选python作为框架的基础语言,是踩中了未来的风口。
会议室里再次安静下来,大家都在消化这个看似大胆的决定。
夏冬继续解释自己的构想。
“底层的高性能计算模块,我们还是用c++和cuda甚至我们自己的晶片指令集去写。”
“但是在上层,我们用python去做一个极简的抽象封装。”
“將九章所有的核心功能、矩阵运算、网络构建,全都封装成最新版本的python接口。”
其实,夏冬脑子里完全是在对標后世的tensorflow和pytorch这类主流计算框架。
python因为其胶水语言的特性和极其接近自然语言的语法,在未来统治了ai开发领域。
他要把这条歷史验证过的正確道路,直接铺在九章的面前。
吴泽明思考了片刻,眉头逐渐舒展。
“绝妙的想法。”吴泽明讚嘆道。
“python的语法非常简单,对於那些数学系、统计学系转行过来的算法人员来说,几乎没有学习成本。”
陈默也兴奋地搓了搓手。
“对,底层我们把性能压榨到极致,上层给他们最丝滑的体验。这样就能形成巨大的差异化优势。”
然而,就在大家都觉得找到破局之道时,邓常春泼了一盆冷水。
“方案是完美的,但我们在技术实现上存在一个巨大的坑。”
邓常春面色凝重地看著大家。
夏冬示意他继续说。
邓常春打开电脑,调出了几个开源项目的资料。
“这类的深度学习计算框架,就算是用python做上层抽象,它也必须依赖极其庞大且成熟的基础运算包。”
邓常春指出了关键所在。
“比如矩阵运算、多维数组处理,还有复杂的数据结构分析。”
“如果这些基础运算包不成熟,我们在上面盖大楼就是空中楼阁,性能会慢得令人髮指。”
彭硕也意识到了这个问题,紧跟在后补充。
“目前python社区里,有几个相关的底层包正在起步。比如numpy处理数组,pandas处理数据结构。”
彭硕嘆了口气。
“但是,这些技术还非常不成熟。漏洞多,效率低,根本支撑不起我们庞大的计算框架需求。”
吴泽明核实了一下网上的数据,肯定了邓常春和彭硕的说法。
“確实如此。如果强行基於现在这种半成品的底层包去写框架,最后跑出来的计算速度会被c++原生代码按在地上摩擦。”