化解谷歌AI霸權的另一種思路？開發平臺的生態圍剿
相較移動互聯網，AI將是一個更激進的開發者游戲。
無論是學界還是巨頭，都只能給出規則和參考，以及一小部分示例性應用，而最終讓人工智能落地產生價值的，庫卡機器人何服電機維修，只能是成千上萬腦中閃過鬼點子的開發者。
這種特性的驅動下，搶占人工智能開發基礎，工業機器人維修，聚攏優質開發者生態就成為了巨頭們在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和科研內部使用或者半開放模式，所以完整統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主體并不是那么友善。圍繞平臺、社區和開發者群落，一場新的人工智能爭奪戰正在打響。
而目前這場戰役的主旋律，是如何圍剿谷歌與TensorFlow。
微軟、Facebook聯手下了一招圍棋
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，所以開發平臺也更多是由實驗室推出。大家各玩各的，不夠統一。
這種方案的流弊，在于產業線索摻雜進來之后，人工智能開發平臺變得非常復雜和碎片化。一個開發者為了讓產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，即開放的神經網絡切換。從名稱就可以看出，這款工具的價值在于開發者可以把訓練的神經網絡架構在不同平臺間無縫對接，省去了大量的轉換成本。
根據微軟和Facebook公布的消息，ONNX目前已經確定兼容微軟的MicrosoftCognitiveToolkit、Facebook的深度學習框架PyTorch以及非常主流的深度學習開發平臺Caffe2。
這三個開發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平臺帶來的技術標準化價值、靈活操作的體驗優勢以及打通平臺界限后的社區資源共享，來更好的激發開發者興趣，從而孤立谷歌在開發平臺層面的勢能。
這或許說明，合縱連橫的互聯網企業圍棋法則，已經開始在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）使得TensorFlow開發的模型可以被部署在手機等移動設備上。
對于開發者來說，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成為了使用人數最多的機器學習平臺，并且差距在持續拉大。
與Caffe這種學院派不同，TensorFlow成為扛把子瞬間讓業界聯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工程化和產業化的可能，并且打開了與谷歌大腦、TPU、云計算等等業務的關聯性，又有Deepmind等高手時長放出新創意和工具，都讓TensorFlow成為了最有噱頭和商業遐想的AI平臺。
對于其他AI巨頭企業來說，逐漸成型的谷歌AI生態或許意味著谷歌在AI領域的霸權威脅。所謂項莊舞劍意在沛公，解決行業問題只是表面文章，如何阻斷谷歌AI向著完整的自生態發展，才是戰略性目標。
聯合起來與TensorFlow對抗，似乎成為了最現實的選擇。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：深度學習平臺的AI暗戰
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。
作為一個內部使用平臺，雖然經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，庫卡機器人，對于開發者來說學習成本高、執行性較差，也難以開發出復雜的神經網絡。
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，就從大的開發者環境來說，谷歌和TensorFlow也有轉弱為強的可能。
大多數開發者似乎認為，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產業化進程加速的今天，重點不是如何配合深度開發者，而是如何開通與更多新手的連接，搶占已經感知到趨勢，即將獲取開發者身份的大多數。
這種情況下，放低身段，打開大門，就自然而然成為了平臺產品化運營的核心思路。對于開發者來說，選擇平臺進行深度學習、神經網絡的開發，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資源和討論環境。
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，開發平臺的重組與整合會成為接下來一段時間內的核心命題。
畢竟，不能再讓谷歌造出AI時代的安卓，應該是大多數AI巨頭的普遍共識。