TensorFlow与PyTorch同台相竞，AI框架之争谁主沉浮？
众所周知，经历了计算机科学过去几十年没有突破的瓶颈期之后，人工智能技术这些年由于算法和算力（并行计算）革命，迈入了一个高速发展的时期。不仅如此，在编程语言和开发者环境不断演化的今天，人工智能算法领域已悄然形成了两大阵营——TensorFlow与PyTorch互相角逐的格局。
随着竞争日趋激烈，先入为主的TensorFlow被后来者PyTorch迎头追上，前者逐渐显现颓势而棋输一着，业内有一鲜明比喻：“PyTorch吃掉了TensorFlow的午餐！”不久前有科技媒体证实，谷歌内部正押注一个新框架JAX来力求改变与PyTorch竞争不利的局面，而谷歌大脑和DeepMind也很大程度上放弃了TensorFlow转而使用JAX，这意味着AI框架之争进入了一个新的阶段。
● 人工智能框架TensorFlow和PyTorch的起源
在此之前，我们先了解一下框架的概念。“框架”源于计算机软件开发术语，由于上世纪编程语言模块化资源的匮乏，框架的概念少有流行，随着后来开发者环境的改善，生产力工具的极大丰富，框架的应用随之普及，概念也逐渐清晰。
框架作为编程语言伴生的集成化工具，在开发者环境中处于一种中间地位：语言->库->框架->引擎，越往后集成度越高，理论上开发者可以利用的效率也越高。知名的框架比如基于JAVAScript的前端工具React，一个熟练的开发者可以运用此类工具快速构建软件项目的原型基础，这也是常见的敏捷开发思想。
人工智能框架TensorFlow的初始版本源于2015年，由谷歌大脑团队开发并发布在Apache 2.0开源许可证下。TensorFlow是谷歌大脑的第二代机器学习工具，谷歌旗下部署的商业应用包括搜索、图片、地图、广告、翻译等等都与此有关。一个显著地例子是，近年来深度学习神经网络的发展，各国语言文字翻译（机翻）准确度的提高，TensorFlow在其中起到了重要作用。
PyTorch是由科技公司Meta人工智能团队开发的开源Python/ target=_blank class=infotextkey>Python机器学习工具，它的出现比TensorFlow晚了近一年，但它兼收并蓄地改进了当时主流的包括其他几个AI框架Caffe、Torch，由此开发的基于自动微分，且使用动态计算图的新一代AI框架。PyTorch起步之初就迎合了大量开发者的需求与习惯，逐渐成长为与TensorFlow并列最受欢迎的两大AI框架之一。
● 框架战争：PyTorch崛起和TensorFlow的衰退
原本先入为主的TensorFlow缘何被PyTorch后来居上？须知道，在人工智能机器学习深度学习神经网络领域，谷歌团队已经历了第一代专有机器学习系统DistBelief（TensorFlow的前身）的部署，所以当TensorFlow进入工业领域的时候，优势非常之大。但是后来的市场变化，PyTorch在开发者社区大受欢迎，以至于其在学术研究领域全面胜出，而TensorFlow的优势也正逐渐为之蚕食。
据开发者社区数据统计，TensorFlow和PyTorch框架的论文公开代码库两者数量差距从2021年3月的1:4扩大到2022年的1:6。如今各大顶会论文数量都是PyTorch对TensorFlow的绝对碾压，就连谷歌自家的论文也只有Torch和JAX，以及零星的TF1.0开源代码。全球范围看，经过几年发展PyTorch在学术圈的主导地位已基本站稳，一方面得益于PyTorch一开始主打的动态图机制，有益于实验室和研究中心快速迭代模型；另一方面得益于吸收了TF1.0和其他主流框架的优点、摒弃缺陷，尊重开发者意见并给予便利操作，赢得受众青睐。
TensorFlow的衰退源自许多科技巨头常有的弊病——追求自利的生态膨胀。一开始TensorFlow凭借先入为主获取市场稳操工业界的盘子，谷歌也凭借Android/ target=_blank class=infotextkey>安卓系统大量开发者和数据的支撑令TF1.0日臻成熟，大量企业项目落地。但作为科技巨头，谷歌过于执着自家生态的一系列操作致使TensorFlow日后变成了一个不那么适合开源的项目。TF1最大的缺点在于混乱的API设计和难以调试的静态图，许多原本可以顺手解决的问题谷歌团队视而不见，以至于开源的TensorFlow出现了大量交叉版本，厂商开始各自为政。
后来的TF2也不那么成功，反而破坏了TF1的生态，TF2不兼容TF1，TF1继续适配新设备，TF2想办法兼容TF1。恶性循环，开发者大量流失到更为开放、更容易听取意见的PyTorch阵营。而推出JAX实属谷歌的自救，它的做法也就是尽可能不全盘否定TensorFlow的基础上向PyTorch贴近。
最后
框架之争的结果是势均力敌，趋势互为接近，倘若一方因管理团队决策失误导致开发者大量流失，那么另一方将占据垄断地位。目前来看TensorFlow的工业基本盘暂时不会丢失，但随着建立在PyTorch之上的特斯拉自动驾驶、优步Pyro等项目落地，TensorFlow的优势领域也正面临日益增长的压力。
AI框架之争是21世纪的新鲜事，这也是技术文明发展进程中的必经之路。随着人工智能产研基数的不断扩大，该领域技术演化与形态碰撞将持续催生优胜劣汰、与时俱进的生产力工具。
文/陈徐毅 高级工程师，科技专栏作者，中国计算机学会会员。
