[人工智能]AI 很棒，落地很难，所以旷视今天开了一个新思路 |技术|深度学习|人生第一份工作|

我没想做谷歌。
围棋棋盘正中的黑点称为「天元」，也是旷视新发布的开源深度学习框架的名字。「天元」一方面致敬 AlphaGo 战胜李世石，另一方面也表明了其重要的战略意义。
深度学习开源框架提供可复用的基础函数和功能，是人工智能技术得以走向产业的关键因素，避免重复造轮子。 3 月，在疫情的刺激下，国家又提新基建，各地政策加速出台。在这场关于数字化基础建设的运动中，底层技术的建设是基础中的基础。旷视官方表示，这是其此次选择在这个时机发布开源框架的原因之一。
和天元一同发布的，是旷视 Brain++生产力平台，它包括天元框架，同时也包括云计算平台和数据管理平台。旷视称其为算法、算力、数据能力三位一体的架构，目的是为使用者提供一站式解决方案，更进一步地让深度学习更易使用。
当前世界范围内主流的开源框架大多由巨头掌握，且已经拥有较为成熟的生态基础。与巨头相比，旷视虽为国内计算机视觉行业的四小龙之一，但在可投入的精力和财力上还是会有一定差距。
作为国内唯一一家发布开源框架的纯人工智能公司，旷视将其核心能力对外输出，这一动作的背后或许有更为长远的考量。
一场与马太效应的赛跑 Google TensorFlow 是世界范围内第一款由巨头开源的主流框架，至今约有四年半的时间。其间多个框架层出不穷，比如贾扬清的 Caffe、被亚马逊选为官方深度学习框架的 MXNet、Facebook 的 PyTorch、微软 CNTK 等。
国内最为大家所熟知的深度学习框架该属百度的 PaddlePaddle ，另外阿里开源了 XDL ，华为开源了 MindSpore 。就在不久前，清华大学也开源了其深度学习框架 Jittor ，中文名计图。
放眼望去，市面上并不缺开源的深度学习框架可用，且四年半时间过去，使用者愈发集中到两个头部框架的开源生态中——TensorFlow 和 PyTorch ，它们分别占据了易部署和可调试的两端。在学术界，研究人员正在从 TensorFlow 转向 PyTorch ，然而在工业界， TensorFlow 的地位正越来越稳固。
在多款开源框架中，开发者向头部靠拢，呈现出非常明显的马太效应。这其中的原因在于，开源框架并非代码本身，而是由学术界、工业界以及芯片厂商共同构建的技术生态。
一款开源框架走向主流，需要经过三个阶段：学术界认可，研究人员使用该框架做实验；工业界认可，开发者们使用该框架构建产品；最后在学术界和工业界的共同推动下，芯片厂商认可，在其新品中提供对该框架的支持。
这三个阶段呈现一种滚雪球的现象，形成一种引力，最终带来框架领域的马太效应。并且框架作为 AI 产品的基础，除非使用团队有强烈的理由和意愿，否则不会轻易迁移。这也为头部框架带来了时间壁垒。
要让这个雪球滚起来，需要不小的投入，这也是为什么主流框架都由大公司或大组织运营的原因。框架开源是一码事，做成又是另一码事。社区需要人力维护，科研刷榜需要协调产业界和学术界的硬件资源。让框架更加普世通用，需要进行相应的研发调整。
产业AI落地不易旷视表示，发布开源框架并非为了和主流框架竞争，而是希望更多开发者和公司有能力加入 AI 的网络，让生态共同繁荣。
从 2016 年 AlphaGo 战胜李世石以来， AI 从一个新兴技术的代名词变为行业的代名词，现在演变成一种能力的代名词。换句话说， AI 已经从实验室走向 AI 公司，现在又走向产业。现如今，「AI 落地」代替「准确率」成为新热词。
广袤的传统行业正等待被数字化、智能化改革，那里是 AI 公司们的战场，旷视的技术就应用于此。然而，现在 AI 的产业落地处在一个非常尴尬的时间阶段，其中充斥着几类矛盾。