卡內(nèi)基梅隆計(jì)算機(jī)科學(xué)院院長安德魯·摩爾（Andrew Moore）曾提到過這樣一組數(shù)據(jù)：現(xiàn)在，在提交給大型人工智能會(huì)議的論文，50％都來自中國，而在十年前，這個(gè)數(shù)據(jù)是5％。其實(shí)除學(xué)術(shù)研究，在過去一年，中國的AI初創(chuàng)公司在全球人工智能領(lǐng)域的融資占比也從2016年的11％迅速增長為現(xiàn)在的48％。

當(dāng)下，無論是技術(shù)的積累，還是資本的投入，國內(nèi)AI產(chǎn)業(yè)發(fā)展都達(dá)到了一個(gè)新的量級(jí)，整個(gè)行業(yè)呈現(xiàn)出一種爆發(fā)式的增長態(tài)勢(shì)。然而隨著商用的推動(dòng)以及眾多AI企業(yè)對(duì)應(yīng)用場景的不斷深入，技術(shù)與應(yīng)用之間無法避免的“嫌隙”愈發(fā)被放大�，F(xiàn)實(shí)場景給出的反饋明確告訴我們，現(xiàn)在的AI技術(shù)短板十分明顯。

在剛剛過去的2018AIIA人工智能開發(fā)者大會(huì)上，微軟中國首席技術(shù)官韋青就直言，當(dāng)下人們對(duì)于AI的態(tài)度過于樂觀，整個(gè)社會(huì)的產(chǎn)業(yè)只有進(jìn)入智能再造過程，人工智能才算做到真正的賦能，而這還需要技術(shù)進(jìn)一步的發(fā)展。

寄希望于AI為整個(gè)世界賦能之前，我們更應(yīng)該思考的是，如何為AI賦能？

想要AI全面賦能，為什么要強(qiáng)調(diào)開源？

所謂開源，它本質(zhì)上是一種人才、智慧的聚合，是產(chǎn)業(yè)升級(jí)的強(qiáng)大助推器。不可否認(rèn)，無論是上世紀(jì)九十年代的Linux開源社區(qū)，還是當(dāng)下的TensorFlow，它們?cè)谕苿?dòng)各自行業(yè)發(fā)展的過程中舉足輕重�？梢院敛豢鋸埖恼f，如果沒有開源社區(qū)，蘋果、谷歌、Facebook都不會(huì)發(fā)展為現(xiàn)在的體量；如果沒有Linux，現(xiàn)在的互聯(lián)網(wǎng)格局也不會(huì)有今天的盛況。

而在“AI賦能”概念被廣為人知的這一年，AI企業(yè)卻無可避免得要讓市場失望。一邊是AI企業(yè)“大肆炫技”，一邊是民眾吐槽產(chǎn)品并非剛需，業(yè)內(nèi)最戲謔的現(xiàn)象莫過于此。事實(shí)上，在市場中跌打滾爬后，人工智能的技術(shù)瓶頸話題也已經(jīng)不止一次被提起。種種跡象表明，AI技術(shù)全面賦能現(xiàn)實(shí)場景時(shí)機(jī)尚未成熟，技術(shù)研發(fā)還需探索。

以現(xiàn)在火熱的自動(dòng)駕駛為例，在開發(fā)者大會(huì)上中國工程院院士鄭南寧就從技術(shù)的角度解讀了這一領(lǐng)域現(xiàn)存的問題。他認(rèn)為“當(dāng)投入路測后，在復(fù)雜的場景和多樣的交互條件下，原本考慮各種狀況而設(shè)計(jì)出的系統(tǒng)根本無法應(yīng)對(duì)。經(jīng)過推理分析，我們把問題總結(jié)歸納為不確定性、約定條件和先驗(yàn)知識(shí)的局限性，追本溯源，這主要來自神經(jīng)網(wǎng)絡(luò)和符號(hào)化的模型搭建固有的弊端�！�

換言之，鄭南寧院士直指的其實(shí)是現(xiàn)有的神經(jīng)網(wǎng)絡(luò)技術(shù)問題，即當(dāng)下AI技術(shù)固有的弊端阻礙了自動(dòng)駕駛等領(lǐng)域進(jìn)一步的發(fā)展和應(yīng)用。

圖 ｜中國工程院院士鄭南寧

紫光執(zhí)行副總裁楚慶在大會(huì)演講上也毫不留情面的揭開AI技術(shù)繁榮的面紗：“目前人工智能能力盡數(shù)彰顯，即當(dāng)下技術(shù)的價(jià)值已經(jīng)完全顯露，想要為產(chǎn)業(yè)帶來新的增長力，我們恐怕只能回本溯源，求助于自然科學(xué)�！�

顯然，當(dāng)前的AI技術(shù)能力不足以支撐進(jìn)一步的場景研發(fā)，回歸技術(shù)、回歸開發(fā)者已經(jīng)成為共同的認(rèn)知。而當(dāng)這一問題在整個(gè)行業(yè)發(fā)展中凸顯時(shí)，開源這一解決辦法帶來的集思廣益必然是優(yōu)于閉門造車的。

小米首席架構(gòu)師崔寶秋在演講中就以小米的產(chǎn)品佐證了開源的重要性。“通過開源可以驗(yàn)證模型的質(zhì)量，AI巨頭也可以通過開源快速占領(lǐng)市場，處于領(lǐng)先地位。如小米的Cloud－ML平臺(tái)就是一款基于TensorFlow等開源網(wǎng)站搭建的架構(gòu)產(chǎn)品�！�

如何更好協(xié)作和推進(jìn)開源，推進(jìn)國內(nèi)AI的未來？

開源的好處諸多。顯而易見，同行的智慧可以啟發(fā)開發(fā)者，讓后輩的代碼寫作高度一開始就可以站在前人的肩膀上。對(duì)于公司而言，開源也可以幫助企業(yè)擴(kuò)大在特定領(lǐng)域的優(yōu)勢(shì)，形成差異化競爭。同時(shí)，外部工作者的參與，對(duì)提高產(chǎn)品的用戶體驗(yàn)也起到積極的推動(dòng)作用。

不過，在開源這件事上，基于利益和知識(shí)產(chǎn)權(quán)考慮，AI公司不可避免的需要格外謹(jǐn)慎。崔寶秋指出，“雖然開源對(duì)整個(gè)行業(yè)有諸多裨益，但是對(duì)于公司而言，在展開開源項(xiàng)目時(shí)，要平衡好開源、業(yè)務(wù)和兩方投入比重的問題�！�

事實(shí)上，在開源方面的投入，小米一直是不遺余力，也是國內(nèi)成功推進(jìn)開源工作的典范之一，如它推出的專用于移動(dòng)端異構(gòu)計(jì)算平臺(tái)優(yōu)化的神經(jīng)網(wǎng)絡(luò)計(jì)算框架MACE、適用分布式KV存儲(chǔ)系統(tǒng)的算法架構(gòu)Pegasus等，都給開發(fā)者一定啟發(fā)，被他們廣泛使用。

圖 ｜ 小米首席架構(gòu)師崔寶秋

而看見了當(dāng)下AI能力的局限以及因其催生的需求后，為了助力產(chǎn)業(yè)發(fā)展，填補(bǔ)開發(fā)平臺(tái)的空缺和需求，華為也是將重心放在賦能AI上。某種層面上，也是在服務(wù)開發(fā)者。

對(duì)公司剛剛發(fā)布的全棧架構(gòu)，華為基礎(chǔ)云服務(wù)開源生態(tài)總經(jīng)理蔣曉黎做了解釋�！拔覀兺ㄟ^研究觀察發(fā)現(xiàn)，不同于傳統(tǒng)算法開發(fā)，現(xiàn)在AI開發(fā)者們遇見了許多新的問題，如難以找到適度的數(shù)據(jù)集和適度的模型訓(xùn)練，邊緣計(jì)算、端的復(fù)雜性帶來的邏輯推理和開發(fā)速度大幅降低，以及繁雜的數(shù)據(jù)標(biāo)注等工作等。華為推出的全棧架構(gòu)在做的就是讓AI開發(fā)者的開發(fā)工作更簡單，普惠AI�！�

值得一提，華為方面雖未明確此架構(gòu)是否開源，但在全聯(lián)接發(fā)布現(xiàn)場，徐直軍強(qiáng)調(diào)這是一款開發(fā)者朋友“用得起，用得好，用的放心”的架構(gòu)�？梢姡�華為一開始就沒有將過多業(yè)務(wù)壓力放在此架構(gòu)產(chǎn)品上，也算是無限接近開源了。

圖 ｜華為基礎(chǔ)云服務(wù)開源生態(tài)總經(jīng)理蔣曉黎

雖然如此，國內(nèi)開源工作也還是處于非常不成熟的階段。

反觀開源發(fā)展史，從1983年的開源操作系統(tǒng)GNU到2017年由英偉達(dá)和Facebook共同推出的開源深度學(xué)習(xí)框架Caffe，國際科技巨頭在開源工作上一直處于領(lǐng)先地位，作為后來的新人，國內(nèi)的開源推進(jìn)任務(wù)著實(shí)艱巨。

對(duì)此，作為一位資深的開源愛好者和國內(nèi)開源工作推進(jìn)的重要參與者，崔寶秋給出了自己的方向性建議�！暗谝徊�，我們要讓國內(nèi)的開源資源能夠走向模塊化和標(biāo)準(zhǔn)化道路，同時(shí)，在人工智能時(shí)代這一獨(dú)特的大背景下，推進(jìn)數(shù)據(jù)的開源也成為一件必須的事情�！�

最后

事實(shí)上，開源算法社區(qū)是互聯(lián)網(wǎng)時(shí)代背景下孕育出的一種特殊的技術(shù)孵化器，它需要需要開發(fā)者和企業(yè)協(xié)作助力。當(dāng)然，為AI全面賦能，不僅僅是發(fā)展算法架構(gòu)，在硬件層面，AI加速硬件設(shè)計(jì)、測試過程也是十分必要。

和Arm有著異曲同工之妙，新思科技一直在做的就是為芯片設(shè)計(jì)者提供更好的EDA工具。在大會(huì)上，該公司人工智能智能實(shí)驗(yàn)室主任廖仁億在演講中就指出：“在當(dāng)下的高度發(fā)展時(shí)代背景下，硬件設(shè)計(jì)過程耗時(shí)長無疑成為了急需改進(jìn)的“短板”。因此，新思科技現(xiàn)在亟需要做的就是收集硬件設(shè)計(jì)過程中的各方面數(shù)據(jù)，開發(fā)出更好用、更高效的人工智能EDA工具�！�

為AI賦能需要更高效的硬件開發(fā)工具和算法架構(gòu)，而這要求行業(yè)內(nèi)各個(gè)層面人士合力推進(jìn)，國內(nèi)稍顯落后的開源工作無疑也需要提上日程。