TensorFlow、PyTorch之后，谁会领衔新一代人工智能开源平台？

原标题：TensorFlow、PyTorch之后，谁会领衔新一代人工智能开源平台？

如果说人工智能是一场饕餮盛宴，数据是原材料，算力是天然气，算法是菜谱，那么开源就犹如无数厨师经验与智慧合著成的一本永不完结的烹饪百科全书，其他厨师可以从中汲取经验来快速完成菜品，也可以指出书中的问题、贡献更多创意，让这本书经过无数人的完善后逐渐成为神作。

微软就曾是闭源的典型代表，早期它采用软件授权的模式，为其商业软件建立起一整套完整定价。Windows操作系统正是微软典型的闭源商业力作之一。尽管开源之光Linux操作系统没能在商业战场上干过微软，但长期站在开源对立面的微软，最终还是选择了拥抱开源。

2009年，微软向Linux贡献2万行设备驱动代码；2011年，微软一度跻身Linux 3.0五大公司贡献者之一；2014年，“重塑”微软的CEO纳德拉喊出著名的“微软爱Linux”；2016年，微软推出了兼容 Linux 的 SQL 服务器数据库软件；2017年，微软成为GitHub上贡献代码最多的公司，这一宝座蝉联至今。

截至2018年，GitHub上，聚集了约2800万开发者、高达8500万代码库，仅是在去年，70％的全球财富50强公司均使用Github为开源做出贡献，包括微软在AI时代的主要对手，苹果、谷歌、亚马逊等科技巨头。而在当下的人工智能时代，AI框架和引擎上承应用、下接芯片，堪称智能时代的核心软件支柱。

TensorFlow，当前AI开源框架的扛把子，承载了“业界开源典范”谷歌在AI时代的野心。凭借一个开源手机操作系统“安卓”，谷歌占据全球80-90%的智能手机，坐拥超过40万的开发人员和十多亿用户，据说凭借广告、应用、授权及付费内容等收入，一年能给谷歌赚30亿美元。

“赢者通吃”的价值在安卓身上发挥的淋漓尽致，如今其在智能手机界的地位早已稳如泰山，令其他未入局的大公司屡屡扼腕。连微软创始人比尔·盖茨都公开表示，自己犯下最大的错误就是“因为管理不善，导致微软没有推出像安卓那样标准化的、非苹果的手机操作平台”。

2015年11月，谷歌第二代深度学习框架TensorFlow横空出世。背靠谷歌这座开源大山，TensorFlow强势崛起，借助于英特尔、NVIDIA等硬件平台的配合打法，向全球开发者免费供给AI库与工具，成为Github上最受开发者欢迎的平台之一。

去年4.6万个项目依赖于这一平台，贡献人数从2238位直接贡献者增长到25166位社区贡献者。开发人数、贡献人数、受欢迎程度（star数）、谷歌搜索量都碾压其他一众开源AI框架。

2017年1月，Facebook推出机器学习框架PyTorch。近两年来，PyTorch持续大举收割AI学术开发者，并且今年在视觉、语言、通用机器学习等多个顶会的论文流行度碾压TensorFlow，成为AI学术界新的王者。

许多研究人员表示，相比TensorFlow，PyTorch的集成方式、API都设计的更好，而且业界有传闻说PyTorch的速度要比TensorFlow更快。甚至相传谷歌内部许多人员也希望使用TensorFlow之外的框架，这意味着谷歌早早铺路的AI生态建设并不如安卓那般一帆风顺，相反危机四伏。

目前唯一跻身Github全球最受欢迎AI框架排行榜，能与TensorFlow、PyTorch等相提并论的是百度飞桨。

百度飞桨源自于百度深度学习实验室于2013年创建的内部工具“Paddle”，2016年9月正式宣布开源。这使得百度成为继谷歌、Facebook、IBM后第四家将AI技术开源的公司，同时也是打造国内第一个且唯一中文开源深度学习平台的公司。

飞桨根据本土化特点将开源框架与应用层面做了更好的结合，比许多现有深度学习框架更快、更好用。贾扬清曾评价它在简洁、灵活、快速等领域功力不俗，且解决了Caffe早期存在的一些遗留问题。

今年8月，百度还对外发布了面向终端和边缘设备的端侧推理引擎Paddle Lite Beta版，不仅支持飞桨，还支持TensorFlow、PyTorch和ONNX模型格式。

目前飞桨在Github上的star数达1.02万，fork数达2700，有264位贡献者，提交超过2.5万commits。而Apollo比飞桨还要受欢迎，star数达到1.53万，fork数超5200。

就现在来看，国内自主研发开源深度学习框架的企业还属于“稀缺物种”。

目前有苗头成为新成员的是华为和旷视，华为预告将在明年第一季度开源其全场景AI计算框架MindSpore，旷视的人工智能平台Brain++也已经在计划开源，此前旷视研究院的原创ShuffleNet Series算法已经开源在Github上。

MindSpore是端边云全场景按需协同的华为自研AI计算框架，提供全场景统一API，为全场景AI的模型开发、模型运行、模型部署提供端到端能力，具有开发态友好、运行态高效、部署态灵活等特点。

MindSpore采用端-边-云按需协作分布式架构、微分原生编程新范式以及AI Native新执行模式，实现更好的资源效率、安全可信，同时降低行业AI开发门槛、释放昇腾芯片算力，助力普惠AI。

由旷视自主研发的人工智能算法平台Brain++正是这样一个端到端的人工智能操作系统，具备算法大规模、自动化开发能力，其核心的深度学习框架具备独特的训练和部署一体化技术架构。

同时，Brain++还集成了行业领先的AutoML技术，实现深度学习模型设计自动化，在减少人员参与而不牺牲训练质量的条件下，大幅程度提高算法生产效率。

旷视依靠全员使用的Brain++训练、部署算法，而无需依赖第三方深度学习框架，累计斩获27项全球AI竞赛冠军，开发出大量部署于云端、移动端、边缘端全计算平台的先进深度神经网络，实现对个人物联网、城市物联网、供应链物联网三大场景的赋能。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。