應用

技術

物聯網世界 >> 物聯網新聞 >> 物聯網熱點新聞
企業注冊個人注冊登錄

誰是AI開源世界之王?

2019-11-13 09:51 智東西

導讀:谷歌靠它一統江湖,微軟狂砸百億美元,BAT奮起直追,AI開源的魔力是什么?

asphalt-direction-font-art-shape-choose-the-right-direction-567033-pxhere.com.jpg

在人工智能的江湖,2015年是個關鍵時間節點,這一年之前和之后,似乎是兩個截然不同的世界。

此前數年間,歷經AI吊打在圖像識別賽吊打傳統算法、AI戰勝世界圍棋冠軍、DeepMind“委身”谷歌等標志性事件,AI逐漸走出學術殿堂,開始用科幻般的“超能力”改變人們的認知。

從這一年開始,科技巨頭的AI戰事從暗戰變為明局,AI也開始以前所未有的速度在全球爆發,逐漸演化成為如今AI格局的雛形。

每當我們提及第三次AI浪潮是如何復興的,數據爆發、算力崛起已成為標準答案,而一股隱形卻強大的力量卻往往被視而不見。

而這股力量,不僅是使得AI再度興盛的關鍵推手,也是科技巨頭贏得AI話語權的“上甘嶺”。

這股力量,就是開源。

當國外谷歌Facebook微軟為升級迭代AI開源框架各顯其能,國內以BAT領銜推進的AI開源項目亦在暗流涌動。

開源,黑客文化中誕生的奇跡

什么是開源的力量?這是包括AI在內的計算機發展史中,一個熠熠生輝的話題。

開源,英文名Open Source,即開放源代碼,任何人可以在源代碼的基礎上進行學習與修改。它從58年前的黑客文化中緩緩演進,而最早催生這一文化的MIT技術模型鐵路俱樂部的黑客們(Hackers),大都成為MIT AI實驗室的核心成員。

如果說AI是一場饕餮盛宴,數據是原材料,算力是天然氣,算法是菜譜,那么開源就猶如無數廚師經驗與智慧合著成的一本永不完結的烹飪百科全書,其他廚師可以從中汲取經驗來快速完成菜品,也可以指出書中的問題、貢獻更多創意,讓這本書經過無數人的完善后逐漸成為神作。

可以想象一下,一個人專門檢查代碼bug,它可能需要好幾天的時間還有紕漏;而如果一群開發者和測試者來查bug,那么代碼排錯與演化的效率將得到驚人的提升。

如果能創建一個開放、有改進能力的環境,驅動成千上百的人才庫去反饋并提供設計空間拓展、代碼貢獻、Bug定位以及其他的改進,而一個封閉項目中,要多么頂級的黑客才能僅依靠自己就做到與這成千上百人抗衡。

在開源文化中,黑客們追求的是更高質量的代碼、更完善的項目,其動力也許是單純的熱愛,也許是對證明個人能力的渴望,但絕不是追求接近物質財富的東西。

與之相悖的是閉源,由專門的研究團隊開發一個軟件項目,不讓別人知道源代碼。選擇閉源的機構無外乎幾種目的,擔心泄露機密,不想讓競爭者使用它,或者想用它來賣錢。

這并不難理解,充斥著共享理念的開源文化,似乎與以營利為核心目標的商業世界天然不搭。即便是對在商業的考量中,開源的直接目的也不是為了營收,而是為了借此開拓市場和生態以獲得更長遠的收益。同時,開源也能有效防止閉源產品壟斷市場的局面出現。

相較而言,傳統開源項目會給開發者帶來更大的壓力,而開源開發者更為自由,他們只需專注在自己想要做的事情上,不必被上層的需求抽著鞭子往前走。

AI開源全棧示意圖

▲AI開源全棧示意圖

微軟就曾是閉源的典型代表,早期它采用軟件授權的模式,為其商業軟件建立起一整套完整定價。Windows操作系統正是微軟典型的閉源商業力作之一。盡管開源之光Linux操作系統沒能在商業戰場上干過微軟,但長期站在開源對立面的微軟,最終還是選擇了擁抱開源。

開源既然要開放代碼,讓成千上萬人協作,那就需要一個足夠友好和安全的開源托管服務,在這一背景下,GitHub應運而生。

2008年,克里斯·萬斯克拉斯已從辛辛那提大學英語專業輟學了三年,同普雷斯頓一起經過夜以繼日地合作寫代碼,終于打造出能提供優秀協作服務的代碼托管平臺GitHub,并專程找Twitter經典logo的設計者西蒙·奧克斯利設計出其吉祥物章魚貓Octopuss。

▲克里斯·萬斯克拉斯(左上),普雷斯頓(右上),Github吉祥物章魚貓(圖下)

經過十一年的發展,Github早已成為“全球最大程序員交友平臺”,它每年發布的Octoverse年報已成為呈現這一年度熱門開發項目、頂級編程語言等趨勢的權威榜單。例如從Github上我們可以看到,近年數據科學、深度學習、自然語言處理、機器學習等主題的存儲庫正變得愈發流行,新的框架正吸引著成千上萬的貢獻者。

Github

▲2016-2019年Github自然語言處理存儲庫的增長變化

大約也是從Github成立那年起,微軟對開源文化的態度開始發生轉變。

2009年,微軟向Linux貢獻2萬行設備驅動代碼;2011年,微軟一度躋身Linux 3.0五大公司貢獻者之一;2014年,“重塑”微軟的CEO納德拉喊出著名的“微軟愛Linux”;2016年,微軟推出了兼容 Linux 的 SQL 服務器數據庫軟件;2017年,微軟成為GitHub上貢獻代碼最多的公司,這一寶座蟬聯至今。

2018年6月,微軟斥資75億美元收購Github,全球轟動。

截至當時,GitHub上,聚集了約2800萬開發者、高達8500萬代碼庫,僅是在去年,70%的全球財富50強公司均使用Github為開源做出貢獻,包括微軟在AI時代的主要對手,蘋果、谷歌、亞馬遜等科技巨頭。

群雄混戰AI開源框架

部分主流AI框架項目社區活躍度指標統計

▲部分主流AI框架項目社區活躍度指標統計

AI框架上承應用、下接芯片,堪稱智能時代的核心軟件支柱。

11月7日,GitHub發布年度報告,貢獻者最多的TOP10開源項目中,谷歌AI框架TensorFlow排名第五(9.9K)。

TensorFlow,當前AI開源框架的扛把子,承載了“業界開源典范”谷歌在AI時代的野心。

憑借一個開源手機操作系統“安卓”,谷歌占據全球80-90%的智能手機,坐擁超過40萬的開發人員和十多億用戶,據說憑借廣告、應用、授權及付費內容等收入,一年能給谷歌賺30億美元。

“贏者通吃”的價值在安卓身上發揮的淋漓盡致,如今其在智能手機界的地位早已穩如泰山,令其他未入局的大公司屢屢扼腕。連微軟創始人比爾·蓋茨都公開表示,自己犯下最大的錯誤就是“因為管理不善,導致微軟沒有推出像安卓那樣標準化的、非蘋果的手機操作平臺”。

2015年11月,谷歌第二代深度學習框架TensorFlow橫空出世。

背靠谷歌這座開源大山,TensorFlow強勢崛起,借助于英特爾、NVIDIA等硬件平臺的配合打法,向全球開發者免費供給AI庫與工具,成為Github上最受開發者歡迎的平臺之一。

去年4.6萬個項目依賴于這一平臺,貢獻人數從2238位直接貢獻者增長到25166位社區貢獻者。開發人數、貢獻人數、受歡迎程度(star數)、谷歌搜索量都碾壓其他一眾開源AI框架。

TensorFlow

去年,國外數據科學研究者Jeff Hale調查了多個主流求職平臺的AI相關在線職位搜索列表,其中TensorFlow的搜索量一騎絕塵。綜合職位搜索、KDnuggets使用調查、Github活躍度、谷歌搜索量、ArXiv文章、亞馬遜書籍、Medium文章等指標的評判,TensorFlow仍然遙遙領先。

眼見AI接棒移動互聯網高調歸來,顯然,其他科技巨頭們不打算坐看谷歌獨享AI開源的紅利。

幾乎在TensorFlow開源的同一時期,微軟亞洲研究院開源機器學習工具包DMTK,通過Apache軟件基金會免費向外界程序員提供System ML AI工具的源代碼。

有些AI開源項目比TensorFlow更早出現。

比如,2015年1月,Facebook人工智能研究院(FAIR)就推出一組基于Torch機器學習框架的開源深度學習工具。同年4月,亞馬遜推出機器學習托管服務Amazon Machine Learning,允許任何開發者輕松使用歷史數據開發并部署預測模型。

不過這些項目尚不足為懼,在TensorFlow開源一年又兩個月后,它最大的宿敵終于現身。

2017年1月,Facebook推出機器學習框架PyTorch。近兩年來,PyTorch持續大舉收割AI學術開發者,并且今年在視覺、語言、通用機器學習等多個頂會的論文流行度碾壓TensorFlow,成為AI學術界新的王者。

許多研究人員表示,相比TensorFlow,PyTorch的集成方式、API都設計的更好,而且業界有傳聞說PyTorch的速度要比TensorFlow更快。甚至相傳谷歌內部許多人員也希望使用TensorFlow意外的框架,這意味著谷歌早早鋪路的AI生態建設并不如安卓那般一帆風順,相反危機四伏。

TF與PY之爭也成為AI領域熱議的話題。有趣的是,去年谷歌Facebook接連發布TensorFlow和PyTorch新版本。

前者有谷歌深度學習科學家、Keras作者Franois稱贊為來自未來的機器學習平臺,蘋果公司AI研究員Goku Mohandas說他們正從PyTorch轉向TensorFlow 2.0+Keras。后者則獲得圖靈獎得主、深度學習鼻祖之一Yann LeCun的轉發支持。

曾因開源問題引發爭議的微軟和亞馬遜,近幾年也走在AI開源的路上。

亞馬遜對出身學界的MXNet框架情有獨鐘。2016年11月宣布將其作為官方深度學習平臺,用于亞馬遜AWS,并于今年1月決定開源其機器學習服務平臺SageMaker Neo。微軟則在2017年開源了其內部深度學習框架CNTK的2.0版本,重命名為微軟認知工具包(Microsoft Cogntive Toolkit)。

面對擁有龐大獨立AI生態的谷歌,微軟、Facebook、亞馬遜等巨頭選擇聯合。2017年9月,他們發起深度學習開源聯盟ONNX,旨在提高各種AI工具間的通用性。阿里、騰訊、百度、華為、小米等國內科技公司以及英特爾、NVIDIA、高通、AMD、Arm、IBM、惠普等芯片及服務器巨頭紛紛加入其中。

去年智東西采訪微軟項目總經理Venky Veeraraghavan時,他曾表示微軟已和谷歌做了充分溝通,但當時谷歌決定暫時不會積極參與到ONNX的工作中。

而截至目前,谷歌仍未公開表現出加入這一陣營的意向。

大神云集,AI開源中的華人之光

MXNet、TensorFlow、PyTorch等世界一流的開源AI框架背后,都有著不容忽視的中國身影。

亞馬遜所青睞的MXNet由DMLC(Distributed/Deep Machine Learning Community)打造,其核心成員均為中國人。

MXNet源起三個不同的開源項目,一是在美國的陳天奇、在加拿大的許冰和在香港的王乃巖牽頭的CXXNet,二是上海張錚及其學生牽頭的Minerva,三是在新加坡的李沐牽頭的purine2。

陳天奇

▲陳天奇

在2014年NIPS上,同為上海交大校友的陳天奇和李沐經過交流,發現大家普遍在做重復性工作,于是決定合作開發MXNet。隨后,越來越多的開源貢獻者參與到MXNet的開發和維護工作中。在亞馬遜將MXNet定為官方框架前,圖森、地平線、Wolfram等公司都為MXNet貢獻了很多代碼。

清華大學畢業生賈揚清在加州大學伯克利分校攻讀計算機科學博士期間,創立了對移動端友好的開源深度學習框架Caffe,被微軟、雅虎、NVIDIA、Adobe等公司看好并采用。畢業后他到谷歌任科學家,同Jeff Dean等大神參與TensorFlow的開發,然后又在2016年跳槽去了Facebook,并主導了Caffe2移動端深度學習框架和ONNX項目的開發。

賈揚清

▲賈揚清

因為傳統PyTorch偏研究,Caffe2偏應用實踐,兩個框架之間存在很難跨越的鴻溝,一年半前,Facebook決定將這兩套框架合并成PyTorch 1.0,實現從研究開發到生產實踐的無縫對接。

如今,陳天奇已加入美國機器學習創企OctoML任CTO,明年秋季將加入卡內基·梅隆大學任助理教授。李沐現任亞馬遜AI主任科學家。賈揚清則于今年3月作別Facebook,加盟阿里巴巴任副總裁、阿里云智能計算平臺事業部總裁,并擔任阿里巴巴開源技術委員會負責人。

BAT入場,中國開源AI起步中

國外開源AI框架的廝殺正緊,國內AI企業在AI開源項目上的格局則相對更為分明。

BAT在Github上的AI開源項目不完全統計

▲BAT在Github上的AI開源項目不完全統計

目前唯一躋身Github全球最受歡迎AI框架排行榜,能與TensorFlow、PyTorch等相提并論的是百度飛槳。

百度飛槳源自于百度深度學習實驗室于2013年創建的內部工具“Paddle”,2016年9月正式宣布開源。這使得百度成為繼谷歌、Facebook、IBM后第四家將AI技術開源的公司,同時也是打造國內第一個且唯一中文開源深度學習平臺的公司。

飛槳根據本土化特點將開源框架與應用層面做了更好的結合,比許多現有深度學習框架更快、更好用。賈揚清曾評價它在簡潔、靈活、快速等領域功力不俗,且解決了Caffe早期存在的一些遺留問題。

今年8月,百度還對外發布了面向終端和邊緣設備的端側推理引擎Paddle Lite Beta版,不僅支持飛槳,還支持TensorFlow、PyTorch和ONNX模型格式。

很有意思的是,2016年7月9日,美國NASA在Github上公開了47年前登陸月球的Apollo 11源代碼。

恰好一年后,百度宣布開源其自動駕駛系統Apollo,其自動駕駛軟件可供任何人免費下載及修改使用。

目前飛槳在Github上的star數達1.02萬,fork數達2700,有264位貢獻者,提交超過2.5萬commits。而Apollo比飛槳還要受歡迎,star數達到1.53萬,fork數超5200。

騰訊也大約從2016年起不斷將內部開源出來的優質項目發布在Github上,如今它在Github全球公司貢獻榜上位居前十。

截至今年8月,騰訊已在Github上發布82個開源項目,其中包括7個方向的AI開源項目。

Angel是騰訊第一個AI開源項目,最新3.0版本升級為全棧機器學習平臺,擅長稀疏數據高維模型的訓練,可支持多類圖計算算法,覆蓋了機器學習全流程。它可以與TensorFlow、Caffe等業界主流深度學習框架很好地兼容。

Angel早在2016年年初就在騰訊內部上線,應用在微信支付、QQ、騰訊視頻、騰訊社交廣告、用戶畫像挖掘等業務中,2017年6月在Github上低調開源。

當前Angel平臺包含超過50萬行代碼量,其star數已經超過5400,fork數達1400,總計有40位貢獻者,提交2300多次commits。

除了Angel之外,騰訊還開源了面向手機端的跨平臺高性能神經網絡前向計算框架NCNN、首個醫療AI深度學習預訓練模型MedicalNet、AI圍棋程序Phoenix Go、包含800多萬中文詞匯的高質量中文詞向量NLP數據集、業內最大規模的多標簽圖像數據集ML-Images、全球首款自動化深度學習模型壓縮框架PocketFlow。

阿里巴巴在Github上主體賬號的總項目數是國內最多的,據賈揚清介紹,在AI和大數據領域,阿里已經貢獻超過100萬行的代碼,深度參與超過10個開源項目。

賈揚清在今年9月的阿里云棲大會上說,阿里的AI與開源、開放的生態是分不開的,會通過開源與云平臺的合作,推進開發者生態建設,在擁抱開源的同時貢獻開源。

單從近一年來看,阿里在AI領域先后開源面向高維稀疏數據場景的深度學習框架XDL、輕量級深度神經網絡推理引擎MNN、基于PAISoar的分布式神經網絡倉庫PAI-FastNN。

而隨著阿里云與Facebook宣布在AI開源項目上展開合作,雙方計劃開源、共享、合作開發框架、AI模型、文件等,將成果以 PyTorch 的形式共享到 GitHub,阿里云機器學習平臺將能支持PyTorch框架。這會進一步降低AI開發和應用門檻,同時推動PyTorch框架在產業界的普及。

另外,阿里也通過攜手Facebook,擬將PyTorch項目文獻、教程等資料更快、更準地翻譯成中文版本,讓國內開發者能第一時間學到最新PyTorch。

商湯和港中大看起來也是PyTorch擁護者,開源的最大目標跟蹤庫PySOT、物體檢測工具包MMDetection、時空圖卷積網絡(ST-GCN)骨架動作識別MMSkeleton均基于PyTorch。

就現在來看,國內自主研發開源深度學習框架的企業還屬于“稀缺物種”。

目前有苗頭成為新成員的是華為和曠視,華為預告將在明年第一季度開源其全場景AI計算框架MindSpore,曠視的深度學習框架Brain++也已經在計劃開源,此前曠視研究院的原創ShuffleNet Series算法已經開源在Github上。

產學研合力加速中國AI開源進程

除了開源AI項目之外,國內外公司也在積極參與AI開源社區建設。

比如,百度、騰訊、華為、中興、AT&T等國內外知名企業均加入了LF深度學習基金會,共同打造中立開源社區。

目前廣泛存在的專利許可費高昂、專業人才有限等問題,均可在AI開源社區的幫助下有效改善。另外,開源還會幫助數據科學家、工程更高效地做大規模系統性測試、性能調優、實際落地等工作,帶給他們更好的用戶體驗。

在扶持開發者和創企的同時,開源社區也從其模式中構建了龐大的反饋循環。開發者及團隊帶給社區建設者的反饋,是解決問題中的想法、改進平臺的建議、更多的數據、更成熟或更創新的模型和算法、甚至更多的用戶,這些反饋會反過來推動開源社區主導者對技術的理解和業務的優化,為后續的數據采集及技術分析鋪路。

根據最新發布的Github年度報告,我國在開放源代碼的使用量上遙遙領先,開發者fork和clone的項目比去年多了48%。

過去一年,亞洲開發者社區在2019年增長迅速,約36%的私人存儲庫創建自中國、印度、日本等亞洲開發者。

▲自2014年以來,Github上亞洲的貢獻者群體的年增長率已超過歐洲和北美的貢獻者群體

考慮到國內AI開源發展現狀距離國際最領先水平還有距離,政產學研的力量正更為緊密的集結在一起。

今年3月,新一代人工智能產業技術創新戰略聯盟(AITISA)組織下,新一代人工智能開源開放平臺OpenI啟智發布,目前啟智平臺開源的項目有七個,包括集成百度飛槳核心功能的啟智VisualDL、開源AI處理器項目OpenI海藻等。

鵬城實驗室、北京智源人工智能研究院、清華大學、北京大學、國防科技大學、北京航空航天大學、浙江大學、華為、百度、阿里、騰訊、網易、小米、平安、京東、字節跳動、科大訊飛、曠視、商湯、滴滴、中科類腦等單位均參與這一開源開放平臺。

此外,今年4月,國家人工智能標準化總體組發布《人工智能開源與標準化研究報告》,華為、騰訊、京東、浪潮、英特爾、IBM、商湯、云從、云天勵飛、華夏芯等公司均參與了編寫工作,對AI開源現狀及相關生態進行了描述和分析。

隨著AI開源項目的蓬勃發展,這種共享文化正激勵著更多不同行業的公司嘗試AI,創建符合其自身業務需求的平臺。

借助開源,他們無需在尚未構建且無法自定義的AI軟件上花費數百萬美元。他們本身擁有海量的行業數據,只需招攬少量的AI開發者,即可在開源AI平臺及模型的幫助下更高效、低成本的完成智能化任務。

根據Scopus的數據,從2007至2017年,中國發表的AI相關論文數量從5995增至15199篇。

許多企業在構建AI解決方案時,都會大量用到開源的算法。在開源的推動下,AI創業公司如雨后春筍般涌現。報告顯示,中國AI企業數量達到745家,僅次于排名第一的美國。其中,2018年發生融資事件的企業有577家,融資總額達3832.22億元,排名全球第一。

中國AI開源面臨的困境

盡管我國的AI事業看起來蒸蒸日上,但短板一直還存在。在基礎層建設、創企困局、安全漏洞、道德難題等方面,AI開源還有很多值得探討的空間。

而政產學研的力量正集結在一起,試圖建立一個更加穩健強大的中國AI生態系統。

人工智能產業生態圈全景圖

▲人工智能產業生態圈全景圖

應用層強,基礎層弱

根據科技部發布的《中國新一代人工智能發展報告2019》,中國是AI專利布局最多的國家,在技術層呈現中美雙寡頭競爭格局,在應用層中國專利領先。

但在AI基礎技術及工具的研發方面,我國仍然相對落后,AI基礎技術的核心力量都掌握在美國的手中。

AI開源項目一方面能推動AI技術更快落地到具體業務和應用中,但也可能致使更少的開發者愿意去從事難度大、成效未知的基礎性研發工作。而隨著我國高校AI教育體系的逐步完善,對研究項目方向的設置、對學生的引導將起到關鍵作用。

開源基礎設施環節薄弱

就目前來看,我國唯一在國際上拿得出手的AI框架只有百度飛槳。而飛槳的受歡迎程度尚不足以排進全球AI框架前十名。

即便是在國內的企業和高校中,TensorFlow、PyTorch等美國公司研發的開源框架更受開發者的青睞。而更令人擔憂的是,開發者最熱衷于上傳代碼的Github平臺同樣在美國公司手中。

誠然,絕大多數程序員都崇尚公平、開放的開源共享文化,但此前已經有各種例證顯示了政治和狹隘觀念可能造成的負面影響。

比如上周全球第二大開源代碼托管平臺GitLab公然發文,稱考慮“當前地緣環境”,拒收中、俄公民,并且禁止現員工前往這兩個國家。

如果美國執意要豎起“數字鐵幕”,那么我國建立完全獨立自主的開源基礎設施已成當務之急。

小公司做AI開源不占優勢

無論國內還是國外,AI開源更像是巨頭的專場。亞馬遜、谷歌、BAT等公司,除了本身技術實力過硬外,可直接豪擲千金買技術、團隊、人才,建設一套更為完整的開源體系。

但對于剛剛起步的小公司而言,資金、技術、人才等壓力往往使得他們在通往開源的路上更為束手束腳。比如美國公司Mycroft開源的語音平臺需要支持幾十種語言,它不得不與Mozilla以及更大的開源社區合作進行一些國際化工作,但這些需要耗費很多時間。

少數技術實力雄厚的初創企業搭建了自己的深度學習框架。但現實中,人們更容易傾向于信賴已經得到大眾認可的事物,即便創企能提供更高性價比的產品及服務,一些客戶出于安全等考量仍會更信任搶先培養了用戶習慣的軟件產品。

即便是國內大公司都要思考如何吸引更多開發者選擇自己的AI框架,小公司面臨的阻礙往往更多。

安全漏洞防范與標準規范

和信息技術相關的所有軟硬件一樣,開源AI框架也存在技術漏洞、人為缺陷等造成的安全風險。

開源社區通過不斷監控軟件代碼中的缺陷和漏洞,提供額外的安全性,這對像AI這樣的新興技術尤為有益,但仍不可避免會存在一些潛在的威脅。

去年,谷歌TensorFlow曾爆出重大安全漏洞,雖未造成實質影響,卻引發業界擔憂。當時有專家評估,類似的漏洞可能摧毀所有基于該平臺開發出的AI模型,而這些模型可能大量涉及安防、識別、城市交通、公共服務等事關社會民生的關鍵應用。

這也給我們敲響警鐘,在建設開源AI框架過程中,必須嚴格防范可能的安全漏洞問題,同時逐步構建完善的安全要求與測評評估標準工作。

數據隱私保護與技術濫用

AI開源項目被用地不得當,可能引發道德上的災難。關于數據隱私保護引發的爭議已經屢見不鮮,除此之外,近期技術濫用問題一度引起軒然大波。

就拿今年AI換臉開源項目DeepFake來說,已經有一些人利用這一技術去從事一些灰產,甚至對許多無辜群體造成人身攻擊和心理傷害。智東西曾對國內AI換臉產業做深入調查(AI換臉黑產:100元打包200部換臉情色片,5張照片就可定制視頻)。

被調查的10個賣家資料整理

▲被調查的10個賣家資料整理

今年AI技術與道德審查的法規制定也成為全球多個AI會議探討的核心話題之一。

另外由于AI開源項目降低了AI落地的門檻,一定程度上也導致市場上現有的AI產品良莠不齊。比如一些做智能門禁的企業直接借用開源平臺中的模型,沒有結合實際數據做進一步的優化,投入實際應用后,對人們的生命財產安全也會造成一定風險。

國內AI開源建設需要更多開發者支持

上層軟件走向開源開放是大勢所趨,封閉知識產權會逐漸融入到開源基礎架構之中。

AI于開源而言,或許與其他軟件別無二致。而開源于AI而言,卻是促進AI應用創新與更多行業智能化普及的重要驅動力。從當下AI在各國的戰略地位來看,開源AI框架有望成為像云API那樣成為主宰AI市場的核心引擎。

近年隨著AI算法的持續豐富,開源與科研、工程的結合也越來越緊密。開發者所關注的開源AI核心要素,也從更高的性能轉為如何能讓算法在應用中更快更好的落地。而更快速、更好用的AI框架,以及與各種硬件更加優化的協同,都有望為AI發展注入新的活力。

當前我國在AI應用層基本站穩腳跟,在數據資源、數理人才、市場環境等方面均有很大優勢,再加上戰略引領、政策支持助力,AI開源開放平臺、完整AI生態鏈的相關建設正在持續推動中。這或許會是一個長期的工作,不僅需要產學研各類機構的協同努力,也需要更多開發者的鼓勵與支持。


公式规律七尾