以外卖行业为例，外卖员等待商家出餐的时间耗时严重，百度将不同时段商家的客流量、菜品的制作时间和订单量等数据交给PaddlePaddle，经过对海量数据的深度学习处理，如今，百度外卖的内部系统可以预估每个商家菜品出餐时间，及时告知外卖员，提高了送餐效率，系统可以更加合理地规划取餐和送餐的路线。

降低门槛

很大程度上，PaddlePaddle的缘起来自降低人工智能的使用门槛。

你知道，即将爆发的人工智能与一百年前“电器化”过程无比相似，它势必迎来与其他行业井喷式的嫁接与落地，你完全有理由期待它像电力或互联网一般，被添加至旧有事物，从而产生万千结果。但如前所述，人工智能在各领域的商业化落地不可能被单一巨头垄断，适逢深度学习极大提升了人工智能的整体状态，留给人工智能创业者的机会应有很多。

但大体而言，人工智能创业似乎还相对羸弱，离真正意义上的商业化落地为时尚早，部分原因是深度学习技术的门槛高企（虽较之过往已经提高），对不少雄心壮志的创业者而言，他们似乎需要一个更易使用的深度学习框架，如插件般将深度学习技术嫁接到他们的产品中；而对这一领域那些敏而好学者来说，更优质且易用的算法源码也大有裨益。正如百度首席科学家吴恩达所言：“其他深度学习平台为研究人员提供了创造新算法的好机会，但其高度的灵活性限制了它们自身的易用性，相反的是，PaddlePaddle更关注爱好者和程序员，希望他们学习和使用强大的深度学习工具，并不仅仅针对于机器学习的研究者。”

嗯，深度学习开源平台若想成为下个“Android”，对新手友善也许是个不错的途径。在知名科技媒体网站The Verge的描述中，PaddlePaddle算是对新手非常友好，易用性是其设计核心之一，它提供了直观且灵活的数据接口和模型定义接口，使得没有太多深度学习背景的开发者也会感觉容易上手。

事实上，PaddlePaddle 支持多种神经网络结构和优化算法，能用更少代码建立复杂模型，实现相同功能，譬如只需其他深度学习工具1/4的代码即可实现神经网络机器翻译模型；此外，这一平台还可让人使用现有模型去解决新的问题，无需担心用于实现模型的数学方程。

目前，PaddlePaddle在Github上已经提供了Neural Machine Translation、推荐、图像分类、情感分析、Semantic Role Labelling等5个Task，每个Task均可迅速上手，且大部分任务可直接套用，并暂时获得了业内人士“设计简洁，稳定，速度较快，显存占用较小”等正面评价。

从直觉便知，这一拥有俏皮名字的开源平台，能在很大程度上降低深度学习应用门槛，优化整个深度学习的研究环境，诚如加州大学伯克利分校电气工程和计算机科学副教授，Open AI研究科学家Pieter Abbeel所言，人工智能的进展受制于软件开发所花费的时间，开放软件框架是使整个社会加速发展的关键。

价值之网

当然，围拢的从业者越多，巨头自身也会受益良多。除了能在社区中招揽人才，企业也可借助开源平台进行大数据分析，对自身产品完成优化。而无需赘言的是，通过开源争夺人工智能行业话语权，亦是巨头展开开源运动的重要因素。因为他们知道，在未来的商业环境之中，哪怕是巨头，其命运也愈加和网络交织在一起，每个企业都在编织一张价值网，依附在这张网络上的人和资源越多，企业自身获利的可能性才越大。

在未来人工智能领域这张“巨网”中，巨头们自然希望置身于网中心。就说国内，我看到的数据是，目前国内人工智能方向的创业公司有200家左右（个人觉得并不算多），正如同真正的战略思维是将他人利益嵌入到以自我为中心的体系之中，百度开放PaddlePaddle的目的之一即是试图在未来构建以百度为核心的人工智能基础设施，而假以时日，当这张价值之网收拢，技术壁垒也就自然建立。

仍拿Android来说。2005年，谷歌以五千万美元收购了当时名不见经传的Android，2007年11月宣布开源，如你所知，而今如日中天的Android已从智能手机领域蔓延至几乎一切科技领域。

人工智能开源能演绎出相似的故事吗？至少与当时Android刚出世时遭到的低估不同（2007年Android发布时，当时负责微软移动开发的Scott Horn评价说：“我真看不出他们能有多大影响。”），人工智能开源的力量已被广受关注，毕竟谁都知道，对于商业世界——以及与未来生活相关的一切，人工智能意味着什么。