小米、滴滴、哈啰……互聯網造車勢力的名單還在持續增加。
為何越來越多的互聯網大戶開始追造車的“風口”，不排除一些玩家借機推高估值的嫌疑，但互聯網造車浪潮的出現離不開兩個誘因：一是自動駕駛正在成為汽車行業的新賽點，二是“軟件定義汽車”已經是行業的新共識。
對于自動駕駛的號召力似乎已無須贅述，被外界討論最多的恰恰是“軟件定義汽車”的話題，即汽車將從一個“硬件為主”的工業化產品，逐漸向自主學習、持續進化、以用戶為中心的“軟硬兼備”的智能化終端過渡。
聲勢浩大的互聯網造車運動背后，軟件定義硬件的理念開始有了新的注解。
“軟件定義汽車”的流行，似乎并不讓人意外。
每每談及汽車行業的時候，聽到最多的聲音就是傳統和落后，汽車產業的創新像是走進了死胡同：相較于日新月異的智能化革命，汽車產業還停留在“電子定義汽車”的階段，屢屢被貼上封閉、保守的標簽。直到電動汽車的規模化量產，板結的汽車產業才逐漸出現了新動能，開始了互聯網化、智能化的轉型。
這樣的觀點可能只說對了一半，電動智能不過是汽車產業求變的表象，底層邏輯仍然離不開軟件定義硬件的產業變革。當一個產業的硬件技術水平逐漸接近物理極限，想要繼續維持市場的增長，勢必要從硬件主導的產品創新，轉向由軟件開發和迭代去推動硬件設計的更新和升級。
典型的例子就是手機行業。從諾基亞引領的功能機時代，進入到iOS和安卓支撐的智能機時代，個中變化幾乎是顛覆性的：原本的手機產業可以說是純粹的硬件生意，只有手機廠商能從中獲取利潤，智能手機時代則是軟件和服務的商業化，相對應的市場規模出現了指數級的增長。
“軟件定義汽車”其實是在復刻智能手機的行業規律，甚至說是汽車產業的不得已而為之。當用戶和互聯網的連接越來越緊密，倘若車內空間依舊延續現狀，無疑將導致用戶體驗的嚴重割裂，迎合當下的用戶習慣才是聰明人的正確選擇。何況軟件定義的汽車不僅將進一步延長汽車的生命周期，也悄然延長了汽車廠商的價值回報周期。
沿循這樣的邏輯，汽車注定不會是“軟件定義硬件”的最后一站。
就像在IoT領域，兩年前流行的還是智能化的單品，當前主流的基調是智能生態和全屋智能，和用戶的連接不再只是單一硬件的功能，要么通過數據和算法打造個性化的場景，要么匹配健康、教育等服務，無不在以軟件定義的方式延伸價值鏈。
同樣的還有工業領域，云計算、大數據、人工智能等新技術正在走進產業深處，形成了一套套軟件化、可移植、可復用的行業解決方案。“先進制造”的內涵早已不是一味采購最新款的硬件設備，而是通過軟件定義讓硬件發揮出更大的效率和價值。
簡單來說，“軟件定義硬件”將是不可逆的趨勢，所有的產品都將進入一種新的形態：一端是智能化的終端，一端是持續進化的云端。
軟件定義硬件，其實并不是什么新鮮概念。
大約從十幾年前開始，就陸續有行業大牛在高喊“軟件定義硬件”的口號，但“軟件定義”的思想并未出圈，在很長時間內都是計算機領域的術語，未能跨圈到傳統的硬件體系。可以找到的原因有很多，首當其沖的就是開發模式的制約。
還是以汽車行業為例，即便是不影響駕駛體系的車載娛樂系統，也只是在近幾年才開始聯網化。許多人借此指責傳統車企過于保守，硬生生錯過了車載生態的蛋糕，卻選擇性忽略了汽車行業沿用多年的瀑布開發模型。
作為溫斯頓·羅伊斯在1970年提出的軟件開發模型，瀑布式的特色是嚴格遵循預先計劃，即項目的需求分析、設計、編碼、集成、測試、維護等步驟按順序進行，如同瀑布一般逐級下落。瀑布開發模型曾在軟件工程中占據重要地位，但嚴格的分級降低了開發的自由度，無法適應用戶需求的迅速變化。
智能手機最終跑通“軟件定義硬件”邏輯的秘密也在于此。有別于傳統汽車企業相對封閉的開發模式，iOS和安卓都是平臺模式的最佳代表，皆是利用開放的系統架構將軟硬件解耦，讓軟硬件可以獨立進化，結果就是硬件的標準化、軟件的個性化，智能手機開啟了繁榮的應用生態。
同時被消除的還有開發者的進入門檻。在諾基亞時代只有很少量的程序員有能力編寫應用，因為開發者需要對很多硬件編寫底層程序，對不同的硬件可能要重新做一遍，一次又一次重復造輪子，導致應用的數量比較少，開發者生態也就無從談起。而蘋果和谷歌無不為開發者提供了豐富的開發套件、完善的開發者社區和成熟的變現體系。正是對開發模式的重塑，促進了整個軟件生態的繁榮。
“軟件定義汽車”的理念落地絕非偶然，只需將目光盯向大眾、上汽等傳統車企，均開始改變固有的開發理念，先后推出了軟硬件開發平臺，試圖通過“開發者平臺”撕掉封閉、保守的標簽。也就意味著，在軟件定義汽車的外部大環境下，汽車的研發過程正在向敏捷開發的模式轉變。
需要指出的是，外界對“軟件”的定義也在發生改變，可能幾年前還特指APP，目前已經包含了算力、數據、算法等含義。畢竟智能化已經是不可逆的趨勢，軟件定義硬件越來越偏向于軟件為硬件賦能，留給開發者的挑戰不單單是開發者套件、開發者平臺，還有智慧化的開發能力。
當“智慧”成為一種稀缺資源，深度學習框架應運而生。
在深度學習的初始階段，研究者們常常需要寫大量的重復代碼，為了提高工作的效率，一些研究者把代碼寫成了框架，放在網上讓所有研究者一起使用。打一個比方的話，這就像是廚師在做菜，如果有大廚將每道菜的做法都編撰成詳細的菜譜，即便是剛剛入行的學徒，也能夠快速上手。
大約從2015年開始，一些互聯網巨頭也開始著手造框架，比如谷歌在2015年開源了TensorFlow、百度在2016年開源了PaddlePaddle（中文名飛槳）、Facebook在2017年推出了PyTorch……相比于早期的研究者，谷歌、百度等有著強大的應用場景和底層能力，深度學習框架也由此走紅。
回到軟件定義硬件的話題上，深度學習框架可以說是“軟件定義”再次流行的隱形力量。
借用百度CTO王海峰的一個比喻：“深度學習框架起到承上啟下的作用，下接芯片和大型計算機系統，上承各種業務模型與行業應用，是智能時代的操作系統。”
這個比喻不可謂不恰當，由于深度學習框架已經針對芯片、業務模型、應用場景等進行了適配優化，開發者甚至不需要考慮硬件上的差異化，可以直接將已有的算法模型拿來使用，進一步降低了軟件開發的專業門檻。
以飛槳在2.0版本的升級為例，針對深度學習模型的開發、訓練、部署等環節進行了細致入微的優化。比如將默認開發模式升級為動態圖，開發者可以隨時查看變量的輸入、輸出，讓算法模型的調試變得更加容易，帶來了更好的開發體驗；推出了業內首個通用異構參數服務器技術，可以同時使用不同的硬件進行混合異構訓練，并創新性的提出了4D混合并行策略，用以訓練千億級稠密參數模型......
另一個維度來看，飛槳不僅以深度學習框架降低了開發者的門檻，也實現了靈活易用的平臺服務，為一些零基礎的“開發小白”打開了通往AI世界的大門。
零門檻的EasyDL開發平臺給出了AI開發的新路徑，通過輕松上手的一站式服務，讓AI開發“像使用家電一樣簡單”，最快10分鐘就能完成模型訓練，目前已經是國內市場份額最高的機器學習平臺；再比如提供免費算力的人工智能學習與實訓社區AI Studio，集成免費AI課程、深度學習樣例項目、各領域經典數據集、云端超強GPU算力及存儲資源、不同等級的AI賽事，目前累計學習人次已經超過290萬。
開源文化曾加速軟件開發的繁榮，以至于全球99%的組織在IT系統中使用了大量的開源代碼。當人工智能成為“軟件”的新內涵，開源深度學習框架的走紅，無疑為“軟件定義硬件”吃了顆定心丸。
“軟件定義硬件”的征程勢必還有很長的一段路要走，有著肉眼可見的桎梏，也看到了新的曙光。
我們甚至不應該將思路局限在“硬件”上，汽車或許是不少人認知中的硬件上限，可智慧社區、智慧交通、智慧城市等新物種正在源源不斷地產生，軟件定義的不僅僅硬件，還有我們的生活方式。
選擇權其實留給了形形色色的開發者，在汽車都不可避免被顛覆的局面下，是時候制定軟件定義的轉型路徑，以期在新的浪潮中掌握主動權。
