正所謂“得操作系統者得天下”，上可支配應用，下可控制硬件，更重要的是操作系統是信息和知識的核心控制點，這是個出世界級企業的機會。當年微軟正是依靠對PC操作系統的壟斷，成為了全球市值最高的科技企業，也正是失去對操作系統的控制而徹底喪失了在智能手機中的機會。

如今，蘋果和谷歌取而代之，在手機操作系統上占據著領先地位。調研公司Strategy Analytics去年11月份發布報告稱，去年第三季度蘋果公司攫取了全球智能手機利潤的91%，創下歷史新高。BMO Capital Markets則預計去年第三季度蘋果攫取了全球智能手機行業103.6%的利潤，而蘋果在智能手機市場的份額只有12%。為什么超越了100%?因為有大量廠商在虧損。

(圖片來源: Strategy Analytics)

過去的歷史表明，有了操作系統這把屠龍刀，就能像微軟、蘋果那樣汲取產業鏈條上的的大部分利潤，公司也能立于不敗之地，其它的都可能成為歷史的配角和過客。

那么在人工智能時代，新的“操作系統”會是什么呢?

要回答這個問題，先從計算角度來分析，從目前人工智能行業的發展情況來看，由于人工智能算法涉及大量的矩陣計算和并行數值計算，下一代計算已經顯示出從串行遷移到并行計算的趨勢。過去的計算以CPU為代表，主要為串行指令而優化;而未來的計算可能以GPU為代表， 為大規模的并行運算而優化。

軟件決定硬件的規律在歷史上反復出現，如果大規模的并行計算成為主流，那么支配這些計算的機器學習框架則可能發展成為一個計算的“操作系統”，一個好的機器學習框架背后是一套完整的開發者工具和一個龐大的開發者社區，上層直接和應用層或者其他中間層交互，下面則是與計算設備交互。

援引《紐約時報》的說法，“人工智能時代利害攸關的不在于這些零零碎碎的創新，而是可能控制的一種全新的計算平臺。”

以TensorFlow為代表的分布式機器學習框架就是一個很好的例子，Google很明顯在不斷地開源其深度學習算法，以推動TensorFlow成為工業界的事實標準。TensorFlow是核心，周邊的庫和框架比如TensorFlow Serving, TF-Slim等都是其生態系統的關鍵組件。向上對應用和算法，向下對硬件，都保持垂直整合的壓力和絕對的統治力，讓上下游的公司喪失戰略可差別性，并越來越多地依賴核心部件的提供者，成為附庸。

(TensorFlow是Google主推的分布式機器學習框架)

而機器學習框架背后則是一條產業鏈，但是當產業鏈中的某一環是壟斷時，它就會蠶食整條產業鏈的大部分利潤。

理論上一個壟斷的分布式機器學習框架可以左右硬件廠商的命運。往嚴重說，假設有一天TenslorFlow在業內獲得壟斷后決定漸漸放棄GPU支持，轉而或者傾向于支持TPU的優化，那么英偉達等GPU廠商會面臨巨大威脅。

而更可能發生的事情是，如果Google真的用TeensorFlow主導了分布式機器學習框架，那么Google肯定不希望硬件廠商一家獨大，而希望他們成為無差別的硬件提供商。以芯片制造商英偉達為例，他們到時候會面臨兩個選擇，要么選擇和Google深度合作為其打工，要么選擇放棄這個方向做其他的芯片。

同樣如果TensorFlow優先或者深度優化某些Google Cloud的機器學習云計算相關的API，Google在這個機器學習云領域也會取得巨大的優勢。事實上，Google內部版的TensorFlow就和Google Cloud深度綁定優化，其他廠商用的開源的TensorFlow在性能上處于劣勢。再到應用層，壟斷的TensorFlow也有權決定優化某些特性，從而讓Google在應用層面上獲得優勢。

再往嚴重點說，個人、公司甚至國家在人工智能領域的自主發展都可能被壟斷的機器學習框架所控制。

這個擔憂并不是危言聳聽，地平線機器人技術創始人&CEO、百度深度學習研究院( IDL )創始人、深度學習領域專家余凱也對硅谷密探表示了同樣的憂慮，“放任TensorFlow成為世界上占統治地位的人工智能開發平臺對世界是危險的。盡管這個平臺目前是開源的，但是隨著時間的推移，人工智能變得越來越強大，這個系統會變得極端復雜到失去透明性，而且會很可怕的變成全世界數據，計算，硬件，編譯器等的標準制定者。這樣會導致一個不健康的生態，阻礙年輕人掌握技術的自由，讓個人，公司甚至國家在人工智能領域的自主發展，最終被一家商業公司所控制。”

分布式機器學習框架領域可能誕生世界級企業

如果我們認同人工智能是未來的發展方向，相信人工智能將進入未來的日常生活，那么未來的設備會有具有從感知、交互、理解到決策的智能，這也必將伴隨誕生大量基于人工智能算法的芯片、系統和軟硬件平臺，這是一塊數千億美元的市場。

互聯網的上半場已經積累了大量的數據，接下來，互聯網行業將在人工智能領域展開競爭。而分布式機器學習框架是可能是人工智能產業鏈中的皇冠。擁有領先的分布式學習框架，將網羅一大批開發者，也將掌握分布式機器學習系統的標準，將影響計算，硬件，編譯器等的標準的制定。更重要的是圍繞分布式機器學習框架將有巨大的生態圈紅利，這是一個誕生世界級企業的機會。

一個可能的例子就是芯片行業，從內部結構上來看，CPU內控制單元等模塊的存在都是為了保證指令能夠一條接一條的有序執行。通用性結構對于傳統的編程計算模式非常適合，但無法滿足不需要太多的程序指令卻需要海量數據運算的深度學習的計算需求，所以人工智能芯片成為一個巨大市場，如果擁有領先的分布式學習框架，這將為給芯片企業帶來巨大的優勢。

另一個可能的例子則是云計算領域，隨著人工智能的發展，人工智能技術必然改造云平臺，未來的云平臺是智能云，如同網絡的大腦，IBM、谷歌、微軟、亞馬遜都推出了自己的基于云計算的機器學習服務。無論是網絡安全公司、金融企業、智能家居廠商還是傳統企業都在利用機器學習技術大幅改進和創新產品服務。而從這個角度，掌握分布式機器學習框架，擁有深度性能優化的優勢，再結合生態圈紅利，這甚至將決定云計算的下半場。

中國曾經錯失各種機會

在過去，我們的高校和公司由于種種原因錯失了PC操作系統，錯失了手機操作系統，也沒有搞出Hadoop和Spark這樣的系統，或者后來我們做出了自己的技術標準，但是也沒能夠將這個標準推出去。

在過去，我們可以有理由說是因為我們缺基礎研發實力，我們缺高端技術人才，我們缺生態圈，或者我們錯過了合適的時間。

如今國內技術發展迅猛，近年開始華人已經處于人工智能研究的領先地位，占據了人工智能科研世界的半壁江山。

(圖片來源：digitopoly.org)

國內圍繞人工智能行業的投資也如火如荼，BAT和華為等大公司也在人工智能領域廣泛布局，人工智能生態圈已經初見雛形。

我們去看Caffe、TensorFlow、MXNet、Torch、 Theano、Poseidon等深度學習框架，背后也有大量華人的身影，比如Caffe主要作者賈揚清，MXNet主要開發者李沐，Poseidon背后則是邢波(Eric Xing)。

推出中國主導的分布式機器學習框架，我們具備天時地利人和。

中國的智能產業不容樂觀

理論上而言，中國現在有能力主導一個世界級的分布式機器學習框架的開發和推廣，但是我們依舊要清楚的看到，目前并沒有中國的學術機構或者公司推出一個全世界范圍內有影響力的分布式機器學習框架并建立完整的生態圈。

推出一個框架或者標準其實不難，我們曾經做過的龍芯、WAPI和TD-SCDMA，都曾經掌握了一些技術標準，但是都無法建立完整的生態圈。

一方面，國內公司和科研機構需要有對這些核心技術平臺的持續投入的決心。對這種沒有短期效益，但是長期會成為一個公司核心競爭力的技術方向必須要有足夠的耐心。

另一方面也需要我們擺脫單打獨斗的思維模式，要走出去，與全球眾多的科研人員、開發者、硬件廠商、應用軟件廠商、集成商一起合作，形成良性的生態圈。

20世紀以來，汽車、化學制造、航空航天、新能源、通訊、物流、計算機軟硬件、互聯網、云計算這些產業都是歐美國家催生的，率先創造一個產業，自然居于這個產業的領先地位，我們也長期處于追趕狀態。隨著中國互聯網等行業的發展，至少在人工智能領域，我們已經沒有太多先例可以抄襲或者借鑒。

我們如今已經和其他國家站在了統一起跑線上，而我們能否搶占新一輪科技革命制高點，中國在智能時代能否崛起，這將關乎國家和民族的命運。

對于個體公司而言，或許選擇任何框架都差異不大，但是對整個國家和民族產業而言，這卻是涉及到巨大的產業利益分配。

在此我們呼吁國家人工智能戰略層面上應當看到分布式機器學習框架的重要性，通過各種手段來支持分布式機器學習框架的自主研發和推廣。

此外，由于開源軟件的發展，中國深受其惠，但長期以來缺乏對開源社區的回饋，過去在操作系統上我們沒有突破，而如今在人工智能領域，或許我們也可以對開源社區有所貢獻，主導或者重度參與世界級的分布式機器學習框架，讓中國創新走向世界。

也呼吁更多有識之士重視分布式機器學習框架，在人工智能產業鏈上下游的公司聯合起來，風險和投資機構也參與進來，主導屬于中國的分布式機器學習框架，摘取這顆王冠上的明珠。

特別鳴謝衛岸(現任Samsung美國AI研究實驗室技術戰略總監)和丁險峰(華為傳感器實驗室首席科學家)。本文由對他們以及其它硅谷深度學習從業人員訪談的整理和創作而成。

來源：環境監控 動力環境監控系統 http://m.scdprobes.com/solution/  本文采集于網絡，如有問題有聯系刪除