近年來，發(fā)展勢(shì)頭之迅猛唯一能與AI相匹敵的現(xiàn)象就是Python編程語言。對(duì)于許多在紛紛設(shè)立數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)部門的企業(yè)組織來說，Python已成為了首選語言。改用Python的步伐太快了，以至于許多編程語言被認(rèn)為已過時(shí)了。

然而，特斯拉首席執(zhí)行官Elon Musk在一連串推文中宣布，特斯拉有多么重視召集一流人才來開發(fā)與AI有關(guān)的項(xiàng)目。他還宣布準(zhǔn)備在家中辦一場(chǎng)招待會(huì)，邀請(qǐng)AI愛好者參加黑客馬拉松（hackathon）。
他補(bǔ)充道，雖然用于計(jì)算機(jī)視覺模型的神經(jīng)網(wǎng)絡(luò)是用Python編寫的，但特斯拉團(tuán)隊(duì)需要編程技能出眾的人員，尤其是C和C++方面。

用C/C++編程以制造自動(dòng)駕駛汽車聽起來很奇怪，但Musk的推文確實(shí)讓人們對(duì)Python方面的炒作產(chǎn)生了一些懷疑。

指出了基礎(chǔ)設(shè)施復(fù)雜性種種陷阱的開發(fā)人員對(duì)此并不茍同。

馬斯克稱：我們（顯然）也在尋找世界一流的芯片設(shè)計(jì)師加入我們?cè)谂谅灏柾泻蛫W斯汀的團(tuán)隊(duì)。我們的神經(jīng)網(wǎng)絡(luò)最初使用Python以便快速迭代，然后轉(zhuǎn)換成C++/C/裸機(jī)驅(qū)動(dòng)程序代碼以提高速度（這很重要！）。另外，車輛控制和自動(dòng)駕駛汽車其余全部都需要大批的C++/C工程師。學(xué)歷不重要，但都必須通過實(shí)打?qū)嵉木幊虦y(cè)試。

然而，不可對(duì)推文信以為真。信息量常常被壓縮，PyTorch的共同開發(fā)者Soumith Chintala點(diǎn)明了Musk真正的含意。他解釋道，轉(zhuǎn)換成C++并不意味著要使用C++手動(dòng)重寫，而是自動(dòng)轉(zhuǎn)換成低級(jí)運(yùn)行時(shí)代碼。

他還補(bǔ)充道，特斯拉團(tuán)隊(duì)有自己的ASIC和傳感器等，這些可能有其自己的工具、驅(qū)動(dòng)程序、多階段中間表示（staged IR）和編譯器等。

C ++語言還為硬件功能的直接映射以及基于那些映射的零開銷抽象提供了便利。

工具盲目崇拜的詛咒

圖片來源：英偉達(dá)

大多數(shù)流行的機(jī)器學(xué)習(xí)框架都依賴C++，比如TensorFlow、Pytorch甚至CUDA。

如上所示，CUDA不僅僅是一種編程語言，更是一種工具包，為使用C/C++的開發(fā)人員提供了擴(kuò)展，以便表達(dá)大量的并行處理，并引導(dǎo)編譯器處理應(yīng)用程序中映射到GPU的那部分。

同樣，Python也是一種接口，它讓用戶可以進(jìn)行交互并利用機(jī)器學(xué)習(xí)功能，無需學(xué)習(xí)C++的基本細(xì)節(jié)。

Python主要用作一種接口。作出這樣的安排是為了讓更多非編程出身的開發(fā)人員可以盡快上手、構(gòu)建機(jī)器學(xué)習(xí)應(yīng)用程序。

Python易學(xué)易用，它之所以大受歡迎就是緣于這一點(diǎn)。然而，如果人們從頭開始學(xué)起，會(huì)發(fā)現(xiàn)C ++這種傳統(tǒng)語言之類的語言支持的API和接口用起來很容易。

只需借助經(jīng)過優(yōu)化的GPU庫（比如BLAS）和計(jì)算機(jī)視覺庫（比如OpenCV）。需要速度的一切應(yīng)用都可以用C++以及Python綁定加以編寫。

與C++不同，Python用戶可以從零開始編寫一個(gè)卷積神經(jīng)網(wǎng)絡(luò)，用不了50行代碼。C++需要了解一些較復(fù)雜的知識(shí)，這對(duì)新手來說是一大弊端。在這里時(shí)間很關(guān)鍵。比如說，正整合機(jī)器學(xué)習(xí)工具的物理學(xué)家更喜歡像Python這種輕巧而簡(jiǎn)單的編程語言。然而，C++在庫和框架的后臺(tái)處理所有繁重任務(wù)（讀取矩陣乘法）。

據(jù)PyTorch團(tuán)隊(duì)聲稱，前端的C++讓用戶可以在無法使用Python或Python工具不適合任務(wù)的環(huán)境中進(jìn)行研究。優(yōu)點(diǎn)總結(jié)如下：

如果用戶想在每秒幀數(shù)高、延遲低的要求下在純粹的C++游戲引擎中進(jìn)行強(qiáng)化學(xué)習(xí)研究，對(duì)于這種環(huán)境而言，使用純粹的C ++庫比Python庫要適合得多。

由于全局解釋器鎖（GIL），Python一次無法運(yùn)行多個(gè)系統(tǒng)線程。多重處理是一種替代方法，但擴(kuò)展性欠佳，并存在諸多缺點(diǎn)。C++沒有這樣的約束或限制，而且它的線種易于使用和創(chuàng)建。

前端的C++將允許用戶繼續(xù)使用C++，無需在訓(xùn)練期間在Python和C++之間來回切換。

然而，由于Python解釋器速度慢，因此對(duì)于增強(qiáng)學(xué)習(xí)項(xiàng)目之類的研究工作而言，Python可能仍難以處理。因此，C++庫將是正確的選擇。

就TensorFlow而言，總體上來說結(jié)合了經(jīng)過高度優(yōu)化的C++和CUDA。反過來，它們又使用Eigen（高性能C++和CUDA數(shù)值庫）和英偉達(dá)的cuDNN優(yōu)化深度神經(jīng)網(wǎng)絡(luò)庫用于卷積之類的功能。

選擇任何語言或工具歸結(jié)為在執(zhí)行簡(jiǎn)易性和延遲之間作一個(gè)取舍。對(duì)于機(jī)器學(xué)習(xí)方面的主題專家來說，擁有C++方面的知識(shí)這個(gè)要求未免太高了。他們可以使用Python，而C++開發(fā)人員編寫與機(jī)器進(jìn)行交互的代碼。這種安排對(duì)許多企業(yè)組織來說很好。這就是為什么特斯拉的AI團(tuán)隊(duì)需要Python開發(fā)人員和C++開發(fā)人員組成的隊(duì)伍來構(gòu)建下一代自主產(chǎn)品實(shí)乃明智之舉。