今天，已經有越來越多人開始藉助AI的力量來改變自己的生產和生活。
他們可能是專業的深度學習算法工程師，可以利用大規模算力與數據集創造出前所未有的AI能力；也可能是某個植物研究的科學家，希望藉助AI完成成千上萬種植物品種的分類與科普；亦或是一個對人工智慧充滿探索渴望的莘莘學子……
作為技術引擎的AI，正在史無前例地依賴於各種領域、各種人才的創造力。如果你也是信仰AI、對技術如饑似渴，在腦海裡曾經出現過「將AI安利給其他人」的想法，可能很有潛力成為一名「MindSpore布道師」哦。
我們知道，MindSpore是一款在昇騰AI處理器基礎上，打造的深度學習訓練推理框架。它的主要受眾是數據科學家、算法工程師等人群，幫助他們實現計算機視覺、自然語言處理等AI功能。
那這個「布道師」又是什麼鬼？就是傳說中「自帶乾糧」、用愛發電嗎？和開發者又有哪些異同？
簡單來說，從開發者到布道師，既是AI平臺的信仰之躍，也是科技企業與技術人才之間作用力的扭合。
從合作者到熱愛者：布道師與技術平臺的信仰之躍
大眾印象中的「布道師」，往往都兼備專業能力的「武藝」，也要有傳道受業的「文韜」。那麼對於廣大AI開發者和工程師來說，成為平臺「布道師」，又代表著什麼呢？
首先，「布道」的前提是程式設計師本身對平臺和技術本身，擁有極強的信任基礎與熱愛，這樣才能夠有動力、有熱情，去努力拉近大眾與技術的距離；
其次，「布道師」的存在，能夠以代碼為基礎向開發者宣講技術，讓平臺提供的各種技術手段，變得更容易被理解和應用，充分釋放技術在個體端的可能性，打通開發者的「奇經八脈」。這就要求其個人品牌的說服力要足夠靠譜，畢竟一個攤煎餅果子的老闆熱情推銷熱乾麵，想必也會讓人心生疑竇。比如谷歌的首席布道師，就是網際網路之父Vint Cerf；微軟的前布道師Vic Gundotra則每次都在開發者大會上演示最新技術。
另外，平臺的技術戰略、開發受眾、技術天頂，這些決定了布道的初衷、策略、方式，以及布道師如何向目標人群說服其接受該平臺的方案。這個過程顯然是需要持續奮進，才能逐步紮根進產業實踐當中，轉化為讓其他技術人員可感可知的長期信任。
不難發現，技術布道師不僅僅需要一腔先行者的熱血與理想，更需要平臺有長期、可靠、強勁的後盾，才不至於被「扯後腿」，變成「十年飲冰」。
所以，技術布道師與科技企業，既是開發者與平臺的合作關係，更是發自內心踐行技術理想與傳播的情感夥伴。
那麼， MindSpore招募布道師，又有著哪些前因與機緣呢？
MindSpore再升級，中國全場景AI開發框架的「尋道之旅」
在解謎MindSpore布道師之前，或許我們先要解決一個基本問題，那就是——何道可布。
我們知道，AI領域是一個人才爭奪的修羅場。招聘網站Indeed最新調研顯示，機器學習工程師，數據科學家，計算機視覺工程師，資料庫構建師，算法工程師，位列吸金榜首。
這樣一群頂尖的從業人才，顯然單純依靠金錢的驅動是不足以讓他們輕而易舉交付信任的。而聚攏優質開發者，又離不開這群領頭羊的標杆作用。
所以，在深度學習開發平臺這件事上，比拼的核心自然也就落在了技術能力的認可、技術理想的共鳴、技術價值的踐行上。
那麼，MindSpore的做法，究竟有何特別之處呢？
首先，首屈一指的技術能力。
目前全球能夠提供機器學習、深度學習訓練的框架和平臺有很多，主流框架更是一隻手都數不過來。而開發者選擇平臺進行AI開發的首要考量因素，就是平臺的技術能力是否可靠且易用。這一方面決定了是否會消耗過多的學習成本，同時社區能否提供足夠強大資源支持。
而我們知道，MindSpore 作為一款全場景 AI 框架，可以說在降低 AI 應用開發門檻上，體現出了難以比擬的氣質。
深度學習框架沒點功能創新是不好混的，而MindSpore在 TensorFlow、PyTorch 等流行框架之後推出，依然能吸引不少開發大佬，顯然也很有兩把刷子。
MindSpore 首個開源版本為 0.1.0-alpha 版中，能夠提供與昇騰AI處理器原生支持及軟硬體協同優化好。數據顯示，「昇騰910」與MindSpore配合，與現有主流訓練單卡配合TensorFlow相比，顯示出接近2倍的性能提升。這就讓開發者可以在充分的選擇性和算力基礎下，釋放AI想像力。
此外，藉助Source-to-Source 自動微分、分布式並行訓練等業界前沿技術，結合完整的數據預處理模塊、高效的圖計算引擎、可視化工具、模型評估工具等等特性與組件，也讓MindSpore的開發、運行、部署也高效、友好。
而在前不久又完成了一次迭代的0.2.0-alpha新版本，又增加了對Windows10系統的支持，和Linux CPU版本沒有任何不同，讓更多使用Windows的小夥伴也能進入AI開發生態。此外，MindSpore 0.2版本發布了Benchmark，包含有機器視覺類常用網絡ResNet-50 v1.5、自然語言處理常用網絡BERT-Large等模型，在昇騰AI處理器上的訓練速度顯著升級。比如圖片訓練在16*Ascend 910場景下每秒處理27090張圖片，自然語言處理在8*Ascend 910場景下每秒處理1613個句子，多機並行訓練加速比達到0.95左右，開發效率也大大提升。
而在一代可視化工具的基礎上，MindSpore 0.2版本又進一步推出了新特性「參數分布圖」，可以在網絡優化過程中，觀察權重和梯度隨訓練過程的變化，判斷網絡的優化進展。模型溯源則將學習率、損失值、模型大小等眾多超參配置都畫在一起，方便開發者調參。
更為重要的是，MindSpore提供了端、邊、雲獨立/協同的開發能力，支持可大可小，適應全場景獨立部署。這意味著開發者可以在一個平臺上完成應用開發，在所有終端設備部署都可以享有一致的開發與調試體驗，對於AIoT泛智能終端的未來，也是極具吸引力的。
反正開發者想到的、想不到的，MindSpore都在持續進化中不斷給予更多，聽說5月底還會發v0.3.0-alpha。一月一更的迭代速度，請問你們MindSpore的工程師都還有頭髮嗎？
其次，自研自主的中文框架。
今天再談獨立自主的深度學習開源框架，大家可能都有點聽膩了。不過伴隨著後疫情時期的全球局勢不確定性，顯然中國的AI開發者將未來增長的生命線放在中文平臺的地基上，至少在心裡層面也會更加踏實。
而另一方面，伴隨著中國新基建的腳步，AI下沉到千行萬業已經是不可避免的事實，但在開發生態層面，社群繁榮依然山高水遠，有更多像MindSpore這樣的產業力量輸出，自然也能夠從源頭上建立更具自主性和話語權的中國AI開發體系。
在積累獨特AI開發基礎和數據集的同時，根據產垂直行業的特殊需求靈活展開開發與部署，這些顯然也是MindSpore所能夠提供的「近水樓臺」。同時也為AI進入安防、城市、政務等社會核心領域提供了另一種的解決方案。
最後，產業化AI的雖難吾往矣。
那麼，完成了高舉高打的中文深度學習框架及生態建設，是不是就大功告成了呢？在AI界流傳著這樣一個「段子」——AI掉進了一個大牛挖坑、小牛填坑、工程師調參、外行將信將疑的境地。
秉持著共享、開放精神的MindSpore，從成立之初就通過特別興趣組SIG、技術治理委員會等社區組織，踐行著開源社區的文化內核，將社區自治與專家開放治理相結合，來幫助普通開發者快速成長，促進AI滲透到各個領域。布道者計劃的加入，也將有力推動開源社區自由分享、技術共享的交流沃土。
如何讓廣大普通人從「將信將疑」到深信不疑，這既需要布道者們和科技企業的努力，也需要看到技術落地這一關鍵的發力點。尤其是在算法革新進入瓶頸期的當下，不斷加深AI的產業下沉，助力各行各業的智能化轉型，或許才是一個開源框架的應有之義。
我們知道，與歐美框架從實驗室下放到工業界的傳統路線不同，MindSpore是一款深度學習框架與產業化AI開發緊密結合的致用型框架。將AI的槍口直接對準了工業界應用技術的痛點與難題。所以在昇騰與MindSpore，疊加Atlas智能計算平臺以及系列開發工具的綜合攻勢下，從軟體、硬體、生態上，成為讓AI算力和開發貫穿產業的強力催化劑。AI從實驗室進入城市、校園、醫院、工廠、園區……等等無數現實場景的細枝末節，正需要這樣一個清晰易行的整體方案作為基座。
在邊端雲的每個場景上架設AI，這或許就是MindSpore的AI之道，也是渴盼與布道師們達成的一次時代「共謀」。
AI之道，心血布之：尋找時代的破壁者與布道師
如果說MindSpore招募布道師的能力自證，足以解釋「何為道」，那麼接下來，就該回答另一個關鍵問題——「如何布之」了。
首先，藉助MindSpore 2.0版本的升級契機，形成了架構統一、功能更強勁的AI開發環境。從後端的處理器，到推理引擎與前端開發工具，為布道師與AI開發者和行業應用者的溝通奠定了橋梁與前提。
其次，MindSpore也打破了傳統科技企業依賴大牛光環的布道師體系，只要是MindSpore的開發者都可以申請。並且，按照布道師金字塔結構與社區貢獻的方式來設計激勵，一方面能夠吸引專業科學家與研究人員建立頂層AI內容分享生態，又讓廣大具有垂直領域開發經驗的開發者得以有激情來分享自己的經驗與體會，為AI更快地在產業界開花結合、高效部署積累了更豐富的社區資源。
當「MindSpore+布道師+AI開發者+千行萬業」這個產業漣漪不斷擴散開來，整個智能社會的湖面，也將不斷湧動出潛藏在水底的千般創意、萬般精彩。技術者對AI的信仰與堅守，或許從此可以擁有開發者之外的另一種姓名與榮譽。
而這，也將成為我們對智能未來想像力新的開始。