TensorFlow产品经理：机器学习如何改变未来十年的软硬件？
TensorFlow产品经理：机器学习如何改变未来十年的软硬件？
王瀚宸 编译自 South Park Commons博客量子位 报道 | 公众号 QbitAI最近，Google Brain员工，TensorFlow产品经理Zak Stone在硅谷创业者社群South Park Commons上做了个讲座，谈到了TensorFlow、XLA、Cloud TPU、TFX、TensorFlow Lite等各种新工具、新潮流如何塑造着机器学习的未来。同时，他还暗示了一些还未向公众披露的exciting的事儿。讲座的题目叫“Tensor Flow, Cloud TPUs, and ML progress”，以下是整个讲座的概要，量子位编译整理自South Park Commons官方博客。作为一个平台来说，TensorFlow算是一场豪赌：它兼顾了快速，灵活，还可用于生产。实验和执行之间的转换要足够快，才能保证工程生产力，静态图像计算通过Python等高级灵活的语言来表示，同时图编译允许对特定目标进行准确度优化。作为一个开源项目，TensorFlow极为成功，它从2015年11月发布至今在Github上已经获得了超过20,000个commit。Github版的TensorFlow每周与Google内部镜像文件之间至少会进行一次双向同步，同时TensorFlow也收获了来自Intel，Microsoft，IBM，Rstudio，Minds.ai以及其他公司研发团队的大大小小的贡献。为了更好地触及用户，能够在移动端上提高运行TensorFlow模型效率的TensorFlow Lite将会在今年晚些时候内嵌到设备中，而像是XLA这样的项目更具野心：XLA使用深度学习来支持线性代数元的先时和实时编译，从而为任意的目标后端系统生成加速过的代码。XLA的目标是在递阶优化上实现重大突破，不仅是在GPU架构上，而是要在任意能够平行放置线性代数元的架构上实现突破。谷歌内部，在CEO Sundar Pichai要成为“AI-first”公司的号召下，TensorFlow被应用到非常多的项目当中。而加速研发基于机器学习软件的趋势不仅在Google身上发生，亚马逊，苹果，百度，Facebook，微软，Salesforce，Uber，Lyft等几乎所有的主流科技企业，都雇佣了专业的研发团队来推动机器学习的工业化。而在这些公司中，深度学习的开发平台也是五花八门，其中包括来自Facebook的PyTorch和Caffe2，来自Microsoft的CNTK，来自Apple的Core ML以及来自Amazon的MXNet等。未来十年，软件工程会变成什么样？机器学习的崛起，意味着原来的clean abstraction和模块化设计正在被高维浮点张量和高效矩阵乘法所取代。按这种趋势发展下去，软件工程行业将彻底改变。Google软件工程师D. Sculley曾写过一篇题为“Machine Learning: The High-Interest Credit Card of Technical Debt”的文章，他在其中列举出了机器学习系统促进低劣软件设计的种种可能，甚至会使这些低劣的设计成为必须。他提到，“这些系统的基本代码跟正常代码拥有相同的复杂度，但在系统层面上拥有更大的复杂度，从而可能引发潜在的风险。”阅读D. Sculley的文章：/pubs/pub43146.html机器学习系统通过将所有系统输入紧密耦合，模糊了模型边界和抽象：理想的行为不变性不是来自软件逻辑，而是来自于驱动它们的特定外部数据。尽管存在通过静态分析和图连接来辨别代码可靠性的工具，但总体上，这些工具并没有办法用来分析数据的相关性。D Sculley等人在文章中讨论了几种系统设计中的劣势，很能与相关从业者产生共鸣：1. Glue Code（粘滞的代码）系统设计样式，“在这其中需要写大量的支持代码负责把数据传入、传出各种用途的安装包”；2. Pipeline jungles（乱七八糟的流水线），它会随时间有机地演变，数据准备系统“可能会变成由scape，join和sampling步骤组成的一团乱麻，通常还伴随着中间文件的输出”；3. Configuration debt（庞大的编译代价），将会随着系统和生产线的研发而逐渐累积，集合了“各种编译选项，包括使用的特征有哪些，怎样筛选数据，特定学习算法的设置（范围很宽），潜在的预处理或者后处理，验证方法等等。”即使在更小、更轻量化的项目中，工程师还会被以下这些问题困扰：1. 在实验中模型架构和权重的版本——尤其是当模型从不同体系借来了部分与训练模型，或者从其他模型借来了权重的时候。2. 数据来源和特征的版本；3. 在实验环境和实际生产环境之间的迁移（domain shift）；4. 监测生产中推断的质量。解决这些问题的一个可能方案是TFX，它是一个Google内部研发的平台，用来在生产中分布和供应机器学习模型：创造和管理一个可用于可靠地生产和部署机器学习模型的平台，需要在很多部件之间进行细致编排——这些部件包括基于训练数据生成模型的学习器、用于分析和验证数据和模型的模块、以及最终在生产工程中用于部署模型的基础架构。当数据随着时间变化且模型在连续更新时，平台的管理就变得非常难。不幸的是，这些编排通常是在通过glue code和特定的脚本文件来有针对性的一一处理，导致了复制成本大、系统脆弱同时伴随着大量的技术隐患。TFX标准化了这些过程和部件，并把它们整合到单个平台上，从而简化了平台编译的过程，在确保平台可靠性、减少服务崩溃的基础上，将制作的时间从数月减少到了数周。未来十年，硬件会变成什么样？摩尔定律放缓，使得我们得以重新进入“架构的黄金年代”，见证各式各样芯片和指令集的飞速发展。诸如英特尔旗下的Nervana、英伟达、Cerebras和Google等公司全都开始研发能够加速机器学习中线性代数运算的下一代硬件架构。且在默认情况下，每种架构都需要独特的、像cuDNN那样的底层、手动优化基元库。（cuDNN全称是CUDA Deep Neural Network library，是NVIDIA专门针对深度神经网络设计的一套GPU计算加速库。）想打破这个趋势，需要同行们在XLA等更普适的编译器框架上下更多功夫。Google的TPU（Tensor Processing Units）目前最有可能打破GPU的统治。每个Cloud TPU能提供高达每秒180万亿次的浮点运算，64GB的超高带宽存储空间以及可串联的特性。跟之前超级计算机的架构不同，TPU是从零开始设计，专门针对机器学习中常见的线性代数运算。TPU是与TensorFlow集成的，Google提供收费云端服务（Cloud TPU），同时通过TensorFlow Research Cloud（TFRC）项目，对想要提前使用TPU的机器学习专家进行补贴，提供1000个Cloud TPU，希望他们能通过论文和开源软件来跟世界分享其研究成果。小结像TensorFlow这样的图计算和深度学习库是未来计算行业发展背后的主要驱动力，这推动我们去重新审视系统架构，从硬件到编译器再到更高级的程序语言和设计规范。于是，繁重的工作摆在了软件架构师，工程师、研究人员等从业者面前，但同时这过程也很令人兴奋。就像Zak在演讲中所总结的一样：我读研究生的时候，这些惊艳的应用大都还不可能实现——当人们对机器学习技术习以为常，然后开始做一些我们现在预见不到的事情，会是什么样呢？第一批TensorFlow原生的产品会是什么样？”
本文仅代表作者观点，不代表百度立场。系作者授权百家号发表，未经许可不得转载。
百家号 最近更新：
简介: 追踪AI技术和产品新动态
作者最新文章未来十年二十年：软件回归，和硬件一起创新
> 未来十年二十年：软件回归，和硬件一起创新
未来十年二十年：软件回归，和硬件一起创新
编者按：　　如今我们正站在一个新起点上，一场新的工业革命的起点。在这场革命中，互联网与传统产业将保持更快速的融合，人类的生活也将产生科幻般的变化。在这个新起点上，软件不会再是一枝独秀，它必须回归到与硬件设备一起创新的道路上来。
　　今年6月，好莱坞科幻电影《明日边缘》在全球上映，片中男一号汤姆&克鲁斯和队友身穿像铠甲一样的，阻止外星人入侵。那套智能化的&可穿戴&铠甲设计得很酷很强大，这让我们看到，只要掌握&人机交互&的操作，实现&人机合一&，人类就可以拥有超强的战斗力。看来，好莱坞除了造梦，还在引领人类智慧的未来。而且事实正是，更多贴近生活的，正出现在我们的现实生活中。本文引用地址：
　　在一个起点上遥望大趋势
　　众所周知，谷歌公司提供全球最大的搜索引擎业务，开发了大量基于互联网的产品与服务，然而近几年，谷歌的创新皆来自于设备，从机器人到智能眼镜，到无人驾驶汽车，谷歌的创新名目繁多，这些基于的创新项目让人眼花缭乱。
　　谷歌在上持续领跑创新和不断制造话题，除了苹果模式的成功珠玉在前的原因，还有包括芯片和自动化设备在内的硬件设计和制造的技术性革命，以及由此引发的硬件制造成本的回落。可以说谷歌从搜索起家，正在演变成为一个硬件帝国。
　　如今我们正站在一个新起点上，一场新的工业革命的起点。在这场革命中，互联网与传统产业将保持更快速的融合，人类的生活也将产生科幻般的变化。从各种可穿戴设备到智能辅助机器人，从智能交通、智能医疗、智能家居到无人飞行器，都是可以触摸的未来。在2013年之前，谁都没想到竟有如此多的智能化设备，与我们的工作、生活，也与我们的身体发生如此紧密的联系。
　　谷歌之外，亚马逊、Facebook、英特尔、三星、阿里巴巴、百度、腾讯等众多巨头纷纷踏上软硬结合的新发展模式。这些新设备、新技术、新的应用构成了IT技术发展和工业制造行业创新的前沿。硬件的回归、互联网与传统制造业的碰撞、硬件创新与创新的融合、生产和生活的智能化，可以说是新工业革命的一个特质。
　　很多学者都在讲新工业革命的到来，有人将它说成是信息技术将彻底改变人类生产能源、传输能源，乃至使用能源的方式。也有人将新工业革命描绘成基于大数据时代的数据分析，以获得深刻的商业洞察，从而帮助人类进行更加明智有效的决策。
　　不管怎样，关于新工业革命的想象确实带给我们很多的震撼，事实上这次工业革命已经开始，它根本上就是信息产业和传统工业产业的深度融合。&随着芯片价格的下降、众筹平台的兴起、3D打印等新兴技术的涌现，以及消费数码产品将迎来功能细分的模块化时代，硬件产品设计和生产的方式发生了翻天覆地的变化，一场全新的硬件革命已经来临。&金模网CEO罗百辉认为，新工业革命将是中国企业转型升级一次不可错失的机遇，硬件和的协同创新将直接推动云计算、大数据、物联网、3D打印、机器人等技术覆盖到所有传统行业。
　　首先，人类的工作与生活随时互联，随时需要获得多样化的云端服务;其次，消费级硬件创新开始延伸到传统制造业，&智慧工厂&模式将推动制造业酝酿更大的变革与转型升级机会;硬件创新也将带动新材料、电子、医疗、交通等行业的发展，以及制造模式、营销方式的变革。
　　当下的挑战和未来的方向
　　在这样的背景下，我们的市场机遇在哪里?我们旧有心智模式和既有行为习惯将面对怎样的挑战?我们该去哪里寻找正确的努力方向?
　　在市场空间大、难度低的领域将会集中第一拨企业争先恐后的进入。当前的市场环境下，普通的可穿戴产品和智慧城市等硬件结合式的产品正在这个区间。随着芯片技术的成熟，以及产品标准化的普及，这个广阔市场的技术门槛正在迅速降低。
　　国内创新型企业如东软熙康的智能手环和智能医疗终端，以及后台的数据分析，从一开始就进入了这个低门槛的红海。要走出这个困境，一定要能够在技术的深度研发和并购，以及独特的用户体验上做足功夫，否则，硬件和软件结合带来的市场热捧，只会是一厢情愿的期待。
　　第二拨企业的进入，将集中在市场空间小、难度低的领域，因为在市场上不乏具有核心竞争力的小企业愿意做一个小而美，又极具价值的产业链上的一个环节。
　　最近，著名众筹站点Kickstarter上架了一款名为Goccia的运动追踪器设备，它是目前市面上最小最简单的追踪器产品。未来，以Goccia为代表的有领先技术的企业，基于重力加速芯片的运动传感器技术，但是在产品的设计和功能上有独特设计的产品，会走出这个开始竞争激烈或者客户吸引力不足的领域，进入第二拨的差异化竞争。Goccia的产品将在7月4日在国内电商平台京东首发，独创的光传输功能和聚焦在运动和睡眠的设计，在这个细分市场预计会占有一席之地。
　　而空间大、技术难度高的领域，多半就会被一些巨头公司，像谷歌、亚马逊、英特尔，包括阿里巴巴、百度、腾讯等企业深耕细作。福特汽车公司和美国密歇根大学等机构，正在联合开发一款基于&车联网&概念的新产品&自动FusionHybrid&，安装了此产品的车辆可以根据路况保持方向、控制车速、自动泊车。此外新产品还配备了四个红外线感应探头和光量感应系统，该系统可以每秒对车辆周边路况展开250万次的扫描，并根据红外线的反射反馈，就能生成一张车辆周边环境的3D地图。
　　要真正解决哪些问题
　　对很多企业来说，在别人创造的商业模式下快速学习、快速模仿，然后优化，再进行下一步的创新曾经屡试不爽，而现在这条路越发难走。2013年国内企业的硬件创新、软硬件结合风生水起，但真正拿出手的成熟产品少之又少，硬件创新的瓶颈除了技术，还有哪些问题?
　　第一，软件企业或互联网公司的优势在于具有互联网思维，但是缺乏工业制造的细致功夫和供应链的基础，在这里，小米公司的雷军深得要义，所以初创型公司拉上几个真正懂硬件的人入伙是必须的。另外，除了向全球巨头各领域里的创新学习外，发现真正属于自己的价值缝隙是最为关键的企业创新战略的开始，而避开红海、找到细分市场来做差异化的产品也是企业存活下来的应有之义。
　　第二，在&万物皆可联&的时代，我们的企业需要的是一种新型的战略管理方式来与时俱进。这种管理方式思考的不是近期的利润、现金流或者收入的增长，而是长期回报的多少和成功的可能性。它关注的是企业进行风险性创新投入的关键里程碑，以及这些项目与市场协同中间产生的新的机遇和可能性。因为在市场互动中间往往会发生一些过去没有的机会。我们需要把这些新的机会纳入整个颠覆性战略管理体系。
　　今天的所谓互联网思维和互联网企业所采取的管理方式，一定是开放式的，团队参与式的，群策群力式的，因为这种方式可以最有效地激发员工的积极性、参与度和对企业转型的拥有感。因此，打造执行文化和创新文化，最好和最重要的方法就是让员工参与进来，建立群策群力的新型的企业文化。
　　第三，企业在与互联网高度同步的同时，真正的挑战还是来自于管理的基本层面。软件公司的产品开发必须受到硬件开发模式制约，比如要讲工程评测系统、排产计划和库存周转率。而硬件公司要学会快速迭代开发，并与软化开发高度协同。
　　全球化的趋势下，工业链的整合也更加深入和标准化，随着硬件和软件的高度融合，很多产品将以模组化配套出现，模组化产品设计的目的就是以少变应多变，以尽可能少的投入生产尽可能多的产品，以最为经济的方法满足各种要求。如果能迅速建立标准，并高效落实到市场行为中，企业将脱颖而出。
　　可以说，硬件创新比互联网创新要困难得多，其过程对企业管理提出挑战，之前大规模的生产和制造，是在原有套路下实现，软件的功能只是一种附加。而如果硬件和软件要完全整合在一起，将对生产的效率、精益化的程度提出非常高的要求，开发系统难度也大大增加，传统企业的技术、人才、管理范式都将面临前所未有的挑战。
　　如果不能真正解决，就无法实现第三次工业革命的第一步。因为这是一个结构性转变，我们面对的第三次工业化的浪潮将是一个更灵活、适应性更强、发展更迅速的工业化时代。
　　的愿景与能力
　　2009年，IBM在全球提出了全新战略理念&&&智慧的地球&，IBM宣称要给地球上每一个看似无序的&物件&全部嵌上智能的&大脑&和&心脏&，这并非好莱坞的科幻电影，而是IBM打算开启的另一个百年的重要使命。
　　&智慧的地球&这样一个新的愿景，非常具有前瞻性，遗憾的是，这一战略愿景，超出了IBM自身所具备的工业基础的能力，后来出现的挫折就是因为IBM在基础设施、医疗、能源等重要工业领域缺乏各种整合型的能力，无法深入到产业内部。
　　这里面最关键的问题是，仅仅靠软件和大数据支撑的发展是不够的，软件的发展遇到了一个瓶颈，软件必须回归到和硬件设备的协同创新上来。
　　硬件与软件设备的高度融合、并行将以整合的形态重新出发，而技术难度也提高了创新的难度，未来谁能赢，取决于供应链整合的能力和程度。因为软件人才的累积、开发系统的突破和创新能力的具备是传统产业能否进入到第三次工业革命的关键点，所以很多传统工业制造企业都开始了紧锣密鼓的布局。
　　&汽车工业是比较容易进入的领域，智能汽车集环境感知、规划决策、多等级辅助驾驶等功能于一体，己经成为汽车工业增长的新动力，多个发达国家都将其纳入各自重点发展项目，包括。&罗百辉认为，过去10年是消费互联网时代，未来10年将成为主流。而工业互联网时代的基础，就是要实现人、机器或设备、网络的互联互通。
　　现在，已经有越来越多的人注意到硬件、设备、机器与互联网融合的大趋势，美国作家克里斯&安德森在《创客：新工业革命》一书中就写道：创客们正通过比特世界开启原子革命。
　　伴随着新工业革命大门的开启，硬件和软件一体的创新将成为接下来10年或20年的一个时代主题。
分享给小伙伴们：
我来说两句……
最新技术贴
微信公众号二
微信公众号一网络工程和软件工程哪一个未来十年内就业前景比较好？_百度知道
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。
网络工程和软件工程哪一个未来十年内就业前景比较好？
是学软件工程的，对这两个专业的区别很模糊，希望各位前辈和知道的人能帮我解决这个困惑，我有一个同学是学网络工程的，感觉着两个专业有很多学的都很相似，甚至是一样的。多谢了
我有更好的答案
指挥机器的资源为程序服务：例如对各类硬件资源，数据程序资源的调用方法，网络程序实现等等：传感器网络，为什么这个语言系统就能使机器运行，得到预期的结果。并且印证操作系统和算法。再进一步说，最好学好离散数学所在工作领域不同，汇编语言，为什么这些语言是这样，IPv6,无线局域网等等，对硬件的要求也很高。软件工程在网络方面的应用，将来的事谁也不能说了算，虽然枯燥。网络工程重在网络的构成，传输的实现，网络安全。软件工程要求编程的能力强，对各类操作系统要了解深刻，有具体需要掌握的基础：例如陆由器算法。更新很快。再有就是对各类语言的理解：例如高级语言：网络软件。网络在软件的应用：为网络软件提供协议和物理支持。另外还有新出现的网络计算
采纳率：34%
很难说 现在学这个人很多 估计过几年会人员饱和的 我以前也是想学网络工程的 入门的一些东西都学完了 在报的时候发现学的人很多 由于考虑到最近几年抄的很热 所以担心毕业后会人员饱和 所以改学的机械加工 软件工程 不是很清楚 但是听学过的同学说 这个其实就是靠身体吃饭 别看赚的多 但是非常废身体 往往在工作十年左右身体就会吃不消了
为您推荐：
其他类似问题
您可能关注的内容
未来十年的相关知识
等待您来回答宜信CEO唐宁：十年内中国信用环境在硬件上赶上美国|唐宁|信用环境_凤凰财经
宜信CEO唐宁：十年内中国信用环境在硬件上赶上美国
用微信扫描二维码分享至好友和朋友圈
“大数据做营销可能能直接做决策，但是在信用决策、风险控制中，传统的信用和金融数据在今天和看得见的未来还是主要决策信息来源，大数据起着越来越重要的辅助作用。”
在LendIt&全球顶级P2P借贷峰会的现场，宜信CEO唐宁从主会场到中国馆一场接一场进行Keynote(主题演讲)和Panel(圆桌)。此外他还发表了自己对互联网行业的看法以及展望。 P2P是一个舶来品 &在他看来P2P是一个舶来品。&唐宁表示，&最早的时候，在2006年，宜信创了个&个人对个人&借贷的说法，好多人还跑来问我这个&P2P&是干什么的。& 十年里美国P2P市场以平均每年176.6%的速度呈现爆发式增长，但2014年的中国P2P网贷规模则已经达到2012.6亿，超过美国成为世界第一大P2P市场。 这场全球P2P峰会，Lending Club、Prosper、SoFi等美国P2P大公司考虑的主题基本关乎怎样运用技术降低互联网金融操作成本;而中国大公司包括宜信在内提到国内征信体系的完善和线上金融风控。唐宁认为这给了中国P2P公司更多的创新机会。 &除了国内征信体系本身的特点，科技也给咱们了一个&弯道超&的机会。&唐宁带领的宜信，以及起于十年前那批中国P2P网贷公司，各有各的玩法，但有一个相同点是，他们见到互联网改变一切的完整成长史，近年把传统金融和借贷部分转往线上尝试互联网+。 比如用大数据分析和云技术在金融行业上进行优化、自动审核的应用，以及更精确把握客户需求和市场动向，用数据分析代替人力风控&&这些都将在移动互联网的大浪潮之下统一评估标准、大大节省成本，降低P2P公司的运营风险。这些新机会的出现对于全球P2P来说是基本平等。 &大数据做可能能直接做决策，但是在信用决策、风险控制中，传统的信用和金融数据在今天和看得见的未来还是主要决策信息来源，大数据起着越来越重要的辅助作用。& 中国互联网金融市场还有别的一些特点，目前在纯金融、信用市场、金融体系、服务小微和三农方面的落会催生各种创新，基于人群的各类细分领域还有很多机会。O2O是在信用体系建立早期最适合中国互联网金融的打法。面对面的信息确认和后台大数据分析算法优化，这些都是需要的。 十年内中国信用环境在硬件上赶上美国 这是他的观点，对现阶段把借贷全部搬到网上看起来并不乐观。对于更远的未来，比如十年后，唐宁表示：&我希望吧，十年内中国的信用环境在硬件上赶上美国，软件方面需要大家共同努力。&金融由科技驱动，互联网金融完成普惠使命，更好的金融到中国来。&那时候，就没有互联网金融这个名词了，那就是一种应该有的方式。& 至于软件，也就是关乎思想啊意识、文化上的，他分享了两个小故事： 当年在美国留学，第一次参加考试时没老师监考也没人做小动作，这个对他冲击其实是非常大的;自己人生第一笔真正意义上P2P是十年前拿出自己的钱借给了100个参加职业培训的大学生，他从没说过一定要还款更没给过期限，最后都回款了。 未来这一切，理想状况是全都在互联网上进行。对了，唐宁还有个身份是天使投资人。除了在做的互金融领域，他还看好服务类O2O、健康、养老、大消费和教育领域。 这就能解释为什么他一点不在意按金融界的规矩穿着正装但拿着摔坏的小4S，和很多从华尔街走出而后投身科技的人一样，他骨子里他已经有了不错的互联网sense，本质上他是一个创业者和天使投资人。&不管公司到了哪个阶段，我有个观点是永远要当成创业公司来做。&
[责任编辑：yangxw]
用微信扫描二维码分享至好友和朋友圈
免责声明：本文仅代表作者个人观点，与凤凰网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
预期年化利率
凤凰点评：凤凰集团旗下公司，轻松理财。
凤凰点评：业绩长期领先，投资尖端行业。
凤凰点评：进可攻退可守，抗跌性能尤佳。
同系近一年收益
凤凰点评：震荡市场首选，防御性能极佳且收益喜人，老总私人追加百万。
凤凰财经官方微信
播放数：1444142
播放数：497053
播放数：1867908
播放数：5808920
48小时点击排行}