深度学习开发框架，是巨头卡位AI关键环节的重要一步棋

对于一般行业而言，比较通用的做法是先关注市场需求，然后以更有效的方式组织市场供给，以此来增强竞争力。无论做什么，市场需求是第一出发点。

这一做法，对于科技行业貌似有点不一样。不是说科技行业的市场需求不重要，而是说科技尤其是软件行业是我们所说的“赋能”工具，市场需求分散在各行各业，不太容易形成规模优势。而供给端就不一样，由于代码低成本复制的特点，其在供给端是很容易形成规模优势的。

这个规律，对于人工智能行业尤其适用。人工智能的应用需求目前还不明确，对于巨头而言，与其苦苦探索需求场景，不如快速占据供给市场。垄断了供给端，无论以后市场怎么发展，自己也有很大概率成为“摘桃子”的人。

人工智能的供给端都有哪些呢，关键环节是什么？人工智能的核心是算法模型，占据了算法模型市场，就占据了供给端的话语权。另一个角度，人工智能的生产人员，是一个个的算法工程师，如果有一个平台，让算法工程师产生依赖，那这个平台就会有很大的生命力。

下图是人工智能体系的架构：

人工智能的核心在于人工智能算法，而软件框架的主要作用就是将AI算法进行封装，为上层应用提供算法调用接口。我们耳熟能详的TensorFlow，MXNet，Caffe/2+PyTorch，主要干的就是算法封装的事。大部分模型的开发、部署，都要用到上面的这些软件框架，需要通过他们调用各种模型，需要用到他们的各种工具组件，需要他们调用底层硬件计算资源。

对于一个市场而言，用户习惯和生态是最难培养的， 但一旦养成了就会是最大的竞争力。AI开发框架平台就是在培养人工智能从业人员的用户习惯，培养应用生态。至于上层的应用场景探索，无论是计算机视觉领域、语音识别领域还是自动驾驶领域，甚至是深入到金融、零售、电商、制造这些行业里的应用，最终都会需要通过这些底层的深度学习开发框架，来调用各种算法，开发各类模型。既然这是一条无法绕开的道路，那就只能等着交过路费了。这就像手机行业的“高通税”，高通垄断了上游，即使不生产手机，也能攫取整个手机行业里很大一部分利润。

而且，人工智能很大程度上可以看作一门以数据为基础的生意。AI开发框架平台，会成为各路数据的一个重要汇聚点，数据汇聚必然伴随着价值汇聚。

这么好的一门生意，当然很多人都想做。但平台的生意，往往门槛都很高。AI开发平台，需要很强的技术实力和资本实力。要得到大家的认可，往往需要在平台处理性能、计算资源调度能力、平台易用性、安全性、生态丰富度这几个方面表现突出才行。

经过这几年的竞争，最终只有几家在这场竞赛中胜出了。在AI开发框架领域，TensorFlow 、 Caffe/Caffe2 占据了相对主导地位，此外主流训练框架还有MXNet，PyTorch，Keras、PaddlePaddle等。

可以看到，目前主流的AI开发框架还是被国外的谷歌、脸书、亚马逊、微软所主导。虽然现在都倡导开源，但鉴于目前中美严峻的政治形势，考虑到未来几十年很可能更加严峻的中美政治形势，保不齐以后人家也在源头上断了你的路。况且，人工智能是美国也很关注的战略产业，不惜一切代价压制中国人工智能行业发展，已经成为美国政治精英的共识，未来他们很可能会采取更加激进的行动。

所以，着力培养国产的AI开发框架，是在非常时期发挥关键作用的“备胎”。中国的互联网巨头以及人工智能独角兽企业，现在已经在有意识地构建底层平台，但差距还是肉眼可见的。如果要取得更大突破，需要在三个方面发力：底层AI理论和技术积累，企业更大的战略决心和资源投入，国内企业的团结协作。