旗下。

隨著近一兩年間AI相關技術的應用性增強，谷歌大腦的上述研究結果也開始有機會進一步投入產(chǎn)業(yè)。谷歌這一次提升AI業(yè)務的重要性，或許是在謀劃AI業(yè)務獨立開發(fā)和系統(tǒng)性業(yè)務布局的可能——AI與工業(yè)、AI醫(yī)療影像……當技術前景越來越廣闊時，就進一步展現(xiàn)出了深度學習開發(fā)框架在產(chǎn)業(yè)關系中的戰(zhàn)略要沖地位。深度學習開發(fā)框架可以圈定開發(fā)者和應用，從而釋放谷歌在AI方面的技術能力和未來TPU的計算能力。

巨頭們紛紛開始調(diào)整架構，意味著深度學習正在走向系統(tǒng)化和專注化，這以數(shù)據(jù)、感知與運算的深度纏繞的產(chǎn)業(yè)領域，開發(fā)以及開發(fā)者生態(tài)自然成為了產(chǎn)業(yè)活躍度的基石，有關開發(fā)生態(tài)的競爭則直接體現(xiàn)在了深度學習開發(fā)框架的發(fā)展中。

比如，F(xiàn)acebook就不愿讓谷歌獨享深度學習開發(fā)平臺帶來生態(tài)收益，在去年年初推出了針對意味十足的開發(fā)平臺PyTorch。并且在去年9月聯(lián)手微軟旗下的CNTK和Caffe2，推出了一套開放的神經(jīng)網(wǎng)絡交換格式，為的是在谷歌生態(tài)愈發(fā)封閉時，提升場內(nèi)其他選手之間框架格式的互通性。

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

不知不覺間，這三大科技巨頭專屬的深度學習框架，正在展開一場新的三強爭霸。

降低一切門檻：開發(fā)框架三國殺在爭什么？

在我們談論AI開發(fā)時，我們就究竟在談論什么？

更多的開發(fā)者：開發(fā)者數(shù)量顯然是一切的前提，數(shù)量廣闊的開發(fā)者就像蒲公英的種子，會把深度學習開發(fā)框架以及相關的軟硬件服務帶到各個企業(yè)中去，幫助巨頭們的AI布局在四處扎根生長。

更活躍的開發(fā)生態(tài)：建立在大量開發(fā)者數(shù)量之上，用案例和經(jīng)驗對開發(fā)社區(qū)進行填充，鼓勵開源和共享，讓AI的開發(fā)變得更加簡單，從而進入更多行業(yè)和場景。

更高級別的開發(fā)項目：自身框架中誕生一款殺手級應用，可能是每個巨頭都會有的理想目標。高價值和高效用的應用AI很可能帶來大量簇擁者，一齊涌向該框架的生態(tài)之中。

總之，如何降低門檻以一切手段吸引開發(fā)者進入，成為了三大開發(fā)框架的共同目標。

最典型的例子就是TensorFlow與PyTorch之間的競爭。

在目前的開發(fā)框架中，TensorFlow憑借著谷歌的技術優(yōu)勢一直表現(xiàn)的較為強勢，在開發(fā)者越來越多時，其開發(fā)社區(qū)生態(tài)也在進行良性發(fā)展。

但占據(jù)了優(yōu)勢后，TensorFlow開始隨著谷歌一同收攏自身的開發(fā)生態(tài)。比如谷歌曾經(jīng)推出過一系列賦能開發(fā)者的培訓計劃，向開發(fā)者提供課程教學。但結果是所有的教學全部都建立在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等開發(fā)平臺“友盡”，使得開發(fā)者們無法進行平臺之間的遷移。

而Facebook就抓住了這一點。將原來的開發(fā)工具Torch進行升級，聯(lián)手微軟打造神經(jīng)網(wǎng)絡交換格式幫助開發(fā)者降低遷移成本。同時PyTorch設計了更方便的數(shù)據(jù)加載API接口，使開發(fā)過程中加載并行數(shù)據(jù)更加順暢，相比TensorFlow降低了不少API方面的學習成本。

在自定義擴展上，PyTorch也改變了TensorFlow依靠樣板代碼才能實現(xiàn)的情況，通過為CPU/GPU編寫接口這種更易行的方式添加自定義拓展，使得開發(fā)過程中的自由度大大提高。

綜合來看，在開發(fā)框架的競爭中，賽點在于更低的學習成本和遷移成本，以及更高的易用性和社區(qū)友好度。

在這幾個方面，西方戰(zhàn)場之外的PaddlePaddle也以靈活、易用著稱。在訓練部分的調(diào)用方式上集中了瀏覽器和客戶端等多種主流調(diào)用方式，并支持CPU、GPU、FPGA等多種硬件，從而極力降低開發(fā)成本。同時為了讓更多開發(fā)者和企業(yè)能夠將現(xiàn)有項目接入到中PaddlePaddle，PaddlePaddle做到了從基礎訓練到分布架構徹底開源。百度爭奪開發(fā)者的決心可見一斑。

當然在中國市場范圍來看，PaddlePaddle最大的優(yōu)勢還是擁有唯一提供適用中文文檔與數(shù)據(jù)集的開發(fā)框架社區(qū)。中國市場作為區(qū)別于歐美世界之外的獨立極，坐擁龐大的中國AI產(chǎn)業(yè)與開發(fā)集群，這些產(chǎn)業(yè)和開發(fā)者都需要適用于本土的經(jīng)驗體系，也自然會被PaddlePaddle的社區(qū)氛圍吸引。

關注未來紅利：貿(mào)易戰(zhàn)帶來的中美AI對標新命題

在理想狀態(tài)下，通過開發(fā)框架牢牢把控開發(fā)者體系，在自身平臺上不斷產(chǎn)生生態(tài)效應，收割未來必然出現(xiàn)的AI時代現(xiàn)象級產(chǎn)品與應用，這一流程才是巨頭們所關注的目標。

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

在這時我們不得不提出另一個可能，在中美貿(mào)易戰(zhàn)的大背景下，中國AI開發(fā)群體，尤其是AI企業(yè)，使用TensorFlow等平臺的風險指數(shù)正在提升。

就拿美國向全球提供免費GPS技術來說，曾經(jīng)很多國家甚至在軍用設施上也利用GPS進行定位技術，但在99年印巴戰(zhàn)勝時，美國出于利益直接關閉了印巴地區(qū)所有的GPS服務。想象一下，兩軍交戰(zhàn)之時，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發(fā)框架，而關系著技術、云服務等等多種模塊。如果同樣的狀況復制到AI上，如果有一天深度學習模型已經(jīng)埋藏在我們生活作業(yè)的種種細節(jié)深處，谷歌卻因為種種原因停止向中國提供云服務，我們連遷移模型都十分被動。

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

對于AI更是如此，如果我們可以建立完全本土化的開發(fā)框架和社區(qū)，連接在地化的數(shù)據(jù)、計算服務和技術，中國AI也就可以實現(xiàn)由開發(fā)到技術創(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)濟全球化發(fā)展的大背景之下，沒有任何一個國家可以完全依賴自身發(fā)展科技。但在全球對弈的牌局中，為自己加碼也一定是一項不會出錯的選擇。

來源|微信公眾號：腦集體