化解谷歌 AI 霸權的另一種思路？開發(fā)平臺的生態(tài)圍剿

相較移動互聯(lián)網(wǎng)，AI將是一個更激進的開發(fā)者游戲。

無論是學界還是巨頭，都只能給出規(guī)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)生價值的，只能是成千上萬腦中閃過鬼點子的開發(fā)者。

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

目力所及，各種供給機器學習、深度學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(nèi)部使用或者半開放模式，所以完整統(tǒng)計到底有多少類似平臺很困難。但可以肯定的是，市面上至少有超過15個主流框架。

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(qū)和開發(fā)者群落，一場新的人工智能爭奪戰(zhàn)正在打響。

而目前這場戰(zhàn)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」

由于機器學習平臺最初多是局限在學界使用，算法與模型的工程化基礎不夠充足，所以開發(fā)平臺也更多是由實驗室推出。大家各玩各的，不夠統(tǒng)一。

這種方案的流弊，在于產(chǎn)業(yè)線索摻雜進來之后，人工智能開發(fā)平臺變得非常復雜和碎片化。一個開發(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)合推出的一款開源工具：ONNX。

所謂的ONNX，是「OpenNeuralNetworkExchange」的縮寫，即「開放的神經(jīng)網(wǎng)絡切換」。從名稱就可以看出，這款工具的價值在于開發(fā)者可以把訓練的神經(jīng)網(wǎng)絡架構在不同平臺間無縫對接，省去了大量的轉(zhuǎn)換成本。

根據(jù)微軟和Facebook公布的消息，ONNX目前已經(jīng)確定兼容微軟的MicrosoftCognitiveToolkit、Facebook的深度學習框架PyTorch以及非常主流的深度學習開發(fā)平臺Caffe2。

這三個開發(fā)平臺之間的打通當然是有其價值的，但好事者卻更關注另一個信息：打通的平臺中沒有谷歌的TensorFlow。

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

這或許說明，合縱連橫的互聯(lián)網(wǎng)企業(yè)「圍棋」法則，已經(jīng)開始在AI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

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習開發(fā)平臺，在2015年這個項目正式對外開源。憑借谷歌AI項目的多元優(yōu)勢，其使用增長率一直居高不下。

一個重要的變化來自于今年2月TensorFlow1.0正式對外公布。這個正式版不僅優(yōu)化了語言適應性，加入了更多算法支持，尤其加入了XLA（AcceleratedLinearAlgebra加速線性代數(shù)）使得TensorFlow開發(fā)的模型可以被部署在手機等移動設備上。

對于開發(fā)者來說，這個改變某種程度上意味著下一個時代和巨大商機。其效果立竿見影，從今年2月開始，TensorFlow正式超過了Caffe成為了使用人數(shù)最多的機器學習平臺，并且差距在持續(xù)拉大。

與Caffe這種學院派不同，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的恐懼。而且事實也確實如此，谷歌不斷投入TensorFlow工程化和產(chǎn)業(yè)化的可能，并且打開了與谷歌大腦、TPU、云計算等等業(yè)務的關聯(lián)性，又有Deepmind等高手時長放出新創(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)來說，逐漸成型的谷歌AI生態(tài)或許意味著谷歌在AI領域的霸權威脅。所謂項莊舞劍意在沛公，解決行業(yè)問題只是表面文章，如何阻斷谷歌AI向著完整的自生態(tài)發(fā)展，才是戰(zhàn)略性目標。

聯(lián)合起來與TensorFlow對抗，似乎成為了最現(xiàn)實的選擇。尤其TensorFlow并非完美，其自身弱點給這個領域的競爭留下了更多不確定性。

搶奪大多數(shù)：深度學習平臺的AI暗戰(zhàn)

采訪了一些工程師朋友，雖然大家對機器學習的看法非常不同（這件事其實很值得研究），但普遍來說，對TensorFlow的評價是「易入門，難精通」。

作為一個內(nèi)部使用平臺，雖然經(jīng)歷了非常多的迭代過程，但TensorFlow在運算效率上依舊飽受詬病。并且花哨無用的功能很多，對于開發(fā)者來說學習成本高、執(zhí)行性較差，也難以開發(fā)出復雜的神經(jīng)網(wǎng)絡。

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

大多數(shù)開發(fā)者似乎認為，PyTorch等高度貼近深度學習特性的平臺，更適合「高手們」使用。而TensorFlow則憑借簡單的API接口和非常強大的社區(qū)資源，更適合入門者接觸。

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AI產(chǎn)業(yè)化進程加速的今天，重點不是如何配合深度開發(fā)者，而是如何開通與更多新手的連接，搶占已經(jīng)感知到趨勢，即將獲取開發(fā)者身份的「大多數(shù)」。

這種情況下，放低身段，打開大門，就自然而然成為了平臺產(chǎn)品化運營的核心思路。對于開發(fā)者來說，選擇平臺進行深度學習、神經(jīng)網(wǎng)絡的開發(fā)，無非思考三件事：是否流暢易用，是否消耗大量學習成本，以及是否有強大的社區(qū)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。在終端應用場景更加多元、AI落地需求更加強烈的前提下，開發(fā)平臺的重組與整合會成為接下來一段時間內(nèi)的核心命題。

備注：數(shù)據(jù)僅供參考，不作為投資依據(jù)。