软件定义硬件，浪潮背后的桎梏和曙光

 

当人工智能成为 " 软件 " 的新内涵，开源深度学习框架的走红，无疑为 " 软件定义硬件 " 吃了颗定心丸。

小米、滴滴、哈啰…… 互联网 造车势力的名单还在持续增加。

为何越来越多的互联网大户开始追造车的 " 风口 "，不排除一些玩家借机推高估值的嫌疑，但互联网造车浪潮的出现离不开两个诱因：一是自动驾驶正在成为 汽车 行业的新赛点，二是 " 软件定义汽车 " 已经是行业的新共识。

对于自动驾驶的号召力似乎已无须赘述，被外界讨论最多的恰恰是 " 软件定义汽车 " 的话题，即汽车将从一个 " 硬件为主 " 的工业化产品，逐渐向自主学习、持续进化、以用户为中心的 " 软硬兼备 " 的智能化终端过渡。

声势浩大的互联网造车运动背后，软件定义硬件的理念开始有了新的注解。

01

不可逆的大趋势

" 软件定义汽车 " 的流行，似乎并不让人意外。

每每谈及汽车行业的时候，听到最多的声音就是传统和落后，汽车产业的创新像是走进了死胡同：相较于日新月异的智能化革命，汽车产业还停留在 " 电子定义汽车 " 的阶段，屡屡被贴上封闭、保守的标签。直到电动汽车的规模化量产，板结的汽车产业才逐渐出现了新动能，开始了互联网化、智能化的转型。

这样的观点可能只说对了一半，电动智能不过是汽车产业求变的表象，底层逻辑仍然离不开软件定义硬件的产业变革。 当一个产业的硬件技术水平逐渐接近物理极限，想要继续维持市场的增长，势必要从硬件主导的产品创新，转向由软件开发和迭代去推动硬件设计的更新和升级。

典型的例子就是 手机 行业。从诺基亚引领的功能机时代，进入到 iOS 和安卓支撑的智能机时代，个中变化几乎是颠覆性的：原本的手机产业可以说是纯粹的硬件生意，只有手机厂商能从中获取利润，智能手机时代则是软件和服务的 商业 化，相对应的市场规模出现了指数级的增长。

" 软件定义汽车 " 其实是在复刻智能手机的行业规律，甚至说是汽车产业的不得已而为之。当用户和互联网的连接越来越紧密，倘若车内空间依旧延续现状，无疑将导致用户体验的严重割裂，迎合当下的用户习惯才是聪明人的正确选择。何况软件定义的汽车不仅将进一步延长汽车的生命周期，也悄然延长了汽车厂商的价值回报周期。

沿循这样的逻辑，汽车注定不会是 " 软件定义硬件 " 的最后一站。

就像在 IoT 领域，两年前流行的还是智能化的单品，当前主流的基调是智能生态和全屋智能，和用户的连接不再只是单一硬件的功能，要么通过数据和算法打造个性化的场景，要么匹配健康、教育等服务，无不在以软件定义的方式延伸价值链。

同样的还有工业领域，云计算、大数据、人工智能等新技术正在走进产业深处，形成了一套套软件化、可移植、可复用的行业解决方案。" 先进制造 " 的内涵早已不是一味采购最新款的硬件设备，而是通过软件定义让硬件发挥出更大的效率和价值。

简单来说，" 软件定义硬件 " 将是不可逆的趋势，所有的产品都将进入一种新的形态：一端是智能化的终端，一端是持续进化的云端。

02

开发模式的桎梏

软件定义硬件，其实并不是什么新鲜概念。

大约从十几年前开始，就陆续有行业大牛在高喊 " 软件定义硬件 " 的口号，但 " 软件定义 " 的思想并未出圈，在很长时间内都是计算机领域的术语，未能跨圈到传统的硬件体系。可以找到的原因有很多，首当其冲的就是开发模式的制约。

还是以汽车行业为例，即便是不影响驾驶体系的车载娱乐系统，也只是在近几年才开始联网化。许多人借此指责传统车企过于保守，硬生生错过了车载生态的蛋糕，却选择性忽略了汽车行业沿用多年的瀑布开发模型。

作为温斯顿 · 罗伊斯在 1970 年提出的软件开发模型，瀑布式的特色是严格遵循预先计划，即项目的需求分析、设计、编码、集成、测试、维护等步骤按顺序进行，如同瀑布一般逐级下落。瀑布开发模型曾在软件工程中占据重要地位，但严格的分级降低了开发的自由度，无法适应用户需求的迅速变化。

智能手机最终跑通 " 软件定义硬件 " 逻辑的秘密也在于此。有别于传统汽车企业相对封闭的开发模式，iOS 和安卓都是平台模式的最佳代表，皆是利用开放的系统架构将软硬件解耦，让软硬件可以独立进化，结果就是硬件的标准化、软件的个性化，智能手机开启了繁荣的应用生态。

同时被消除的还有开发者的进入门槛。在诺基亚时代只有很少量的程序员有能力编写应用，因为开发者需要对很多硬件编写底层程序，对不同的硬件可能要重新做一遍，一次又一次重复造轮子，导致应用的数量比较少，开发者生态也就无从谈起。而 苹果 和谷歌无不为开发者提供了丰富的开发套件、完善的开发者社区和成熟的变现体系。正是对开发模式的重塑，促进了整个软件生态的繁荣。

" 软件定义汽车 " 的理念落地绝非偶然，只需将目光盯向大众、上汽等传统车企，均开始改变固有的开发理念，先后推出了软硬件开发平台，试图通过 " 开发者平台 " 撕掉封闭、保守的标签。也就意味着，在软件定义汽车的外部大环境下，汽车的研发过程正在向敏捷开发的模式转变。

需要指出的是，外界对 " 软件 " 的定义也在发生改变，可能几年前还特指 APP，目前已经包含了算力、数据、算法等含义。毕竟智能化已经是不可逆的趋势，软件定义硬件越来越偏向于软件为硬件赋能，留给开发者的挑战不单单是开发者套件、开发者平台，还有智慧化的开发能力。

03

开源框架的走红

当 " 智慧 " 成为一种稀缺资源，深度学习框架应运而生。

在深度学习的初始阶段，研究者们常常需要写大量的重复代码，为了提高工作的效率，一些研究者把代码写成了框架，放在网上让所有研究者一起使用。打一个比方的话，这就像是厨师在做菜，如果有大厨将每道菜的做法都编撰成详细的菜谱，即便是刚刚入行的学徒，也能够快速上手。

大约从 2015 年开始，一些互联网巨头也开始着手造框架，比如谷歌在 2015 年开源了 TensorFlow、百度在 2016 年开源了 PaddlePaddle（中文名飞桨）、Facebook 在 2017 年推出了 PyTorch ……相比于早期的研究者，谷歌、百度等有着强大的应用场景和底层能力，深度学习框架也由此走红。

回到软件定义硬件的话题上，深度学习框架可以说是 " 软件定义 " 再次流行的隐形力量。

借用百度 CTO 王海峰的一个比喻：" 深度学习框架起到承上启下的作用，下接芯片和大型计算机系统，上承各种业务模型与行业应用，是智能时代的操作系统。"

这个比喻不可谓不恰当，由于深度学习框架已经针对芯片、业务模型、应用场景等进行了适配优化，开发者甚至不需要考虑硬件上的差异化，可以直接将已有的算法模型拿来使用，进一步降低了软件开发的专业门槛。

以飞桨在 2.0 版本的升级为例，针对深度学习模型的开发、训练、部署等环节进行了细致入微的优化。比如将默认开发模式升级为动态图，开发者可以随时查看变量的输入、输出，让算法模型的调试变得更加容易，带来了更好的开发体验；推出了业内首个通用异构参数服务器技术，可以同时使用不同的硬件进行混合异构训练，并创新性的提出了 4D 混合并行策略，用以训练千亿级稠密参数模型 ......

另一个维度来看，飞桨不仅以深度学习框架降低了开发者的门槛，也实现了灵活易用的平台服务，为一些零基础的 " 开发小白 " 打开了通往 AI 世界的大门。

零门槛的 EasyDL 开发平台给出了 AI 开发的新路径，通过轻松上手的一站式服务，让 AI 开发 " 像使用 家电 一样简单 "，最快 10 分钟就能完成模型训练，目前已经是国内市场份额最高的机器学习平台；再比如提供免费算力的人工智能学习与实训社区 AI Studio，集成免费 AI 课程、深度学习样例项目、各领域经典数据集、云端超强 GPU 算力及存储资源、不同等级的 AI 赛事，目前累计学习人次已经超过 290 万。

开源文化曾加速软件开发的繁荣，以至于全球 99% 的组织在 IT 系统中使用了大量的开源代码。当人工智能成为 " 软件 " 的新内涵，开源深度学习框架的走红，无疑为 " 软件定义硬件 " 吃了颗定心丸。

04

写在最后

" 软件定义硬件 " 的征程势必还有很长的一段路要走，有着肉眼可见的桎梏，也看到了新的曙光。

我们甚至不应该将思路局限在 " 硬件 " 上，汽车或许是不少人认知中的硬件上限，可智慧社区、智慧交通、智慧城市等新物种正在源源不断地产生，软件定义的不仅仅硬件，还有我们的生活方式。

选择权其实留给了形形色色的开发者，在汽车都不可避免被颠覆的局面下，是时候制定软件定义的转型路径，以期在新的浪潮中掌握主动权。

来源：Alter聊 科技