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?，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(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。

在應(yīng)用效率上，PaddlePaddle在運(yùn)行RNN算法時(shí)比其他主流框架占用更少的內(nèi)存，速度卻提升了1－2倍。

在訓(xùn)練部分的調(diào)用方式上PaddlePaddle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(kāi)發(fā)成本。同時(shí)還支持多種深度學(xué)習(xí)模型，使得開(kāi)發(fā)者可以更關(guān)注模型的高層結(jié)構(gòu)，拋開(kāi)底層編碼，使得TensorFlow里需要數(shù)行代碼才能實(shí)現(xiàn)的功能，在PaddlePaddle里可能只需要一兩行。

除此之外，PaddlePaddle還展示出了很多適用于應(yīng)用層面的功能。例如在最新的Fluid版本中讓開(kāi)發(fā)過(guò)程更接近常見(jiàn)的高級(jí)語(yǔ)言，減少深度學(xué)習(xí)中“黑箱”狀況的出現(xiàn)，讓開(kāi)發(fā)者不再用“玄學(xué)”調(diào)參，更進(jìn)一步明晰開(kāi)發(fā)和優(yōu)化中產(chǎn)生的對(duì)應(yīng)關(guān)系，使得開(kāi)發(fā)過(guò)程更有可復(fù)制性。

還包括PaddlePaddle支持彈性使用計(jì)算資源完成深度學(xué)習(xí)訓(xùn)練，根據(jù)需求變化設(shè)置資源消耗的彈性區(qū)間。對(duì)于時(shí)常面對(duì)著繁多計(jì)算任務(wù)的大型企業(yè)來(lái)說(shuō)，此舉可以幫助他們節(jié)約大量資源，讓深度學(xué)習(xí)的開(kāi)發(fā)和訓(xùn)練成本進(jìn)一步降低。

近日有新聞報(bào)道，Google發(fā)布TensorFlow．js，支持在瀏覽器上進(jìn)行機(jī)器學(xué)習(xí)的相關(guān)工作，但在降低開(kāi)發(fā)者使用瀏覽器發(fā)展機(jī)器學(xué)習(xí)的門檻方面，PaddlePaddle確實(shí)做得更早也相對(duì)成熟。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。這一點(diǎn)即使在以開(kāi)源精神著稱的硅谷都很稀有。

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。綜合這些優(yōu)勢(shì)，PaddlePaddle完全可以與歐美巨頭們一戰(zhàn)。

關(guān)注未來(lái)紅利：PaddlePaddle的崛起帶來(lái)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)乎著每一輛汽車的行駛路線。

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)爭(zhēng)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？

最近中興被裹挾在中美貿(mào)易戰(zhàn)爭(zhēng)中，進(jìn)而引發(fā)的芯片恐慌更提醒了我們，市場(chǎng)經(jīng)濟(jì)和全球化不會(huì)是一柄絕對(duì)中立的保護(hù)傘，技術(shù)的自主權(quán)很可能在關(guān)鍵時(shí)刻成為阿克琉斯之踵。這一點(diǎn)在人工智能中更是如此。

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)。因而造成的結(jié)果很可能比今天的芯片問(wèn)題更加恐怖，自動(dòng)駕駛突然失靈，自動(dòng)化工業(yè)生產(chǎn)突然向人力求救，這一切造成的不僅僅是生產(chǎn)效率的降低，而是人們的生活陷入混亂。

這時(shí)PaddlePaddle對(duì)于中國(guó)開(kāi)發(fā)者的優(yōu)勢(shì)，就不僅僅是易用性和靈活性了。PaddlePaddle的適時(shí)崛起，似乎在將開(kāi)發(fā)者引入另一種可能：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。而PaddlePaddle的快速部署優(yōu)勢(shì)，可以讓中國(guó)開(kāi)發(fā)者在世界范圍內(nèi)的AI應(yīng)用競(jìng)賽上獲得更多速度優(yōu)勢(shì)?；蛟S當(dāng)海外還在利用TensorFlow調(diào)試底層代碼時(shí)，中國(guó)開(kāi)發(fā)者就已經(jīng)通過(guò)PaddlePaddle實(shí)現(xiàn)模型的應(yīng)用了。AI自生態(tài)的靠攏過(guò)程不是因?yàn)槎惚茱L(fēng)險(xiǎn)，而是因?yàn)楸就粱拇_是更高效的選擇。

這樣一來(lái)，中國(guó)AI領(lǐng)域就可以完全脫離對(duì)美國(guó)的依賴，這在兩國(guó)科技產(chǎn)業(yè)競(jìng)爭(zhēng)的大背景下，由此帶來(lái)的自主和安全就顯得尤為關(guān)鍵和重要。如今深度學(xué)習(xí)開(kāi)發(fā)框架的競(jìng)賽剛剛開(kāi)始，代表著中國(guó)AI開(kāi)發(fā)品牌，甚至中國(guó)AI未來(lái)紅利的PaddlePaddle如何布局，或許會(huì)為這場(chǎng)競(jìng)爭(zhēng)增加更多看點(diǎn)。