题图来自：视觉中国最近，很多海外公司发生了一个很有意思的变化，那就是AI正在打破脱离其他部门的附属角色，成为一个独立的部门或分部。首先，CEO纳德拉重组了微软的进取心，将原来的Windows部门重组为“设备与体验”和“云计算与人工智能平台”。很快，谷歌也宣布将原来的人工智能和搜索部门一分为二，将人工智能部分分开，由谷歌大脑原负责人杰夫·迪恩领导。很快苹果挖走了谷歌前人工智能和搜索主管约翰詹南德雷亚，任命他领导机器学习和人工智能战略，并直接向蒂姆库克汇报。这对于AI行业来说显然是个好消息。谷歌和微软一样，原本将AI与其核心业务相结合，现在将两者区分开来无疑是提高AI重要性的表现。未来的趋势或许是，深度学习不再是某个业务的衍生品或附庸，摆脱原有根系的纠缠，走向自主发展、高频竞争的快车道时代。在整个AI快车道的竞争中，硬件算力、数据算法等要素都在激烈角逐，几乎每天都有新论文、新产品发表。快车道的底部可能隐藏着一个容易被忽视，但其实很关键的问题——深度学习开发框架。每个AI开发者每天都在使用它，但它却很少受到外界的关注。但深度学习开发框架绝不是一潭死水。三大AI玩家谷歌、Facebook、百度，正悄悄围绕深度学习框架展开一场全新的“三国杀”。AI要点：深度学习正在成为一个更加聚焦和系统化的事情。在谷歌最初的业务结构中，谷歌大脑最初是一个以研究为主的团队。发表了大量国际期刊和学术论文，将开发框架TensorFlow打上了自己的旗号。随着近一两年人工智能相关技术的应用越来越多，谷歌大脑的上述研究成果也开始有机会进一步投入到产业中。谷歌此次对AI业务重要性的宣传，或许是在谋划AI业务自主发展的可能性和系统化的业务布局——AI与产业、AI医学影像……当技术前景越来越广阔时，进一步表明了深度学习开发框架在产业关系中的战略枢纽地位。深度学习开发框架可以划定开发者和应用，从而释放谷歌在AI方面的技术能力和未来TPU的计算能力。巨头们开始调整结构，这意味着深度学习正在走向系统化和集中化。这是一个与数据、感知和计算深度交织的工业领域。开发和开发者生态自然成为产业活动的基石。开发生态竞争直接体现在深度学习开发框架的开发上。例如，Facebook不甘心让谷歌独享深度学习开发平台带来的生态收益，在去年初推出了以全意为目标的开发平台PyTorch。并在去年9月联合微软的CNTK和Caffe2推出了开放的神经网络交换格式，以期在谷歌生态越来越封闭的情况下，提高框架格式与该领域其他玩家的互操作性。在中国，百度的PaddlePaddle也在不断发展，以其本土化的特色吸引着国内的开发者。根据GitHubpullrequest数据显示，PaddlePaddle已成为全球开发普及率增长率最高的开源深度学习平台。同时，随着百度在斯坦福、伯克利等海外高校频繁的技术交流活动，PaddlePaddle更是逐渐走向世界舞台。不知不觉中，这三大科技巨头的独家深度学习框架正在展开一场新的三强争霸赛。降低准入门槛：三国争锋的发展框架是什么？当我们谈论人工智能发展时，我们在谈论什么？更多的开发者：开发者的数量显然是一切的前提，大量的开发者就像蒲公英的种子，会给各个企业带来深度学习开发框架和相关的软硬件服务，助力企业的AI布局巨人到处生根发芽。更活跃的开发生态：基于海量开发者，开发社区充满案例和经验，鼓励开源和分享，让AI开发更简单，进入更多行业和场景。更高层次的开发项目：在自己的框架内诞生一款杀手级应用，可能是每一个巨头的理想目标。高价值、高效率的应用AI很可能会带来大量的追随者，涌向框架的生态。总之，如何降低门槛，千方百计吸引开发者进入，成为三大开发框架的共同目标。最典型的例子就是TensorFlow和PyTorch的竞争。在目前的开发框架中，TensorFlow凭借着Google的技术优势一直比较强大。当开发者越来越多时，其开发社区生态也在良性发展。但在取得优势之后，TensorFlow开始与谷歌一起聚集自己的开发生态。例如，谷歌推出了一系列为开发者赋能的培训计划，为开发者提供课程教学。但结果是所有的教学都是基于TensorFlow，提供的硬件API只能对接TensorFlow，TensorFlow的社区资源和开发工具更新部署在谷歌云上。而且TensorFlow最近单方面“友好”了Caffe等开发平台，导致开发者无法在平台间迁移。Facebook捕捉到了这一点。升级原有开发工具Torch，携手微软打造神经网络交换格式，帮助开发者降低迁移成本。同时，PyTorch设计了更方便的数据加载API接口，使得在开发过程中加载并行数据更加顺畅，相比TensorFlow降低了API的学习成本。在自定义扩展方面，PyTorch也改变了TensorFlow依赖样板代码实现的局面。通过添加自定义扩展，以更简单的方式为CPU/GPU编写接口，大大提高了开发过程的自由度。整体而言，在开发框架的竞争中，竞争点在于更低的学习成本和迁移成本，以及更高的易用性和社区友好性。在这些方面，西方战场之外的PaddlePaddle也以灵活易用着称。在训练部分的调用方式上，集中了浏览器、客户端等各种主流调用方式，支持CPU、GPU、FPGA等各种硬件，尽可能降低开发成本。同时，为了让更多的开发者和企业能够将现有项目接入PaddlePaddle，PaddlePaddle实现了从基础训练到分布式架构的完整开源。百度争夺开发者的决心可见一斑。当然，从中国市场的角度来看，PaddlePaddle最大的优势在于拥有唯一提供适用中文文档和数据集的开发框架社区。中国市场作为不同于欧美世界的独立一极，拥有庞大的中国人工智能产业和发展集群。这些行业和开发者需要本土的体验体系，自然而然会被PaddlePaddle的社区氛围所吸引。关注未来红利：贸易战带来的新中美AI对标将通过开发框架理想控制开发者体系，在自身平台上不断产生生态效应，收割必然出现的AI时代在未来现象级的产品和应用中，这个过程才是巨头们所关注的。同时，我们要知道，所谓现象级的产品和应用，是被归类到AI之下的，也就是说，这些应用可能和社交媒体有关联，这和我们的舆论数据有关，并且也可能与自动驾驶有关，这与每个人都有关系。汽车的路线。这时，我们不得不提出另一种可能性。在中美贸易战背景下，中国人工智能开发群体，尤其是人工智能企业使用TensorFlow等平台的风险指数正在上升。以美国向全世界提供的免费GPS技术为例。许多国家甚至将GPS用于军事设施的定位技术。然而1999年印巴战败后，美国出于利益直接关闭了印巴地区的所有GPS服务。.想象一下，当两军交战时，突然之间所有人都不知道自己的位置信息。这有多可怕？现在TensorFlow不再是一个简单的开发框架，而是与技术、云服务等相关的一种模块。如果将同样的情况复制到AI上，如果有一天深度学习模型已经深埋在我们日常工作的细节中，而谷歌却因为各种原因停止向中国提供云服务，那么我们甚至在迁移模型时也会非常被动.近期中美贸易战引发的芯片事件，似乎给整个中国科技行业敲响了警钟。对于人工智能来说尤其如此。如果能够建立完全本土化的发展框架和社区，连接本土化的数据、计算服务和技术，中国的人工智能将能够实现发展、技术创新、产业模块和商业化。一个完全自生态的过程。虽然在经济全球化发展的背景下，没有哪个国家能够完全依靠自己的科技发展。但在全球扑克游戏中，为自己增加赌注也一定是一个不会出错的选择。
