當然，這種關注已經不再局限于人工智能所能代表的未來遠景，而聚焦當下的具體考量，比如圍繞人工智能落地能力的質疑就成為今年諸多創業公司所面臨的巨大挑戰，更進一步，盡管過去幾年諸多科技巨頭，如Google、FB，相繼開放了自己的深度學習框架，業內也有不少開源的訓練數據集，但人工智能開發者依然處在一個非常尷尬的階段，當企業老板們不斷督促開發者們加快研發速度的時候，這些開發者卻發現，他們成了一群看似風光卻有苦難言的人。

國外的月亮到底有多圓?

作為當下人工智能領域最具代表的女性科學家，李飛飛常常將「人工智能沒有國界」這句話掛在嘴邊，這句話當然沒錯，但如果考慮到李飛飛是在推廣Google深度學習開源框架Tonsorflow語境下去說這句話，或許我們還應該多一點疑問：難道國外的月亮真的那么圓?

我們不可否認Tensorflow、Cafe等國外開源框架給整個機器學習行業所帶來的意義，它不僅直接降低了機器學習的門檻，也給了全球人工智能從業者們幾乎平等接觸新技術的機會。

國外常見的深度學習框架

但人工智能遠不是技術那么簡單。與過往軟件開發相比，人工智能開發首先需要海量的數據支撐，這一點行業內的多個開源數據集或許可以解決問題。

其次，有了數據之后開始訓練模型，這需要強大但必須廉價的計算能力，以Google力推的Tensorflow為例，你當然可以在本地進行數據計算，但選擇價格高昂的英偉達GPU并非每個開發者都能承擔。那剩下的選擇就只能依靠云端，GoogleCloudPlateform的確擁有強大、靈活、低價的計算能力，但考慮GoogleCloud沒有在國內落地，當要部署產品時，時延始終是一個無解的問題。

再次，即便上述難題都可以解決，Google、FB這些等巨頭幾乎無法觸及到中國人工智能開發者生態體系，這意味著，除了技術紅利外，中國的人工智能開發者們根本得不到資金、接口、測試環境、解決方案等層面支持，尤其是中美兩國人工智能開發、創業的大環境有很大差異。因此，中國開發者們可以利用Tensorflow等國外優秀的開源的框架快速了解技術發展態勢，但要真正依靠這些框架實現人工智能開發的全流程甚至創業拿融資，幾乎是不可能的事情。

可以信任BAT嗎?

歷史上，在美國西部淘金熱中，縱然只有一部分人淘到金，更多淘金者死于人性的貪婪，但卻成就了一批為淘金者提供服務——如衣服、工具——的公司。

在中國人工智能這場淘金熱中，這些提供服務的公司也無處不在，比如BAT。

這些國內巨頭天然比Google、FB更懂中國市場，他們也能提供更多的資金、資源支撐，但擺在人工智能開發者以及人工智能創業公司面前的，卻有兩個不可回避的矛盾。

其一，與互聯網領域的創業類似，如何站隊以及站在哪一隊可能是一個比技術選項還要困難的選擇題。特別是騰訊、阿里所信奉的「買賽道」投資邏輯，同時投資某特定領域的兩家甚至多家公司，這從投資角度來看當然是一種最理性的選擇，但對創業公司而言，卻是一個巨大的不確定性。

而在國內，人工智能創業幾乎拜托不了BAT的陰影，你的人工智能電商產品要么會被阿里巴巴滅掉，要么歸于騰訊旗下;你的人工智能社交應用也需要在阿里和騰訊之間左右逢源才能擁有流量支撐。

其二，對于廣大中小人工智能開發者們而言，BAT看似提供了一系列資金、資源的賦能計劃，卻也是一種對于自身產品的營銷宣傳。比如當下基于云端機器學習的產品，BAT依托自己的公有云平臺都提供了非常誘人(就是低價)的入門選擇，但就像上文所言，人工智能開發的鏈條非常長，從模型訓練到部署需要不少計算資源，目前這些云平臺的計算資源費用依然高舉不下，最終也是轉嫁到開發者們身上。

正因為此，很多開發者們為了節約成本智能減少相關測試，并快速將產品投入市場，而由于產品功能沒有得到足夠測試，導致產品體驗無法真正得以保證。

人工智能開發者們到底需要什么?

站在開發者的角度去看人工智能，首先，能否提供一個更靈活的硬件環境，比如芯片的選擇，GoogleTPU固然是一個非常好的產品，但該產品只支持云端訓練，而英偉達GPU顯然也不是面向最普通的人工智能開發者群體。

其次，能否提供從模型訓練到模型部署的一體化框架。目前的開源框架更多圍繞的是模型訓練，而從訓練到部署，卻是兩個完全不同的問題。比如，由數據科學家和機器學習研究人員完成模型構建和訓練，而部署則由軟件工程師、機器學習工程師和數據工程師來完成，再比如，模型訓練通常由多人在多臺虛擬服務器上完成，而部署模型需要具備擴展的能力，能夠處理海量的API請求。

第三，可能也是最重要的一點，在國內，除了BAT之外，還有誰能提供面向人工智能開發者的服務?這不僅需要技術過硬，還需要擁有強大的品牌效應，從而快速形成人工智能生態。

一個可能的候選者：華為。

長期以來，華為作為一家IT硬件廠商，使得其積累了不少硬件研發經驗，從而具備了在人工智能芯片領域的研發能力。而如果考慮到這幾年智能手機上海思麒麟芯片的表現，或許我們也可以期待華為在云端人工智能芯片的布局。

另一方面，如上文所言，人工智能開發鏈條非常長，使得面向開發者的服務必須投入巨大的人力、財力和物力，從這個角度去看，BAT之外，也只有華為才能支撐起這樣的巨大投入。

事實上，上述猜測也可以從最近華為的一些對外表態中得以佐證。在本月初的一次公共活動上，華為公司輪值董事長胡厚崑強調，人工智能面向企業是華為下一步發展的重點。而再聯系到今年4月時任華為輪值董事長徐直軍對今年華為全聯接大會的表態，也可以進一步證實一件事：華為的確要在人工智能領域發力，時間可能就在10月份的全聯接大會上!

現在去搜索華為2018全聯接大會官網可以發現，AI、云儼然是大會的關鍵詞，同時在日程里也可以看到「華為將首發AI戰略，以全應變，敬請期待!」的表述，種種跡象都表明了華為在人工智能領域的布局，以這家公司的體量和行業號召力，的確有實力給人工智能開發者，尤其是中國人工智能開發者帶來驚喜。

在不久前舉行的[2018中國國際大數據產業博覽會]上，華為云BU總裁鄭葉來提出了{華為云普惠AI}的概念，提倡要讓AI高而不貴，讓所有企業用戶用得起、用得好、用得放心。而這大概也是華為發力全棧AI戰略的初衷吧。但到底如何解決困擾人工智能開發過程中的難題和痛點，我們只能拭目以待了。

寫在最后：開發者的黃金時代正在到來

表面看起來，歷次技術革命所帶來是工具革新，但背后的真正驅動力卻是人，或者準確地說，是掌握新工具的人，這個規律在人工智能時代也適用。

我們看到了Google、微軟在開源項目上的巨大投入，我們也目睹了BAT為爭奪開發者們關注的激烈角逐，但一場場以「開發者」名義的大會背后，卻并沒有給人工智能開發者們帶來可以真正解決問題的工具，他們依然缺乏資金、依然在不同工具之間切換、依然擔心巨頭們誘人項目背后的套路，這遠不是人工智能發展的理想狀態。

可喜的是，上述這些障礙和困境也正在被解決。上月的GoogleCloudNext大會上，Google發布了面向終端機器學習的芯片TPUEdge，意圖也是打通云到端的機器學習。以當下這個時間節點去看，2018年接下來的日子里，包括NIPS、IEEEICDM等重磅人工智能學術會議還將悉數登場，而華為10月份的全聯接大會，在一系列預熱之后，也勢必成為人工智能開發者、研究者們需要重點關注的會議，屬于人工智能開發者的黃金時代正在到來。