今天，云棲大會·深圳峰會在深圳如期舉行，這是今年云棲大會的第一站，雖然規(guī)模不及阿里主場杭州的云棲小鎮(zhèn)，但按照慣例，每屆云棲大會阿里都會發(fā)布一系列重磅產(chǎn)品，這次也不例外。

本屆云棲大會的主題是“飛天 · 智能”，和去年10月杭州站的“飛天·進化”相比看似沒有太大的變化，但很明顯的是，無論是主題演講還是會場展區(qū)，人工智能已經(jīng)取代云計算成為了出現(xiàn)頻率最高的詞，而其最新發(fā)布的機器學習平臺PAI2.0當之無愧成為了大會的焦點。

有趣的是，在大會前一天，騰訊剛剛發(fā)布了DX-I深度學習平臺，根據(jù)騰訊官方的介紹，DX-I將基于騰訊云的大數(shù)據(jù)存儲與處理能力來提供一站式的機器學習和深度學習服務，隨著阿里機器學習平臺PAI2.0的發(fā)布，兩大平臺孰優(yōu)孰劣便引起了一陣熱議。當然，兩款產(chǎn)品都是剛發(fā)布不久，要下結論，還需要等待第三方應用的檢驗。

但本著求知探索的精神，雷鋒網(wǎng)還是找出了PAI2.0與DX-I之間一些微妙的差異。

定位

毋庸置疑，DX-I和PAI2.0分別是騰訊和阿里人工智能戰(zhàn)略的重要組成部分，PAI2.0還是阿里NASA計劃發(fā)布后的首款重磅產(chǎn)品。但從字面上就可以看出，二者定位還是有一定的差異。

雷鋒網(wǎng)從騰訊內(nèi)部人士得知的信息是，DX-I更注重深度學習，而PAI2.0則是包含深度學習在內(nèi)的機器學習，因此PAI2.0的輻射范圍會更大，換言之，如果你如果使用的不是深度學習算法和模型，那么DX-I就失效了，但你可以選擇PAI2.0。

當然，換個角度看，在深度學習火爆的今天，DX-I可能會保持更高的專注度。

深度學習框架的支持

根據(jù)阿里官方的信息，PAI2.0可以支持Tensorflow、Caffe以及MXNet，用戶可以通過拖拉拽的方式可視化的操作組件來進行試驗。

DX-I也支持三大深度學習框架，不過這三個框架是TensorFlow、Caffe以及Torch，除了這一點區(qū)別之外，它也支持可視化的拖拽布局，即拖即用。

不過，PAI2.0還提供了邏輯回歸、隨機森林、GBDT、KMeans等常規(guī)的機器挖掘算法，以及文本分析和圖算法。

底層計算資源的支持

對于底層計算資源，PAI2.0提供了云端異構計算資源，包含CPU、GPU、FPGA。在GPU方面，PAI2.0可以靈活實現(xiàn)多卡調度。

DX-I主要基于騰訊云的GPU計算平臺，和異構計算相比還是略顯單薄。

不過，對于深度學習而言用GPU來計算也有一定的優(yōu)勢，綠米聯(lián)創(chuàng)首席算法工程師曲曉峰告訴雷鋒網(wǎng)，“深度學習可以輕易的通過GPU提升準確率和并行加速，其它方法都還沒有這樣的效率?！彼^續(xù)指出，很多其它算法也可以不斷迭代優(yōu)化，但沒法達到深度學習這樣地高效充分利用GPU的并行性。

曲曉峰表示，“異構計算的優(yōu)勢在于絕對運算量要求高的那些傳統(tǒng)應用，例如氣象、核爆模擬、渲染等。其劣勢是，異構計算為了可以調用不同的底層對于算法的要求較高，現(xiàn)在缺乏殺手級的領軍算法。”

內(nèi)部測試以及應用情況

據(jù)雷鋒網(wǎng)了解，從PAI1.0開始，該機器學習平臺已經(jīng)在阿里巴巴內(nèi)部使用了2年?；谠撈脚_，在淘寶搜索中，搜索結果會基于商品和用戶的特征進行排序。通過使用參數(shù)服務器，淘寶可以把百億個特征的模型，分散到數(shù)十個乃至于上百個參數(shù)服務器上，打破了規(guī)模的瓶頸。

而DI-X在騰訊內(nèi)部使用了一年，其主要用于游戲流失率預測、用戶標簽傳播以及廣告點擊行為預測等。以用戶行為預測為例，借助DI-X平臺，可以方便的拖拽出一個BRNN Encoder模型（雙向循環(huán)神經(jīng)網(wǎng)絡編碼器），從用戶自身和用戶圈子好友的行為序列數(shù)據(jù)中提取出基礎特征，進行棧式自編碼（Stacked Auto-Encoder）模型的訓練，充分利用RNN的模型特點，得到比常規(guī)模型更精準的行為預測效果。

不難發(fā)現(xiàn)，PAI和DI-X都是經(jīng)內(nèi)部測試成熟后才對外開放出來的，只不過相較而言，PAI是一個更加成熟的產(chǎn)品，其已經(jīng)在廣東省氣象局和華大基因等機構實現(xiàn)了應用。

因此，從多個維度比較的結果來看，兩個平臺很難一分高下，主要還得看應用場景，如同Tensorflow、Caffe和MXNet這三大主流的深度學習開源框架：Tensorflow的優(yōu)勢是開源算法和模型最豐富；Caffe則是經(jīng)典的圖形領域框架，使用簡單；MXNet在分布式性能上表現(xiàn)優(yōu)異。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。