TensorFlow團隊：我們沒被拋棄
“將與JAX并肩推動機器學習研究”
魚羊 發自 凹非寺
量子位 | 公眾號 QbitAI
終于，谷歌出面回應“TensorFlow遭棄”傳聞：
我們將繼續致力于將TensorFlow打造為一流機器學習平臺，與JAX并肩推動機器學習研究。
這段時間，“JAX取代TensorFlow”這個話題可謂熱議不休。
不僅Business Insider等媒體援引內部人士消息，稱“谷歌大腦和DeepMind已經普遍放棄TensorFlow，轉投JAX”。
連LeCun、fast.ai創始人Jeremy Horward等大咖也紛紛下場圍觀，表示深度學習框架之間的競爭進入了一個新的階段。
在TensorFlow因日漸臃腫、學習成本高等問題，越來越受到業界詬病的背景之下，“谷歌拋棄TensorFlow”似乎沒什么毛病。
不過，在輿論發酵了一段時間之后，現在，TensorFlow官方團隊終于還是出面“辟謠”，發文表示：
我們將繼續投資TensorFlow和JAX兩個ML框架，以推動數百萬用戶的研究和應用。
具體詳情，一起來看TensorFlow博客寫了點啥。
官方：TensorFlow是我們交給工程師的答案
TensorFlow官方在文章中引用了Stack Overflow的最新統計數據。
數據顯示，TensorFlow在機器學習領域整體上仍然比PyTorch受歡迎。
另外，TensorFlow目前每月下載量超過1800萬次，并在GitHub上擁有16.6萬標星。
相比之下，PyTorch的標星數是5.7萬，JAX的標星數是1.91萬。
官方團隊強調，在谷歌內部，TensorFlow幾乎為所有AI生產工作流程提供支持，包括搜索、廣告、YouTube、郵箱、地圖、Play、地圖等。
而蘋果、網飛、騰訊、Uber等等知名企業，也都在使用TensorFlow支持他們的生產系統。
至于為啥現在谷歌重視JAX，原因則是：
近年來，我們發現，單一通用框架往往無法適用于所有場景——尤其是生產和前沿研究的需求經常發生沖突。
因此，我們創建了JAX，一個用于分布式數值計算的簡單API。
JAX在前沿研究領域有著非常出色的表現：達到了新的并行規模，推進了新的算法和框架，還發展出了新的編譯器和系統。
官方還舉例說，AlphaFold和Imagen都已經驗證了JAX的價值。
相比之下，TensorFlow則是“我們滿足應用機器學習開發人員需求的答案”。
也就是說，TensorFlow會更側重滿足工程師們在任意規模和任意平臺上，構建并部署可靠、穩定、高性能的機器學習系統的需求。
此外，谷歌官方在JAX和TensorFlow互通方面也做了不少工作。
比如通過jax2tf，研究人員就能把JAX模型放在TensorFlow上投入生產。
最后，官方提到：
展望未來，我們將繼續致力于將TensorFlow打造為一流機器學習平臺，與JAX并肩推動機器學習研究。
我們將繼續投入資源發展這兩個機器學習框架，以推動數百萬用戶的研究和應用。
還順帶打了一波招聘廣告（手動狗頭）。
關于JAX
2018年，JAX誕生于谷歌大腦的一個三人小團隊之手。
誕生之初，其瞄準的就是高性能數值計算和機器學習研究。
JAX可以看作是支持GPU、TPU等加速器加速、支持自動微分的Numpy變體。
簡單來說，可以這樣理解：當你想處理一些對算力要求很高的問題時，通過JAX，你可以將復雜的問題快速分散到多個TPU上。
目前，谷歌大腦的Trax、Flax、Jax-md，以及DeepMind的神經網絡庫Haiku和強化學習庫RLax等，都是基于JAX構建的。
值得一提的是，JAX誕生之際，正是PyTorch在學術界強烈沖擊TensorFlow之時。
加州大學伯克利分校旗下研究機構RISELab的數據顯示：
2019年1月到6月底，在arXiv上發表的論文中，提及TensorFlow和PyTorch的數量相差無幾，PyTorch僅稍稍落后。
不過在增長速度方面，與2018年1-6月相比，PyTorch的“份額”增長了194%。TensorFlow則只增長了23%。
參考鏈接：
https://blog.tensorflow.org/2022/06/%20bringing-machine-learning-to-every-developers-toolbox.html?m=1
- 蘋果芯片主管也要跑路！庫克被曝出現健康問題2025-12-07
- 世界模型和具身大腦最新突破：90%生成數據，VLA性能暴漲300%｜開源2025-12-02
- 谷歌新架構突破Transformer超長上下文瓶頸！Hinton靈魂拷問：后悔Open嗎？2025-12-05
- 90后華人副教授突破30年數學猜想！結論與生成式AI直接相關2025-11-26
相關閱讀
PyTorch大更新！谷歌出手幫助開發，正式支持TensorBoard | 附5大開源項目
又有了一個不同TensorFlow的理由。
