首先是努力實現軟件融合

在早期的瘋狂和分裂之中，即使是軟件融合方面所做的事情也是很分散的。百度人工智能研究團隊進行了一項調查，發(fā)現11項措施來彌補那些爭著管理神經網絡的各種軟件框架之間存在的差距。

最有希望的是Open Neural Network Exchange（ONNX），這是一個由Facebook和微軟發(fā)起的開源項目，最近Amazon也加入其中。該項目小組在12月份發(fā)布了ONNX格式的第一個版本，旨在將用把十幾個有競爭關系的軟件框架所創(chuàng)建的神經網絡模型轉譯為圖形化呈現。

芯片制造商可以將他們的硬件瞄準這些圖形。對于那些負擔不起為支持這些不同模型框架——例如Amazon的MxNet、Google的TensorFlow、Facebook的Caffe2以及微軟的CNTK——單獨編寫軟件的初創(chuàng)公司來說，這是一個好消息。

30多家主流芯片提供商組隊在12月20日發(fā)布了他們的首選項——Neural Network Exchange Format（NNEF），目標是為芯片制造商提供一種替代方案，來創(chuàng)建自己的內部格式，就像英特爾在Nervana Graph和Nvidia TensorRT那樣。
百度在各種各樣的格式中發(fā)現了ISAAC、NNVM、Poplar和XLA。百度硅谷人工智能實驗室高級研究員Greg Diamos表示：“現在去預測是否會出現一個成功的實施，可能還為時尚早，但我們正在走上一條更好的道路，其中一條最終取得勝利。”

在這些人工智能框架中，Amazon宣稱自己的MxNet框架和新出現的Gluon  API提供了最高的效率。（來源：Amazon）

此外，谷歌已經開始致力于開發(fā)軟件來自動化精簡深度神經網絡模型，這樣這些模型就可以運行在從智能手機物聯網（IoT）節(jié)點的方方面面。如果成功的話，可以將50Mb的模型降低到500Kb。

谷歌也已經在探索在手持設備上做有限的模型訓練，調整模型的頂層，或者基于白天收集的數據在夜間進行處理。像SqueezeNet和MobileNet等，也展示了更簡單的成像模型路徑，且同樣精確。

負責Google TensorFlow Lite工作的Pete Warden表示：“我們看到有很多人在各種各樣的產品中使用機器學習，每次操作降低1皮焦，這是我每天熬夜在做的事情。”