共计 2794 个字符，预计需要花费 7 分钟才能阅读完成。
翻译|沈佳丽、贾川
人们已经设想中的 AI 愿景很美妙，现状却不尽人意。AI 在主动驾驶、新药研发等日常利用上并未实现当初的预言，常见的吐槽是，寰球的科技巨头会集了一大批最聪慧的大脑，但更多还是专一于思考广告的精准投放、信用评分以及并不怎么智能的“智能”音箱上。
实践上说，只有有正确的算法和足够的计算资源，AI 能够解决所有任何可用数据表征的问题，而当初数据、算法和硬件资源曾经足够丰盛，AI 用于造福社会的所有条件都已具备。咱们看到了 AI 的广大利用以及初步成果，但实际上，技术利用并不深刻，远远没有施展出已有机器学习钻研的所有后劲。
为什么会导致这种场面？事实比世界上的科技巨头和媒体对于 AI 的钻研更新还要粗浅。编译器大牛 Chris Lattner 曾指出，AI 零碎和工具的单一化和碎片化正是造成这一问题的本源。
为了解决这一难题，2022 年 1 月，编译器大牛 Chris Lattner 发表下海守业，同 Tim Davis 独特成立了 Modular AI，指标是重建寰球 ML 基础设施，包含编译器、运行时，异构计算、边缘到数据中心并重，并专一于可用性，晋升开发人员的效率。目前，Modular AI 团队已参加构建过来自 TensorFlow、TF Lite、XLA、TPU、Android ML、Apple ML、MLIR 等世界上大部分的生产机器学习基础设施，并已将生产工作负载部署到数十亿用户和设施。
近日，Modular AI 发表实现 3 千万美元的种子轮融资，由 Google Venture 领投。在 Chris Lattner 等人公布的最新一篇官网博文中，收回了“灵魂三问”：AI 如此重要，为什么软件却如此不堪？为什么科技巨头没有解决 AI 难题？如何解决这一难题？ 当然，他们也给出了答复。OneFlow 社区对原文进行了编译整顿。
1
AI 如此重要，为何软件却如此不堪？
AI 软件最后是为构建 AI 技术的全栈钻研人员、工程师和架构师设计的，它从未被定义为一项产品，因而，AI 软件在底层设计上就有缺点 。
这种软件是由大型科技公司为解决他们本人的问题而构建的，而其它企业都在“滴漏式（trickle down）基础设施”上应用这些软件。于是便产生这样的景象：只有最大和最具商业影响力的 AI 利用才在实践中构建和部署，即便如此，也只有在企业的需要与大型科技公司的外部需要一致性很高的状况下能力实现。
这是为什么呢？ 因为当下的 AI 软件很繁多，钻研属性很重，次要用于满足科技巨头（这些软件的研发者）的倒退布局。 这些软件是钻研人员为了做钻研而发明的，而 AI 的疾速倒退使得钻研人员没有工夫停下来再从新构建。
相同，随着工夫的推移，咱们减少了越来越多的复杂度，以致该行业很难保护和扩大碎片化的定制工具链，这些工具链在钻研和生产、训练和部署、服务器和边缘端之间都存在差别。
人工智能零碎当初未然成为一片不兼容技术的汪洋大海，只有那些综合型科技巨头才有能力应用 AI 实现他们的指标。
2
为什么科技巨头没有解决 AI 难题？
AI 钻研和开发人员通力合作，使部署 AI 获得了胜利，科技巨头们利用其宏大的计算和财力来推动其产品和外围业务的优先级，包含他们本人的云、电话、社交网络和人工智能硬件。
尽管他们对该畛域做出了卓越的奉献，但从商业角度讲，它们不可能把 AI 推广到全世界（涵盖所有硬件、云和 ML 框架），而世界其它中央也不能指望它们这么做。不过，这个可怜的事实限度了世界上其余国家应用这项技术，没有能力来解决大型科技公司所关注畛域以外的问题，包含世界面临的一些最重大的社会经济和环境问题。但这不是咱们想要的将来。
尽管巨头为人工智能的倒退做出了巨大贡献，但要让人工智能充分发挥其后劲，还须要一家独立的公司，这家公司不必优先思考本人的硬件、云基础设施、手机的倒退或本人的钻研；同时咱们须要一家中立的公司，做最合乎寰球用户和企业利益的事。 咱们须要把从人工智能软件的快速增长中学到的常识融入到下一代技术中，以此来为所有组织面临的各类问题提供可用计划和通用规范。
明天，中小型科技公司面临的最紧迫的问题是，如何冲破能力、老本、工夫和人才的限度将 AI 投入生产。
出于机会成本的思考，他们的翻新技术难以推广到市场，产品体验欠佳，将最终给他们的倒退带来负面影响。对整个社会来说，这意味着咱们还需期待相当漫长的一段时间能力用 AI 来解决世界上的一些重大难题。
咱们没有工夫等科技巨头们推出涓滴式的 AI 软件。AI 能够扭转世界，但前提是碎片化问题必须失去解决，并且寰球 AI 开发者社区无需为高质量的基础设施所困扰 。
3
谁来解决这一难题？如何解决？
Modular 正在构建下一代 AI 开发者平台，它将更加实用、高速且灵便。
咱们的平台通过通用接口对立了风行的 AI 框架前端，并且强化了对各种硬件后端和云环境的接入和可移植性。咱们正在重建外围开发人员的工作流工具，使其更具表现力、可用性、可调试性、可靠性、可扩展性，实现优越性能。咱们的工具能够轻松部署到现有的工作流中，使用者无需重构或重写代码，便可无缝接续实现工作，并且以更低的老本实现生产力和性能的晋升。咱们将减速开掘 AI 价值，并且尽快将其推向市场，惠及宽广用户。
当 AI 可能更加轻微地渗透到各类利用中时，它的后劲也将失去充沛展示——届时，你将不用围绕 AI 来定义你的利用。咱们的平台由模块化、可组合的基础设施组件构建而成，反对从新搭配和扩大以实现各种用例。同时，即便在不理解整个零碎是如何运作的状况下，各领域专家们也能通过咱们的平台进行翻新。咱们曾经亲眼目睹了模块化办法如何解锁新用例，而这是咱们过来未曾想过的。
为了真正修复 AI 基础设施，咱们既要解决“硬技术”问题（如针对异构计算技术的编译器），也要建设可无缝连接的端到端开发者工作流。
4
从“AI 钻研时代”跨入“AI 生产时代”
咱们的胜利意味着寰球开发者们将取得真正可用、可移植和可扩大的 AI 软件。
在新世界里，不足充分估算或顶尖人才的开发者也能够像寰球科技巨头一样高效地发展工作；AI 硬件的效率和总领有老本 (Total Cost of Ownership，TCO）将失去优化；企业能够轻松插入定制的 ASIC 以满足其应用状况；部署到边缘就像部署到服务器一样容易；企业能够应用任何一款最合乎其需要的 AI 框架；AI 程序能够在硬件上无缝扩大，将最新 AI 研究部署到生产中几乎再轻松不过。
咱们将看到：AI 行业的倒退不再受限于科技巨头们按本身需要所决定的时间表；AI 行业的倒退将会更加疾速、更加集中；翻新在堆栈的各个层面蓬勃发展，开发人员专一于在本人的业余畛域将新的翻新推向市场，并为咱们所有人建设一个更加美妙的将来；行业飞速发展，率领咱们从“AI 钻研时代”跨入“AI 生产时代”。
（ 原文：https://www.modular.com/blog/…）
欢送下载体验 OneFlow v0.7.0 最新版本：https://github.com/Oneflow-In…
