开源框架走红，飞桨开启AI开发新路径

小米、滴滴、哈啰……互联网造车势力的名单还在持续增加。

为何越来越多的互联网大户开始追造车的“风口”,不排除一些玩家借机推高估值的嫌疑,但互联网造车浪潮的出现离不开两个诱因:一是自动驾驶正在成为汽车行业的新赛点,二是“软件定义汽车”已经是行业的新共识。

对于自动驾驶的号召力似乎已无须赘述,被外界讨论最多的恰恰是“软件定义汽车”的话题,即汽车将从一个“硬件为主”的工业化产品,逐渐向自主学习、持续进化、以用户为中心的“软硬兼备”的智能化终端过渡。

声势浩大的互联网造车运动背后,软件定义硬件的理念开始有了新的注解。

01 不可逆的大趋势

“软件定义汽车”的流行,似乎并不让人意外。

每每谈及汽车行业的时候,听到最多的声音就是传统和落后,汽车产业的创新像是走进了死胡同:相较于日新月异的智能化革命,汽车产业还停留在“电子定义汽车”的阶段,屡屡被贴上封闭、保守的标签。直到电动汽车的规模化量产,板结的汽车产业才逐渐出现了新动能,开始了互联网化、智能化的转型。

这样的观点可能只说对了一半,电动智能不过是汽车产业求变的表象,底层逻辑仍然离不开软件定义硬件的产业变革。当一个产业的硬件技术水平逐渐接近物理极限,想要继续维持市场的增长,势必要从硬件主导的产品创新,转向由软件开发和迭代去推动硬件设计的更新和升级。

典型的例子就是手机行业。从诺基亚引领的功能机时代,进入到iOS和安卓支撑的智能机时代,个中变化几乎是颠覆性的:原本的手机产业可以说是纯粹的硬件生意,只有手机厂商能从中获取利润,智能手机时代则是软件和服务的商业化,相对应的市场规模出现了指数级的增长。

“软件定义汽车”其实是在复刻智能手机的行业规律,甚至说是汽车产业的不得已而为之。当用户和互联网的连接越来越紧密,倘若车内空间依旧延续现状,无疑将导致用户体验的严重割裂,迎合当下的用户习惯才是聪明人的正确选择。何况软件定义的汽车不仅将进一步延长汽车的生命周期,也悄然延长了汽车厂商的价值回报周期。

沿循这样的逻辑,汽车注定不会是“软件定义硬件”的最后一站。

就像在IoT领域,两年前流行的还是智能化的单品,当前主流的基调是智能生态和全屋智能,和用户的连接不再只是单一硬件的功能,要么通过数据和算法打造个性化的场景,要么匹配健康、教育等服务,无不在以软件定义的方式延伸价值链。

同样的还有工业领域,云计算、大数据、人工智能等新技术正在走进产业深处,形成了一套套软件化、可移植、可复用的行业解决方案。“先进制造”的内涵早已不是一味采购最新款的硬件设备,而是通过软件定义让硬件发挥出更大的效率和价值。

简单来说,“软件定义硬件”将是不可逆的趋势,所有的产品都将进入一种新的形态:一端是智能化的终端,一端是持续进化的云端。

02 开发模式的桎梏

软件定义硬件,其实并不是什么新鲜概念。

大约从十几年前开始,就陆续有行业大牛在高喊“软件定义硬件”的口号,但“软件定义”的思想并未出圈,在很长时间内都是计算机领域的术语,未能跨圈到传统的硬件体系。可以找到的原因有很多,首当其冲的就是开发模式的制约。

还是以汽车行业为例,即便是不影响驾驶体系的车载娱乐系统,也只是在近几年才开始联网化。许多人借此指责传统车企过于保守,硬生生错过了车载生态的蛋糕,却选择性忽略了汽车行业沿用多年的瀑布开发模型。

作为温斯顿·罗伊斯在1970年提出的软件开发模型,瀑布式的特色是严格遵循预先计划,即项目的需求分析、设计、编码、集成、测试、维护等步骤按顺序进行,如同瀑布一般逐级下落。瀑布开发模型曾在软件工程中占据重要地位,但严格的分级降低了开发的自由度,无法适应用户需求的迅速变化。

智能手机最终跑通“软件定义硬件”逻辑的秘密也在于此。有别于传统汽车企业相对封闭的开发模式,iOS和安卓都是平台模式的最佳代表,皆是利用开放的系统架构将软硬件解耦,让软硬件可以独立进化,结果就是硬件的标准化、软件的个性化,智能手机开启了繁荣的应用生态。

同时被消除的还有开发者的进入门槛。在诺基亚时代只有很少量的程序员有能力编写应用,因为开发者需要对很多硬件编写底层程序,对不同的硬件可能要重新做一遍,一次又一次重复造轮子,导致应用的数量比较少,开发者生态也就无从谈起。而苹果和谷歌无不为开发者提供了丰富的开发套件、完善的开发者社区和成熟的变现体系。正是对开发模式的重塑,促进了整个软件生态的繁荣。

“软件定义汽车”的理念落地绝非偶然,只需将目光盯向大众、上汽等传统车企,均开始改变固有的开发理念,先后推出了软硬件开发平台,试图通过“开发者平台”撕掉封闭、保守的标签。也就意味着,在软件定义汽车的外部大环境下,汽车的研发过程正在向敏捷开发的模式转变。

需要指出的是,外界对“软件”的定义也在发生改变,可能几年前还特指APP,目前已经包含了算力、数据、算法等含义。毕竟智能化已经是不可逆的趋势,软件定义硬件越来越偏向于软件为硬件赋能,留给开发者的挑战不单单是开发者套件、开发者平台,还有智慧化的开发能力。

03 开源框架的走红

当“智慧”成为一种稀缺资源,深度学习框架应运而生。

在深度学习的初始阶段,研究者们常常需要写大量的重复代码,为了提高工作的效率,一些研究者把代码写成了框架,放在网上让所有研究者一起使用。打一个比方的话,这就像是厨师在做菜,如果有大厨将每道菜的做法都编撰成详细的菜谱,即便是刚刚入行的学徒,也能够快速上手。

大约从2015年开始,一些互联网巨头也开始着手造框架,比如谷歌在2015年开源了TensorFlow、百度在2016年开源了PaddlePaddle(中文名飞桨)、Facebook在2017年推出了PyTorch……相比于早期的研究者,谷歌、百度等有着强大的应用场景和底层能力,深度学习框架也由此走红。

回到软件定义硬件的话题上,深度学习框架可以说是“软件定义”再次流行的隐形力量。

借用百度CTO王海峰的一个比喻:“深度学习框架起到承上启下的作用,下接芯片和大型计算机系统,上承各种业务模型与行业应用,是智能时代的操作系统。”

这个比喻不可谓不恰当,由于深度学习框架已经针对芯片、业务模型、应用场景等进行了适配优化,开发者甚至不需要考虑硬件上的差异化,可以直接将已有的算法模型拿来使用,进一步降低了软件开发的专业门槛。

以飞桨在2．0版本的升级为例,针对深度学习模型的开发、训练、部署等环节进行了细致入微的优化。比如将默认开发模式升级为动态图,开发者可以随时查看变量的输入、输出,让算法模型的调试变得更加容易,带来了更好的开发体验;推出了业内首个通用异构参数服务器技术,可以同时使用不同的硬件进行混合异构训练,并创新性的提出了4D混合并行策略,用以训练千亿级稠密参数模型．．．．．．

另一个维度来看,飞桨不仅以深度学习框架降低了开发者的门槛,也实现了灵活易用的平台服务,为一些零基础的“开发小白”打开了通往AI世界的大门。

零门槛的EasyDL开发平台给出了AI开发的新路径,通过轻松上手的一站式服务,让AI开发“像使用家电一样简单”,最快10分钟就能完成模型训练,目前已经是国内市场份额最高的机器学习平台;再比如提供免费算力的人工智能学习与实训社区AI Studio,集成免费AI课程、深度学习样例项目、各领域经典数据集、云端超强GPU算力及存储资源、不同等级的AI赛事,目前累计学习人次已经超过290万。

开源文化曾加速软件开发的繁荣,以至于全球99%的组织在IT系统中使用了大量的开源代码。当人工智能成为“软件”的新内涵,开源深度学习框架的走红,无疑为“软件定义硬件”吃了颗定心丸。

04 写在最后

“软件定义硬件”的征程势必还有很长的一段路要走,有着肉眼可见的桎梏,也看到了新的曙光。

我们甚至不应该将思路局限在“硬件”上,汽车或许是不少人认知中的硬件上限,可智慧社区、智慧交通、智慧城市等新物种正在源源不断地产生,软件定义的不仅仅硬件,还有我们的生活方式。

选择权其实留给了形形色色的开发者,在汽车都不可避免被颠覆的局面下,是时候制定软件定义的转型路径,以期在新的浪潮中掌握主动权。