AI时代是属于开发者的时代，atv，因为有太多技术需要去提升和应用。把这些技术应用在任何领域，都打开了无数的可能性。但是互联网时代的个人英雄主义行不通了。

开放这也是所有人工智能巨头的选择。2015年谷歌曾开源TensorFlow，这是谷歌基于DistBelief进行研发的第二代人工智能深度学习系统，可以应用到语音识别、自然语言理解、计算机视觉和广告等领域。亚马逊在后来也开放了自家深度学习框架MXNet。

百度的开放策略与其相比，优势还是在于更容易学习，也更便于开发者使用。像PaddlePaddle这样的人工智能开源平台仅需少量代码就能训练深度学习模型，大大降低了用户使用深度学习技术的成本。

降低学习成本的效果是显而易见的，这会带来四个结果：

1、借此构建起一个以自身为核心的生态系统

有能力的巨头建立生态，从AI技术、整体解决方案、云平台，到硬件和产业都有完整的布局。在这个生态系统中，开发者、创业者不仅仅用自己的工具，还用自己的标准和语言。不同的人工智能开源方案对感知层面的技术、学习与训练计算都有差异。人工智能计算能力的调用，将来可能会作为API直接被打包在整体解决方案甚至硬件中。

2、可以获取到更多数据，并且让算法更加精确

在各个垂直领域的开发者和平台对接后，复杂的数据结构会被传输至人工智能神经网中进行分析和处理。之所以要开放自家平台，核心目的还是要不断用实践数据不断去“喂饱”自家的人工智能，让它的算法更精确，尤其是在各个垂直领域的开发者和平台对接后，不仅能够让自家业务有精确数据进行指导，反过来也可以继续调教平台的准确性。

3、真正和具体行业结合在一起，产生更多研究成果

如Android开发者平台使APP开发者有统一标准可以参与开发一样，人工智能的开发工具和相对标准的开源硬件的成熟，若能形成云端智能和终端智能打通的工具平台，普通开发者参与开发难度降低，生态发展会大大加速。

在人工智能领域软件系统开源同样会是常态，多家巨头都将自己的人工智能系统开放出来，也已有巨头在硬件开源方面进行尝试，atv直播，这有利于业内更多的企业和工程师参与人工智能领域的研发，产生更多有价值的研究成果。模型与基础算法并非核心竞争壁垒，结合行业数据的使用才产生巨大的价值。

AI开放策略还将会吸引、培育更多专业领域人才

福布斯在6月21日发表了一篇名为《These 20 Leading TechnologistsAreDriving China's AI Revolution》（这20个人领导了中国的人工智能革命）的文章，20位领导者有7人在百度任职，3人曾在百度任职，也就是说，20人一半来自于百度。

百度之所以会成为中国甚至是世界人工智能的黄埔军校，核心原因就在于这里汇聚了一批优秀的“教官”，这些“教官”有自己的一套“教材”，能够不断确定标准，并且基于这套“教材”培育出新的人才。

所谓的“教材”其实就是开源人工智能，把自家语言、标准制定出来，作为标准提供给开发者使用。

谷歌公开自家系统的重要目的之一，就是要是吸引到更多的人工智能专家，来为软件的改进和应用出谋划策，英国布里斯托大学的人工智能教授克里斯蒂亚尼曾分析：

“谷歌此举并不是昏了头。深度学习不是即插即用，它需要做很多测试、调整和适配工作。这类系统有数百万个参数需要调整。如果没有工程师进行这一工作，那么谷歌这次放出的深度学习算法用途就极为有限。”

这样的分析过程实际上也是在为行业确定一套通用的语言。当然，这套语言是否简单、易懂，便于操作也是重要因素之一。

所以百度杰出科学家徐伟曾经谈到，让开发者决定使用哪个平台进行开发的决定因素主要包含几个方面，首先是该平台能否实现自己想实现的功能，其次是使用某平台实现起来的难度有多大，最后是效率有多高。

就像对于程序员来说，如果选择了更为流行的编程语言，就会有更多可使用的库，也能更轻松的做出好的产品。纵览程序语言的发展历史，最为流行的，总是最容易上手的。就像前文中所说的，百度的优势则在于，它的平台更容易学习。

谷歌、百度、亚马逊开放自己的平台，其实也是希望开发者尽可能使用自己的语言，尤其是这次百度把覆盖语音、视频、增强现实、机器人视觉、自然语言处理5大类的14项核心技术全面开放出来，目的就是在于方便开发者开发出优秀的产品，甚至让人才围绕着自家标准进行开放。