化解谷歌AI霸權的另一種思路？開(kāi)發(fā)平臺的生態(tài)圍剿

　　相較移動(dòng)互聯(lián)網(wǎng)，AI將是一個(gè)更激進(jìn)的開(kāi)發(fā)者游戲。

　　無(wú)論是學(xué)界還是巨頭，都只能給出規則和參考，以及一小部分示例性應用，而最終讓人工智能落地產(chǎn)生價(jià)值的，只能是成千上萬(wàn)腦中閃過(guò)鬼點(diǎn)子的開(kāi)發(fā)者。

　　這種特性的驅動(dòng)下，搶占人工智能開(kāi)發(fā)基礎，聚攏優(yōu)質(zhì)開(kāi)發(fā)者生態(tài)就成為了巨頭們在AI軍備賽上的重頭戲。而這場(chǎng)比拼的核心要素，就是深度學(xué)習開(kāi)發(fā)平臺。

　　目力所及，各種供給機器學(xué)習、深度學(xué)習的框架與平臺層出不窮。由于很多平臺都是企業(yè)和科研內部使用或者半開(kāi)放模式，所以完整統計到底有多少類(lèi)似平臺很困難。但可以肯定的是，市面上至少有超過(guò)15個(gè)主流框架。

　　值得注意的是，這些平臺以及背后的企業(yè)主體并不是那么友善。圍繞平臺、社區和開(kāi)發(fā)者群落，一場(chǎng)新的人工智能爭奪戰正在打響。

　　而目前這場(chǎng)戰役的主旋律，是如何圍剿谷歌與TensorFlow。

　　微軟、Facebook聯(lián)手下了一招“圍棋”

　　由于機器學(xué)習平臺最初多是局限在學(xué)界使用，算法與模型的工程化基礎不夠充足，所以開(kāi)發(fā)平臺也更多是由實(shí)驗室推出。大家各玩各的，不夠統一。

　　這種方案的流弊，在于產(chǎn)業(yè)線(xiàn)索摻雜進(jìn)來(lái)之后，人工智能開(kāi)發(fā)平臺變得非常復雜和碎片化。一個(gè)開(kāi)發(fā)者為了讓產(chǎn)品具有不同方面的功能，常常需要使用不同平臺，然后費盡心力的整合到一起。

　　針對這種情況，9月8日微軟與Facebook聯(lián)合推出的一款開(kāi)源工具：ONNX。

　　所謂的ONNX，是“Open Neural Network Exchange”的縮寫(xiě)，即“開(kāi)放的神經(jīng)網(wǎng)絡(luò )切換”。從名稱(chēng)就可以看出，這款工具的價(jià)值在于開(kāi)發(fā)者可以把訓練的神經(jīng)網(wǎng)絡(luò )架構在不同平臺間無(wú)縫對接，省去了大量的轉換成本。

　　根據微軟和Facebook公布的消息，ONNX目前已經(jīng)確定兼容微軟的Microsoft Cognitive Toolkit、Facebook的深度學(xué)習框架PyTorch以及非常主流的深度學(xué)習開(kāi)發(fā)平臺Caffe2。

　　這三個(gè)開(kāi)發(fā)平臺之間的打通當然是有其價(jià)值的，但好事者卻更關(guān)注另一個(gè)信息：打通的平臺中沒(méi)有谷歌的TensorFlow。

　　于是一種猜測應運而生：Facebook和微軟這兩個(gè)重度AI投注者，或許希望依靠打通開(kāi)發(fā)平臺帶來(lái)的技術(shù)標準化價(jià)值、靈活操作的體驗優(yōu)勢以及打通平臺界限后的社區資源共享，來(lái)更好的激發(fā)開(kāi)發(fā)者興趣，從而孤立谷歌在開(kāi)發(fā)平臺層面的勢能。

　　這或許說(shuō)明，合縱連橫的互聯(lián)網(wǎng)企業(yè)“圍棋”法則，已經(jīng)開(kāi)始在A(yíng)I這塊相對意義上的凈土中上演了。

　　項莊舞劍：阻斷TensorFlow的生態(tài)化增長(cháng)

　　這里要解釋的是，為什么一定要針對TensorFlow。

　　TensorFlow原本是谷歌大腦項目旗下的深度學(xué)習開(kāi)發(fā)平臺，在2015年這個(gè)項目正式對外開(kāi)源。憑借谷歌AI項目的多元優(yōu)勢，其使用增長(cháng)率一直居高不下。

　　一個(gè)重要的變化來(lái)自于今年2月TensorFlow1.0正式對外公布。這個(gè)正式版不僅優(yōu)化了語(yǔ)言適應性，加入了更多算法支持，尤其加入了XLA(Accelerated Linear Algebra加速線(xiàn)性代數)使得TensorFlow開(kāi)發(fā)的模型可以被部署在手機等移動(dòng)設備上。

　　對于開(kāi)發(fā)者來(lái)說(shuō)，這個(gè)改變某種程度上意味著(zhù)下一個(gè)時(shí)代和巨大商機。其效果立竿見(jiàn)影，從今年2月開(kāi)始，TensorFlow正式超過(guò)了Caffe成為了使用人數最多的機器學(xué)習平臺，并且差距在持續拉大。

　　與Caffe這種學(xué)院派不同，TensorFlow成為“扛把子”瞬間讓業(yè)界聯(lián)想到了那幾年被安卓支配過(guò)的恐懼。而且事實(shí)也確實(shí)如此，谷歌不斷投入TensorFlow工程化和產(chǎn)業(yè)化的可能，并且打開(kāi)了與谷歌大腦、TPU、云計算等等業(yè)務(wù)的關(guān)聯(lián)性，又有Deepmind等高手時(shí)長(cháng)放出新創(chuàng )意和工具，都讓TensorFlow成為了最有噱頭和商業(yè)遐想的AI平臺。

　　對于其他AI巨頭企業(yè)來(lái)說(shuō)，逐漸成型的谷歌AI生態(tài)或許意味著(zhù)谷歌在A(yíng)I領(lǐng)域的霸權威脅。所謂項莊舞劍意在沛公，解決行業(yè)問(wèn)題只是表面文章，如何阻斷谷歌AI向著(zhù)完整的自生態(tài)發(fā)展，才是戰略性目標。

　　聯(lián)合起來(lái)與TensorFlow對抗，似乎成為了最現實(shí)的選擇。尤其TensorFlow并非完美，其自身弱點(diǎn)給這個(gè)領(lǐng)域的競爭留下了更多不確定性。

　　搶奪大多數：深度學(xué)習平臺的AI暗戰

　　采訪(fǎng)了一些工程師朋友，雖然大家對機器學(xué)習的看法非常不同(這件事其實(shí)很值得研究)，但普遍來(lái)說(shuō)，對TensorFlow的評價(jià)是“易入門(mén)，難精通”。

　　作為一個(gè)內部使用平臺，雖然經(jīng)歷了非常多的迭代過(guò)程，但TensorFlow在運算效率上依舊飽受詬病。并且花哨無(wú)用的功能很多，對于開(kāi)發(fā)者來(lái)說(shuō)學(xué)習成本高、執行性較差，也難以開(kāi)發(fā)出復雜的神經(jīng)網(wǎng)絡(luò )。

　　但TensorFlow的弱勢，并不足以讓其他平臺持有者掉以輕心。不說(shuō)谷歌自身在目的性極強的自我更新，就從大的開(kāi)發(fā)者環(huán)境來(lái)說(shuō)，谷歌和TensorFlow也有轉弱為強的可能。

　　大多數開(kāi)發(fā)者似乎認為，PyTorch等高度貼近深度學(xué)習特性的平臺，更適合“高手們”使用。而TensorFlow則憑借簡(jiǎn)單的API接口和非常強大的社區資源，更適合入門(mén)者接觸。

　　但這種定位一旦被確立，對于其他平臺是非常危險的。因為在A(yíng)I產(chǎn)業(yè)化進(jìn)程加速的今天，重點(diǎn)不是如何配合深度開(kāi)發(fā)者，而是如何開(kāi)通與更多新手的連接，搶占已經(jīng)感知到趨勢，即將獲取開(kāi)發(fā)者身份的“大多數”。

　　這種情況下，放低身段，打開(kāi)大門(mén)，就自然而然成為了平臺產(chǎn)品化運營(yíng)的核心思路。對于開(kāi)發(fā)者來(lái)說(shuō)，選擇平臺進(jìn)行深度學(xué)習、神經(jīng)網(wǎng)絡(luò )的開(kāi)發(fā)，無(wú)非思考三件事：是否流暢易用，是否消耗大量學(xué)習成本，以及是否有強大的社區資源和討論環(huán)境。

　　或許，微軟和Facebook以工具打通平臺連接只是第一步。在終端應用場(chǎng)景更加多元、AI落地需求更加強烈的前提下，開(kāi)發(fā)平臺的重組與整合會(huì )成為接下來(lái)一段時(shí)間內的核心命題。

　　畢竟，“不能再讓谷歌造出AI時(shí)代的安卓”，應該是大多數AI巨頭的普遍共識。