Google是机器学习领域的先驱者，它于2015年正式发布开放源码广度学习架构TensorFlow，缔造了现代机器学习的生态系。TensorFlow由此正式发布便迅速被合作开发人员热捧，Google也由此正式成为了主流AI产品的领袖。
然而好景不常，在2017年Meta（创建者Facebook）正式发布AI架构PyTorch之后，TensorFlow便渐渐丧失了开发人员的追捧。现如今，Google内部正反观在一个替代TensorFlow的新AI项目——JAX。
PyTorch的异军突起TensorFlow的曝光率近几年无以为继，而PyTorch的曝光率持续飙升。在各个合作开发人员社区，“PyTorch真香”论史无前例，又在顶会数据上整体实力压过TensorFlow，仅在产业界，TensorFlow尚能死守炮兵阵地。
据CSDN最热AI架构名列显示，虽然TensorFlow在中国合作开发人员心中仍然排在PyTorch之前，但使用振幅较去年的48%，下降至今年的37%。
虽然PyTorch和TensorFlow都是如前所述Python合作开发的，但在外间看来，Meta则更著重维护开放源码街道社区，甚至不惜牺牲大量投
现如今，合作开发人员、硬体研究者、云服务商和熟识Google机器学习项目的人士一致认为：“TensorFlow已经丧失了合作开发人员的欢心。”其中一些人更是明言：“PyTorch吞下了TensorFlow的早餐”，这样的隐喻虽说沙斯泰。
研究者们表示，由于Google所犯一系列阵型误判、制定了严重错误的合作开发重大决策和在开放源码街道社区中输给Meta，Google在网络上鼓励机器学习今后的机会可能正在渐渐消失。PyTorch已摇身一变正式成为非职业合作开发人员和学术研究人员的必选机器学习应用软件。
这种狂热的“猫捉跳蚤”格斗游戏是许多火速进入市场的公司经常遇到的问题。例如，Google不是首家建立浏览器的子公司，却能够从Alta Vista或AOL等先驱者所犯的严重错误中吸取经验教训。
JAX是否能帮Google抢下五局？既然TensorFlow这个“大号”已经练废了，那么是时候改换个“小号”上场了！
熟识Google机器学习工作的人士说，最初，JAX曾面临来自内部的巨大反对。Google员工过去一直使用TensorFlow，虽然它使用起来可能很困难，但它早已占领Google员工的心智，并融入了他们的习惯。虽然JAX的使用方法要简单得多，但它还是改变了Google内部构建软件的方式。
然而，哪有革命不付出代价的呢？JAX现在不仅在Google中铺开来，并且很多大厂及其研究团队中也采用了它，譬如2020年DeepMind就正式投入JAX的怀抱。现在，JAX有望在今后几年正式成为所有使用机器学习的Google产品的主流，就像曾经的“老大哥”TensorFlow那样。
JAX有望胜出的秘密武器则是提供了一个更直接的方法用于处理机器学习中最复杂的问题之一：多核处理器调度问题。根据所应用的情况，JAX会自动地将若干个芯片组合而成一个小团体，而不是让一个去单打独斗。如此带来的好处就是，让尽可能多的TPU片刻间就能得到响应，从而解决了Google内部的一个心头大患：快速访问TPU。
“JAX是一项工程壮举！”Julia 编程语言创建者 Viral Shah 说道，“我认为JAX是一种通过Python实例化的独立编程语言。如果你遵守JAX想要的规则，它就可以发挥它的魔力，这真是令人惊叹。”
现在，Google希望在这场竞赛中打个漂亮的“翻身仗”，同时也从合作开发TensorFlow时所犯的严重错误中吸取经验教训，但这将是一个巨大的挑战。毕竟JAX尚且年轻，作为实验性的架构，远没有达到一个成熟的Google产品的标准。例如，JAX在一些问题上仍然要依赖于其他架构，距离正式成为理想的“一站式”架构还有很长一段路要走；除了完善了TPU的优化外，对GPU和CPU的支持还没跟上。同时，JAX和前两个架构差别也很大，因此迁移到JAX对于大多数人来说可能还需要考虑迁移成本的问题。
但很明显，Google决定豪赌这一把。那么各位读者，你们怎么看呢？
参考资料：https://www.businessinsider.com/facebook-pytorch-beat-google-tensorflow-jax-meta-ai-2022-6?IR=T
—
