對于一般行業而言，比較通用的做法是先關注市場需求，然后以更有效的方式組織市場供給，以此來增強競爭力。無論做什么，市場需求是第一出發點。

這一做法，對于科技行業貌似有點不一樣。不是說科技行業的市場需求不重要，而是說科技尤其是軟件行業是我們所說的“賦能”工具，市場需求分散在各行各業，不太容易形成規模優勢。而供給端就不一樣，由于代碼低成本復制的特點，其在供給端是很容易形成規模優勢的。

這個規律，對于人工智能行業尤其適用。人工智能的應用需求目前還不明確，對于巨頭而言，與其苦苦探索需求場景，不如快速占據供給市場。壟斷了供給端，無論以后市場怎么發展，自己也有很大概率成為“摘桃子”的人。

人工智能的供給端都有哪些呢，關鍵環節是什么？人工智能的核心是算法模型，占據了算法模型市場，就占據了供給端的話語權。另一個角度，人工智能的生產人員，是一個個的算法工程師，如果有一個平臺，讓算法工程師產生依賴，那這個平臺就會有很大的生命力。

下圖是人工智能體系的架構：

人工智能的核心在于人工智能算法，而軟件框架的主要作用就是將AI算法進行封裝，為上層應用提供算法調用接口。我們耳熟能詳的TensorFlow，MXNet，Caffe/2+PyTorch，主要干的就是算法封裝的事。大部分模型的開發、部署，都要用到上面的這些軟件框架，需要通過他們調用各種模型，需要用到他們的各種工具組件，需要他們調用底層硬件計算資源。

對于一個市場而言，用戶習慣和生態是最難培養的， 但一旦養成了就會是最大的競爭力。AI開發框架平臺就是在培養人工智能從業人員的用戶習慣，培養應用生態。至于上層的應用場景探索，無論是計算機視覺領域、語音識別領域還是自動駕駛領域，甚至是深入到金融、零售、電商、制造這些行業里的應用，最終都會需要通過這些底層的深度學習開發框架，來調用各種算法，開發各類模型。既然這是一條無法繞開的道路，那就只能等著交過路費了。這就像手機行業的“高通稅”，高通壟斷了上游，即使不生產手機，也能攫取整個手機行業里很大一部分利潤。

而且，人工智能很大程度上可以看作一門以數據為基礎的生意。AI開發框架平臺，會成為各路數據的一個重要匯聚點，數據匯聚必然伴隨著價值匯聚。

這么好的一門生意，當然很多人都想做。但平臺的生意，往往門檻都很高。AI開發平臺，需要很強的技術實力和資本實力。要得到大家的認可，往往需要在平臺處理性能、計算資源調度能力、平臺易用性、安全性、生態豐富度這幾個方面表現突出才行。

經過這幾年的競爭，最終只有幾家在這場競賽中勝出了。在AI開發框架領域，TensorFlow 、 Caffe/Caffe2 占據了相對主導地位，此外主流訓練框架還有MXNet，PyTorch，Keras、PaddlePaddle等。

可以看到，目前主流的AI開發框架還是被國外的谷歌、臉書、亞馬遜、微軟所主導。雖然現在都倡導開源，但鑒于目前中美嚴峻的政治形勢，考慮到未來幾十年很可能更加嚴峻的中美政治形勢，保不齊以后人家也在源頭上斷了你的路。況且，人工智能是美國也很關注的戰略產業，不惜一切代價壓制中國人工智能行業發展，已經成為美國政治精英的共識，未來他們很可能會采取更加激進的行動。

所以，著力培養國產的AI開發框架，是在非常時期發揮關鍵作用的“備胎”。中國的互聯網巨頭以及人工智能獨角獸企業，現在已經在有意識地構建底層平臺，但差距還是肉眼可見的。如果要取得更大突破，需要在三個方面發力：底層AI理論和技術積累，企業更大的戰略決心和資源投入，國內企業的團結協作。