和技术框架。从TensorFlow到Python，从Kafka到PyTorch，我们正处于数据科学和大数据工具链多样性的爆发期。然而，当这些工具链放在一起构建实际的AI应用时，与科技公司相比，常规公司面临着严重的技术差距。

科技巨头有一个奇怪的习惯，就是向毫无戒心的人释放强大的技术。例如，2015年，谷歌推出了TensorFlow，使用户能够构建和部署非常大且精确的神经网络模型。一年后，脸书发布了PyTorch，据说这是一个易于使用的机器学习开发框架。这两种技术是当今机器学习中应用最广泛的技术。

没有人抱怨谷歌和脸书发布这项突破性技术的决定。毕竟他们做这个已经很多年了。虽然技术巨头通过让开源社区继续开发和维护将它们投入公共领域的技术而受益，但可以肯定的是，开源社区比技术巨头受益更多。

但是这些人工智能的好处是不平等的。许多最新的开源人工智能技术以其易用性而闻名，这通常需要高技能的数据科学家来使用它们。这限制了人工智能技术的适用性及其在有预算雇佣有经验的数据科学家的公司中的使用。

总部位于波士顿的自动机器学习和企业人工智能产品提供商DataRobot的产品和客户体验高级副总裁Phil Gurbacki表示，许多公司有幸利用了最新的人工智能创新。马萨诸塞州。

Guri说：“我认为(新兴AI堆栈的很大一部分必须是开源的，或者是从开源社区引入的。”“我就是不知道有没有好的方法来支持它，并以可扩展的方式引入企业。”

几家普通(即非技术公司)精通技术，可以与新兴的开源AI技术合作。

“然而，当我们与零售商和保险公司合作时，他们真的在寻找可以为他们解决的问题，”Gurbacki说。“开源必须在高科技公司中占有一席之地。然而，在许多其他市场中，我们发现客户从我们为他们打包一切并将其带给组织的能力中获得了巨大的价值。”