人类“高光时刻”，无不从“消除混乱”开始，现在到AI了。想象你是花木兰，你现在要替父从军。你东市买骏马，西市买鞍鞯，南市买辔头，北市买长鞭。然而，还没等到你买完，deadline已经到了，你的父亲已经被官兵拖走了。上面这一幕这便是目前众多AI开发者所面临的困境：与AI展现的美好前景相比，开发、部署、训练一个AI实在太麻烦了。
现在，想象你是替父编程的花木兰，需要转投AI开发。你会发现，你所面临的是一个令人头晕目眩的，不亚于电脑小白走进电脑城的，一副无比庞大而又混乱的局面。开发AI的第一步，是选择合适的开发框架。所谓框架（Framework），是指整个或部分系统的可重用设计。好比别人搭好了舞台，而我们只用关注节目本身。有无框架，做起事情来完全是两个概念。
在编程领域，有一句广为流传的名言：“不要重复发明轮子（Reinventing the wheel）”。这句话的意思是，如果某个领域已经有成熟的解决方案了，那么除非特殊情况（知识产权、KPI、学习研究等等），我们不妨在别人已经搭好的框架上创作内容。众所周知，编程领域是一个节奏极快，竞争极其激烈的领域。当你在重新发明轮子的时候，别人可能已经用现有的轮子造出跑车了。
对于AI开发而言，现在也有了一系列开发框架可供选择，它们来自学者、巨头厂商和开源社区。比方说最著名的几种：Google的TensorFlow、微软的CNTK、加州大学伯克利分校研发的Caffe，Facebook的PyTorch和Caffe2、Skymind公司维护的Deeplearning4j等等。有成熟的框架是一件造福大众的好事儿，但问题来了：众多框架纷繁复杂，你该如何选择？
这些框架支持的语言不同，它们的速度也不同，可拓展性和易用性也不同。目前，关于各种框架的对比在维基百科上居然有了专属的页面，与之相关的文章更是可以搜出一大筐。如此琳琅满目的轮子，你选哪一家？经过了艰难困苦的框架选择，现在我们需要选择合适的部署环境。你的AI是运行在CPU上还是GPU上？甚至，对于某些工业应用而言，CPU和GPU也未必能够满足需求。
要知道，Google可是为“阿尔法狗”专门研发了自己的TPU（张量处理器）芯片。此外，对于个体开发者而言，还要靠考虑一下价格问题，毕竟由于数字货币挖矿产业的带动，显卡可是涨了不少。
同时，你还要考虑你的AI是部署在本地还是部署在远程服务器上，“单机版”还是“联机版”；是在移动端还是PC端，PC端也分windows和Linux，移动端包括iOS，Android，树莓派（Raspberry Pi）等等。这种种选择，可以说又会劝退一个选择困难症患者了。选好了合适的开发框架，完成了环境部署，还剩下最重要的一环就是AI的训练。
无论是微软的小冰，还是苹果的Siri，程序员往往喜欢给AI起一个名字。这种明显的拟人化特征并不完全是一种商业需要，还由于AI的开发过程和训练一个人类的过程极其相似。你需要提供合适的场地（计算平台）、充足的食物（数据），在亿万次的试错、修正之后，才会有真正有价值的AI。
而这个过程中，最显著的特征便是：“计算密集型”。这种密集包括数据和算力两个层面。首先是数据。
AI需要庞大的数据作为支撑，特别是自然语言处理、图像识别等领域，一个拥有充足数据量的资料库是AI训练的基础。然而这样的数据库可能未必有现成的，即使有，也需要根据自己的需求对数据进行整理，俗称“数据清洗”。例如微软的小冰，其研发团队大概花了三个月左右时间来补充小冰的整个语料库——差不多几亿条。
早在十几年前，Google为了提升自己的验证码识别技术，就从全球各地截取了无数的街道路牌和门牌号码，用于建立自己的训练库。而DeepMind在训练初代“AlphaGo”的时候，也用了几千盘人类棋手的对局棋谱。数据好比AI的食物，在某种层面上，“You are what you eat”这句话对AI来说同样成立。
其次要考虑算力。算法决定了AI的上限，但算力决定了AI能不能达到上限。
AI对于算力的需求不仅巨大，而且增速极猛。OpenAI 今年5月发表的文章表明，自2012年以来，AI训练任务中使用的算力以指数形式增长，其目前速度为每3.5个月翻一番（相比之下，摩尔定律都还要18个月才翻一番）。并且自2012年以来，这一需求增长了超过300,000倍。对于AI开发者而言，数据和算力，则是两件不仅头痛（麻烦）、而且肉痛（昂贵）的事情。
综上所述，假设我们都是替父编程的花木兰，那么，在框架选择时，我们就会被劝退一批（所以什么是最好的语言？手动doge）；到了环境部署，又会难倒一批（我曾经以为游戏开发是一件很爽的事情，直到我发现测试小姐姐要买多少台手机，你们可以了解一下）；等到最后的训练场地，基本上对于我这种穷人来说，就只能打出GG了。
目前，无论是对于个人还是企业，想进入AI开发领域所要付出的学习成本都极其高昂。
更令人沮丧的是，这种成本很大一部分是资源缺乏整合、相关标准缺失所带来的后果。在日益讲究效率的今天，“东市买骏马，西市买鞍鞯，南市买辔头，北市买长鞭”这样的购物体验是极其糟糕的。如果在AI领域能够出现类似“淘宝”、“亚马逊”这样的一站式综合购物平台，将会极大的降低AI准入的门槛，让更多人投身到AI浪潮中来。在此可以套用杜甫的那句诗：安得完美平台一间，大辟天下AI程序猿。
这样一个一站式平台，将会极大地提升AI开发效率。用户无需关注底层架构，只需关注应用场景，专注于解决核心问题。同时，它也会使AI开发更加普及。如同微信公众号降低了写作的门槛，这样一个平台也将降低AI开发的门槛，使个体的创造力能够得到充分的展现。通过工具解放并且放大个人的生产力，让AI在未来成一种基本生产力，这或许是我们这个时代最伟大的事情。最后，即使对于非开发者来说，也是一个好消息。
因为AI的应用将会更加丰富。这方面可以类比Steam，虽然每年都有无数的玩家高呼“G胖还钱”，但不可否认的是，Steam的出现促进了游戏行业的整体繁荣，游戏开发者专注做好游戏（AI）即可，打杂的事交给平台去做；而用户也可以享受更为舒适的游戏体验。可以说，这样一个平台，对于从开发到应用的整条产业链，都有巨大的价值。
这样的设想不是空谈，已经有巨头意识到这一点，比如Amazon就基于自家的AWS推出了类似的服务。但目前市面上的产品，离那个理想的平台都还相去甚远。并且对于国内的开发者，特别是企业而言，选择国外巨头的产品也或多或少存在一些额外的成本和隐患。同时，国内巨头也开始发力，试图改变行业目前的混乱现状。华为将于10月份在上海召开华为全联接大会（Huawei Connect）。
在这次的大会上，华为将首次发布其AI战略和全栈全场景的解决方案，促进AI从开发到应用整个产业链的整合。在华为云的加持之下， AI技术门槛不断降低，让企业和机构在AI应用中都可以用的起（成本低）、用的好（上手容易，一站式解决）、用的放心（数据安全，使用稳定），从而大幅提升效率，实现覆盖各行业的“普惠AI”。
耶和华看见了世人所编的程序，说：“看哪，他们都是一样的人，说着同一种语言，如今他们既然能做起这事，以后他们想要做的事就没有不成功的了。”于是耶和华打乱了天下人的编程，于是有的人用python，有的人用Java，有的人用C++。因为耶和华在那里打乱了天下人的言语，使众人分散到了世界各地，所以那座城名叫巴别。巴别来自希伯来语balal，意思是“混乱”。目前的AI开发，无疑则是另一座巴别城。
然而，回想人类历史上那些高光时刻，无一不是从“消除混乱”开始的。在无数的混乱中，自会有秩序诞生。这也是任何一个领域继续向前发展的刚性需求。书同文、车同轨、手机充电器同接口，这些都是人类历史上极其重要的“通天塔”工程。现在，到AI了。