天元、MindSpore、計(jì)圖、OneFlow……一連串國產(chǎn)開源深度學(xué)習(xí)框架的相繼問世，讓中國的開源AI迎來了遲到的“暖春”。

8月15日的“2019中國電子學(xué)會科學(xué)技術(shù)獎”頒獎儀式上，百度自主研發(fā)的“飛槳產(chǎn)業(yè)級深度學(xué)習(xí)技術(shù)與平臺”，更是榮獲2019年度中國電子學(xué)會科學(xué)技術(shù)獎科技進(jìn)步一等獎。

國產(chǎn)開源深度學(xué)習(xí)框架開始得到行業(yè)的認(rèn)可。

早在2016年的時候，國內(nèi)的開源AI還只有百度飛槳一股力量，不少開發(fā)者被迫在Google的TensorFlow和Facebook的PyTorch之間做選擇。特別是在“斷供華為”的陰影下，深度學(xué)習(xí)框架是否會被“斷奶”，一度成為外界熱議的焦點(diǎn)。在過度依賴國外開源框架造成的不確定中，“框架自由”成了國內(nèi)不少開發(fā)者的夙愿。

2020年國產(chǎn)的深度學(xué)習(xí)框架逐漸填補(bǔ)了空白，可人工智能的“開源之戰(zhàn)”也愈演愈烈，早已上升為爭奪人工智能話語權(quán)的較量。中國需要的不僅是越來越多的參與者，還需要在世界舞臺上拼刀法的撒手锏。

01 開源的自由與國界

關(guān)于深度學(xué)習(xí)框架的價值，還要從算法開始說起。

在人工智能的三要素中，如果說數(shù)據(jù)是燃料、算力是發(fā)動機(jī)，算法就是催化劑，直接決定著發(fā)動機(jī)對燃料的利用率，也是深度學(xué)習(xí)研究中的基本功。在深度學(xué)習(xí)的初級階段，每位研究者都要花大量的時間寫算法。

深度學(xué)習(xí)框架的出現(xiàn)，大大降低了開發(fā)者入門的門檻，不再需要從零開始寫一套機(jī)器學(xué)習(xí)的算法，可以直接使用框架中已有的模型進(jìn)行組裝，或者在已有模型的基礎(chǔ)上訓(xùn)練自己的模型，讓算法的規(guī)模化生產(chǎn)成為可能。

打一個比方的話：優(yōu)秀的深度學(xué)習(xí)框架給開發(fā)者的價值，可以讓開發(fā)者在項(xiàng)目訓(xùn)練中告別手工時代，就像拖拉機(jī)之于農(nóng)民，原先需要一鋤頭接著一鋤頭平整土地，自動化的拖拉機(jī)可以讓一個人完成原來數(shù)十人的工作。

其實(shí)業(yè)界對深度學(xué)習(xí)框架的價值早已形成了共識，爭議在于“開源”二字。無論是Google的TensorFlow，還是Facebook的PyTorch，無不披著開源的外衣，在“開源自由”的互聯(lián)網(wǎng)世界里，中國是否有必要推崇所謂的“國產(chǎn)”？

長江商學(xué)院經(jīng)濟(jì)學(xué)教授、人工智能與制度研究中心主任許成鋼，曾經(jīng)分享過這樣一組數(shù)據(jù)：中國關(guān)注人工智能開源軟件包的人數(shù)在2017年秋就超過了美國，但93％的中國研究者使用的是TensorFlow等美國企業(yè)提供的開源框架。

某種程度上說，這是一組相當(dāng)恐怖的數(shù)據(jù)，芯片和開源框架分別代表了算力和算法，在芯片已經(jīng)被國外卡脖子的局面下，倘若繼續(xù)高度依賴國外的開源框架，算力和算法兩大基石都受制于人，等同于徹底把游戲規(guī)則的制定權(quán)交到了美國手中。一旦游戲規(guī)則掌握在別人手里，中國永遠(yuǎn)都是缺少話語權(quán)的弱者。

當(dāng)然，國內(nèi)仍然有不少理想主義者為開源唱贊歌，一群工程師、科學(xué)家、法學(xué)家為了開源自由對抗執(zhí)法部門的故事，時常出現(xiàn)在國內(nèi)的輿論場中。但現(xiàn)實(shí)終究拗不過強(qiáng)權(quán)，一向以開源社區(qū)自居的GitHub，屢屢傳出封禁伊朗、俄羅斯等國籍開發(fā)者的消息，開源背后的國界意識也是不爭的事實(shí)。

況且中國并不缺少過度信奉開源的教訓(xùn)，典型的例子就是華為。在美國政府的封殺下，谷歌雖然照舊向華為開源了AOSP項(xiàng)目，可配套的GMS服務(wù)卻把華為拒之門外，直接影響了華為手機(jī)在海外市場的銷量。

開源深度學(xué)習(xí)框架是否存在同樣的隱憂？可能在槍響之前，我們永遠(yuǎn)都不知道下一個陷阱在哪里。