更多的開發者：開發者數量顯然是一切的前提，數量廣闊的開發者就像蒲公英的種子，會把深度學習開發框架以及相關的軟硬件服務帶到各個企業中去，幫助巨頭們的AI佈局在四處紮根生長。
更活躍的開發生態：建立在大量開發者數量之上，用案例和經驗對開發社區進行填充，鼓勵開源和共享，讓AI的開發變得更加簡單，從而進入更多行業和場景。
更高級別的開發項目：自身框架中誕生一款殺手級應用，可能是每個巨頭都會有的理想目標。高價值和高效用的應用AI很可能帶來大量簇擁者，一齊湧向該框架的生態之中。
總之，如何降低門檻以一切手段吸引開發者進入，成為了三大開發框架的共同目標。
最典型的例子就是TensorFlow與PyTorch之間的競爭。
在目前的開發框架中，TensorFlow憑藉著谷歌的技術優勢一直表現的較為強勢，在開發者越來越多時，其開發社區生態也在進行良性發展。
但佔據了優勢後，TensorFlow開始隨著谷歌一同收攏自身的開發生態。比如谷歌曾經推出過一系列賦能開發者的培訓計劃，向開發者提供課程教學。但結果是所有的教學全部都建立在TensorFlow之上，所提供的硬件API也只能接入TensorFlow，而TensorFlow的社區資源和開發工具更新，又部署在谷歌雲之上。並且TensorFlow在最近單方面和Caffe等開發平臺“友盡”，使得開發者們無法進行平臺之間的遷移。
而Facebook就抓住了這一點。將原來的開發工具Torch進行升級，聯手微軟打造神經網絡交換格式幫助開發者降低遷移成本。同時PyTorch設計了更方便的數據加載API接口，使開發過程中加載並行數據更加順暢，相比TensorFlow降低了不少API方面的學習成本。
在自定義擴展上，PyTorch也改變了TensorFlow依靠樣板代碼才能實現的情況，通過為CPU/GPU編寫接口這種更易行的方式添加自定義拓展，使得開發過程中的自由度大大提高。
綜合來看，在開發框架的競爭中，賽點在於更低的學習成本和遷移成本，以及更高的易用性和社區友好度。
在這幾個方面，西方戰場之外的PaddlePaddle也以靈活、易用著稱。在訓練部分的調用方式上集中了瀏覽器和客戶端等多種主流調用方式，並支持CPU、GPU、FPGA等多種硬件，從而極力降低開發成本。同時為了讓更多開發者和企業能夠將現有項目接入到中PaddlePaddle，PaddlePaddle做到了從基礎訓練到分佈架構徹底開源。百度爭奪開發者的決心可見一斑。
閱讀更多 電商熱觀察 的文章
