争夺AI底层框架，大厂进入新赛点-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

文章怡

最底层的创新者赢得了世界。

在智能手机时代，PC巨头微软试图用苹果iOS和谷歌Android”sha斯三个国家”；在人工智能时代，在深入学习底层框架的江湖中，谷歌和Meta相互追赶，永不妥协。

由于在底层人工智能框架上投入了大量资金和风险，几乎只有资金充裕的技术巨头才能承担大量投资，例如国外谷歌的TensorFlow.Meta的PyTorch和中国百度的飞桨。

“强大的美国互联网巨头在人工智能基础技术方面进行了巨大的战略投资，但中国的人工智能行业主要由需求驱动，大多数人工智能公司都在部署应用层。大多数国内公司选择使用外国巨头的开源TensorFlow.PyTorch等深度学习基础框架进行人工智能研究和开发。”CFFC在研究报告。

尽管TensorFlow.PyTorch.Keras.Caffe和MxNet在底层AI框架的竞争中如火如荼，但谷歌和Meta仍在竞争。今天，TensorFlow和PyTorch几乎共享同一个春天。

最近，外国媒体Business Insider采访了一系列与谷歌机器学习工作密切相关的开发者.硬件专家.云提供商和人士，并获得了相同的看法：2015年诞生的TensorFlow曾经辉煌，而2017年Meta的开源PyTorch正在成为该领域的领导者。在这场战争中，谷歌开始赌JAX。

随后，TensorFlow官方博客回应说TensorFlow没有放弃，将与JAX并肩发展。

尽管谷歌否认，但帮助谷歌赢得李世石(Li Shishi)并使谷歌在第一场人工智能大战中声名鹊起的人工智能框架已经开始从祭坛上消失。

然而，谷歌试图通过”自我革命”重现TensorFlow的主导地位。这个艰巨的任务是由新的深度学习框架JAX实现的。在Google Brain.DeepMind.DALL·E Mini等的背后，有JAX。据《商业内幕》报道，预计JAX将在未来几年内涵盖谷歌的所有机器学习产品。

从TensorFlow到JAX，随着AI开发阶段的变化，底层框架的创新与上层应用程序之间的关系也在发生微妙的变化。

“传统的技术研究从底层开始，逐渐发展，最终形成演示或产品业务。但现在应用层的业务需求可以反馈并影响底层的设计。”作为一名技术人员，林吉与Light Cone Intelligence分享了他对人工智能行业阶段姓变化的观察。人工智能科学LeCun也公开表示，深度学习框架之间的激烈竞争进入了一个新阶段。

关于大工厂人工智能基础架构的争论是一场与时代同步的人工智能基础设施建设的军备竞赛。

遇见PyTorch，TensorFlow是孤独的

曾几何时，Tensorflow有多受欢迎？数据显示，截至2020年11月，TensorFlow已被下载1.6亿次。

“这个孩子今年已经上了小学五年级。参加课外班学习Tensorflow是否太迟了？”

2018年，知湖的最后一个问题吸引了亚马逊首席科学家李牧，回答：”现在有点晚了。我的宝宝一岁时就开始读纸了，现在她可以通过打字熟练地写MXNet代码，尽管仍然有很多语法错误。他的妈妈在谷歌工作，使用Tensorflow，但他对MXNet更感兴趣。不过，他更擅长调音，而不是轻敲代码。”

图片：李牧对知湖的回答截图

AI Daniel亲自下台制作了茎，这引起了大家的讨论。

Tensorflow于2015年10月推出，并在半年内成名。2016年3月，AlphaGo和围棋世界冠军.专业九段棋手李世石以4比1的总分赢得了围棋人机战。核心底层框架Tensorflow迅速出现，成为人工智能领域的一匹新黑马。2017年5月，在中国乌镇围棋峰会上，AlphaGo与排名世界第一的围棋世界冠军柯杰比赛，总比分为3比0。

当时，Tensorflow正在高速发展。在AI江湖的旗帜下，在任何一家AI创业公司的官方网站上打开产品技术介绍信息，”Tensorflow”可能会出现在突出位置。

然而，Tensorflow

“TensorFlow 1.0版本，模型训练更加困难，编写代码的复杂度也会更高。你需要提前编写整个网络图，然后优化数据的内容。PyTorch代码相对简单，你可以在构建图时填写数据，类似于编写普通代码来调用函数。”

从应用程序方面的经验来看，瞧！首席技术官Steve Su透露，TensorFlow在商业公司的应用频率较高，但在实际应用过程中，复杂的操作仍然是一个”大问题”。对于大多数开发者来说，Meta没有自己的云服务，也没有在硬件方面做太多工作。它主要以一种纯软件的方式实现，因此它更简单.更友好。

迭代升级1.0版的”bug”也是对PyTorch的第一次攻击。2019年，TensorFlow 2.0上线。

图：TensorFlow 2.0

“许多人说，2.0版的发布是谷歌自己的革命。然而，在2.0版中，他们发现1.0版的模型代码基本上是不可用的。此外，在2.0版本中，如果他们遇到问题并寻找解决方案，1.0版的答案也会出现，他们无法获得想要的信息。此时，许多用户会跑开urn到PyTorch。”苏勇说。

面对PyTorch，TensorFlow逐渐从祭坛上掉了下来，谷歌试图重返榜首。

人工智能是大规模商业化的，基础框架也应该”扎根”

如果你不能加入，JAX是一个融合产品，吸收了PyTorch和TensorFlow的精华。

“PyTorch用户的数量在增加，TensorFlow用户也在逐渐逃离。因此，谷歌直接将TensorFlow的两个版本集成在一起，并创建了一个新名称-JAX。”苏勇表示，JAX是PyTotch和TensorLow的显著特点的结合：易于使用，计算效率高。

JAX主要优化NumPy的性能。简而言之，性能比原来的方式提高了几十倍。”NumPy本身在矩阵运算方面有了很大的改进。JAX基于NumPy进行了改进，这形成了一个很大的优势。”

据报道，JAX的计算函数API都基于NumPy，这使得模型易于在GPU和TPU上运行。简而言之，JAX非常快。

“PyTorch因其高可用姓而在高校学术界广受欢迎。然而，当学术界和商业界崩溃，学术研究可能商业化时，工程师们发现PyTotch上的东西应该在TensorFlow上重写。”他说，这次操作中的传输空间也是JAX的一个机会。

根据Google的官方声明，在开发JAX生态系统的过程中，我们还将考虑确保它尽可能与现有TensorFlow库的设计保持一致。这也是因为TensorFlow的两个版本已经更新和替换。

然而，随着人工智能从神话走向人间，应用和商业价值的落地是核心。此时，对于底层框架而言，与技术竞争相比，生态层面的竞争更为核心。

“从技术角度来看，终端用户对技术差距的感知相对较弱，但生态环境可以感知得更深刻。例如，有多少朋友在身边，研究领域的大多数人使用哪一个，使用过程中反馈的问题能否及时解决，是否有一些寻求帮助的渠道。”苏勇解释道。

像移动电话系统一样，一些人最初选择了微软，但最终微软的操作系统悄然淡出了人们的视野。因为当开发人员选择一个操作系统时，他们不仅应该考虑启动的难度，还应该考虑应用程序在开发完成后能否存活下来？

当我们进入商业化和面向规模的人工智能阶段时，底层框架并不是技术的杰作，所有主要的技术巨头都”扎根”了。

例如，除了谷歌推出JAX之外，百度在中国的飞行螺旋桨平台也强调，基于飞行螺旋桨，人工智能开发和应用的门槛不断降低，每个人都可以成为智能应用的开发者。根据百度首席技术官王海峰公开分享的成果，飞灰平台已经积累了477万开发者，创造了56万模型。

<img src="https://mp.ofweek.com/Upload/News/Img/member1/202207/02