對于一般行業(yè)而言，比較通用的做法是先關(guān)注市場需求，然后以更有效的方式組織市場供給，以此來增強競爭力。無論做什么，市場需求是第一出發(fā)點。

這一做法，對于科技行業(yè)貌似有點不一樣。不是說科技行業(yè)的市場需求不重要，而是說科技尤其是軟件行業(yè)是我們所說的“賦能”工具，市場需求分散在各行各業(yè)，不太容易形成規(guī)模優(yōu)勢。而供給端就不一樣，由于代碼低成本復(fù)制的特點，其在供給端是很容易形成規(guī)模優(yōu)勢的。

這個規(guī)律，對于人工智能行業(yè)尤其適用。人工智能的應(yīng)用需求目前還不明確，對于巨頭而言，與其苦苦探索需求場景，不如快速占據(jù)供給市場。壟斷了供給端，無論以后市場怎么發(fā)展，自己也有很大概率成為“摘桃子”的人。

人工智能的供給端都有哪些呢，關(guān)鍵環(huán)節(jié)是什么？人工智能的核心是算法模型，占據(jù)了算法模型市場，就占據(jù)了供給端的話語權(quán)。另一個角度，人工智能的生產(chǎn)人員，是一個個的算法工程師，如果有一個平臺，讓算法工程師產(chǎn)生依賴，那這個平臺就會有很大的生命力。

下圖是人工智能體系的架構(gòu)：

人工智能的核心在于人工智能算法，而軟件框架的主要作用就是將AI算法進行封裝，為上層應(yīng)用提供算法調(diào)用接口。我們耳熟能詳?shù)腡ensorFlow，MXNet，Caffe/2+PyTorch，主要干的就是算法封裝的事。大部分模型的開發(fā)、部署，都要用到上面的這些軟件框架，需要通過他們調(diào)用各種模型，需要用到他們的各種工具組件，需要他們調(diào)用底層硬件計算資源。

對于一個市場而言，用戶習(xí)慣和生態(tài)是最難培養(yǎng)的， 但一旦養(yǎng)成了就會是最大的競爭力。AI開發(fā)框架平臺就是在培養(yǎng)人工智能從業(yè)人員的用戶習(xí)慣，培養(yǎng)應(yīng)用生態(tài)。至于上層的應(yīng)用場景探索，無論是計算機視覺領(lǐng)域、語音識別領(lǐng)域還是自動駕駛領(lǐng)域，甚至是深入到金融、零售、電商、制造這些行業(yè)里的應(yīng)用，最終都會需要通過這些底層的深度學(xué)習(xí)開發(fā)框架，來調(diào)用各種算法，開發(fā)各類模型。既然這是一條無法繞開的道路，那就只能等著交過路費了。這就像手機行業(yè)的“高通稅”，高通壟斷了上游，即使不生產(chǎn)手機，也能攫取整個手機行業(yè)里很大一部分利潤。

而且，人工智能很大程度上可以看作一門以數(shù)據(jù)為基礎(chǔ)的生意。AI開發(fā)框架平臺，會成為各路數(shù)據(jù)的一個重要匯聚點，數(shù)據(jù)匯聚必然伴隨著價值匯聚。

這么好的一門生意，當(dāng)然很多人都想做。但平臺的生意，往往門檻都很高。AI開發(fā)平臺，需要很強的技術(shù)實力和資本實力。要得到大家的認可，往往需要在平臺處理性能、計算資源調(diào)度能力、平臺易用性、安全性、生態(tài)豐富度這幾個方面表現(xiàn)突出才行。

經(jīng)過這幾年的競爭，最終只有幾家在這場競賽中勝出了。在AI開發(fā)框架領(lǐng)域，TensorFlow 、 Caffe/Caffe2 占據(jù)了相對主導(dǎo)地位，此外主流訓(xùn)練框架還有MXNet，PyTorch，Keras、PaddlePaddle等。

可以看到，目前主流的AI開發(fā)框架還是被國外的谷歌、臉書、亞馬遜、微軟所主導(dǎo)。雖然現(xiàn)在都倡導(dǎo)開源，但鑒于目前中美嚴峻的政治形勢，考慮到未來幾十年很可能更加嚴峻的中美政治形勢，保不齊以后人家也在源頭上斷了你的路。況且，人工智能是美國也很關(guān)注的戰(zhàn)略產(chǎn)業(yè)，不惜一切代價壓制中國人工智能行業(yè)發(fā)展，已經(jīng)成為美國政治精英的共識，未來他們很可能會采取更加激進的行動。

所以，著力培養(yǎng)國產(chǎn)的AI開發(fā)框架，是在非常時期發(fā)揮關(guān)鍵作用的“備胎”。中國的互聯(lián)網(wǎng)巨頭以及人工智能獨角獸企業(yè)，現(xiàn)在已經(jīng)在有意識地構(gòu)建底層平臺，但差距還是肉眼可見的。如果要取得更大突破，需要在三個方面發(fā)力：底層AI理論和技術(shù)積累，企業(yè)更大的戰(zhàn)略決心和資源投入，國內(nèi)企業(yè)的團結(jié)協(xié)作。

返回列表