今天，已经有越来越多人开始借助AI的力量来改变自己的生产和生活。
他们可能是专业的深度学习算法工程师，可以利用大规模算力与数据集创造出前所未有的AI能力；也可能是某个植物研究的科学家，希望借助AI完成成千上万种植物品种的分类与科普；亦或是一个对人工智能充满探索渴望的莘莘学子……
作为技术引擎的AI，正在史无前例地依赖于各种领域、各种人才的创造力。如果你也是信仰AI、对技术如饥似渴，在脑海里曾经出现过“将AI安利给其他人”的想法，可能很有潜力成为一名“MindSpore布道师”哦。
我们知道，MindSpore是一款在昇腾AI处理器基础上，打造的深度学习训练推理框架。它的主要受众是数据科学家、算法工程师等人群，帮助他们实现计算机视觉、自然语言处理等AI功能。
那这个“布道师”又是什么鬼？就是传说中“自带干粮”、用爱发电吗？和开发者又有哪些异同？
简单来说，从开发者到布道师，既是AI平台的信仰之跃，也是科技企业与技术人才之间作用力的扭合。
从合作者到热爱者：布道师与技术平台的信仰之跃
大众印象中的“布道师”，往往都兼备专业能力的“武艺”，也要有传道受业的“文韬”。那么对于广大AI开发者和工程师来说，成为平台“布道师”，又代表着什么呢？
首先，“布道”的前提是程序员本身对平台和技术本身，拥有极强的信任基础与热爱，这样才能够有动力、有热情，去努力拉近大众与技术的距离；
其次，“布道师”的存在，能够以代码为基础向开发者宣讲技术，让平台提供的各种技术手段，变得更容易被理解和应用，充分释放技术在个体端的可能性，打通开发者的“奇经八脉”。这就要求其个人品牌的说服力要足够靠谱，毕竟一个摊煎饼果子的老板热情推销热干面，想必也会让人心生疑窦。比如谷歌的首席布道师，就是互联网之父Vint Cerf；微软的前布道师Vic Gundotra则每次都在开发者大会上演示最新技术。
另外，平台的技术战略、开发受众、技术天顶，这些决定了布道的初衷、策略、方式，以及布道师如何向目标人群说服其接受该平台的方案。这个过程显然是需要持续奋进，才能逐步扎根进产业实践当中，转化为让其他技术人员可感可知的长期信任。
不难发现，技术布道师不仅仅需要一腔先行者的热血与理想，更需要平台有长期、可靠、强劲的后盾，才不至于被“扯后腿”，变成“十年饮冰”。
所以，技术布道师与科技企业，既是开发者与平台的合作关系，更是发自内心践行技术理想与传播的情感伙伴。
那么， MindSpore招募布道师，又有着哪些前因与机缘呢？
MindSpore再升级，中国全场景AI开发框架的“寻道之旅”
在解谜MindSpore布道师之前，或许我们先要解决一个基本问题，那就是——何道可布。
我们知道，AI领域是一个人才争夺的修罗场。招聘网站Indeed最新调研显示，机器学习工程师，数据科学家，计算机视觉工程师，数据库构建师，算法工程师，位列吸金榜首。
这样一群顶尖的从业人才，显然单纯依靠金钱的驱动是不足以让他们轻而易举交付信任的。而聚拢优质开发者，又离不开这群领头羊的标杆作用。
所以，在深度学习开发平台这件事上，比拼的核心自然也就落在了技术能力的认可、技术理想的共鸣、技术价值的践行上。
那么，MindSpore的做法，究竟有何特别之处呢？
首先，首屈一指的技术能力。
目前全球能够提供机器学习、深度学习训练的框架和平台有很多，主流框架更是一只手都数不过来。而开发者选择平台进行AI开发的首要考量因素，就是平台的技术能力是否可靠且易用。这一方面决定了是否会消耗过多的学习成本，同时社区能否提供足够强大资源支持。
而我们知道，MindSpore 作为一款全场景 AI 框架，可以说在降低 AI 应用开发门槛上，体现出了难以比拟的气质。
深度学习框架没点功能创新是不好混的，而MindSpore在 TensorFlow、PyTorch 等流行框架之后推出，依然能吸引不少开发大佬，显然也很有两把刷子。
MindSpore 首个开源版本为 0.1.0-alpha 版中，能够提供与昇腾AI处理器原生支持及软硬件协同优化好。数据显示，“昇腾910”与MindSpore配合，与现有主流训练单卡配合TensorFlow相比，显示出接近2倍的性能提升。这就让开发者可以在充分的选择性和算力基础下，释放AI想象力。
此外，借助Source-to-Source 自动微分、分布式并行训练等业界前沿技术，结合完整的数据预处理模块、高效的图计算引擎、可视化工具、模型评估工具等等特性与组件，也让MindSpore的开发、运行、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，又增加了对Windows10系统的支持，和Linux CPU版本没有任何不同，让更多使用Windows的小伙伴也能进入AI开发生态。此外，MindSpore 0.2版本发布了Benchmark，包含有机器视觉类常用网络ResNet-50 v1.5、自然语言处理常用网络BERT-Large等模型，在昇腾AI处理器上的训练速度显著升级。比如图片训练在16Ascend 910场景下每秒处理27090张图片，自然语言处理在8Ascend 910场景下每秒处理1613个句子，多机并行训练加速比达到0.95左右，开发效率也大大提升。
而在一代可视化工具的基础上，MindSpore 0.2版本又进一步推出了新特性“参数分布图”，可以在网络优化过程中，观察权重和梯度随训练过程的变化，判断网络的优化进展。模型溯源则将学习率、损失值、模型大小等众多超参配置都画在一起，方便开发者调参。
更为重要的是，MindSpore提供了端、边、云独立/协同的开发能力，支持可大可小，适应全场景独立部署。这意味着开发者可以在一个平台上完成应用开发，在所有终端设备部署都可以享有一致的开发与调试体验，对于AIoT泛智能终端的未来，也是极具吸引力的。
反正开发者想到的、想不到的，MindSpore都在持续进化中不断给予更多，听说5月底还会发v0.3.0-alpha。一月一更的迭代速度，请问你们MindSpore的工程师都还有头发吗？
其次，自研自主的中文框架。
今天再谈独立自主的深度学习开源框架，大家可能都有点听腻了。不过伴随着后疫情时期的全球局势不确定性，显然中国的AI开发者将未来增长的生命线放在中文平台的地基上，至少在心里层面也会更加踏实。
而另一方面，伴随着中国新基建的脚步，AI下沉到千行万业已经是不可避免的事实，但在开发生态层面，社群繁荣依然山高水远，有更多像MindSpore这样的产业力量输出，自然也能够从源头上建立更具自主性和话语权的中国AI开发体系。
在积累独特AI开发基础和数据集的同时，根据产垂直行业的特殊需求灵活展开开发与部署，这些显然也是MindSpore所能够提供的“近水楼台”。同时也为AI进入安防、城市、政务等社会核心领域提供了另一种的解决方案。
最后，产业化AI的虽难吾往矣。
那么，完成了高举高打的中文深度学习框架及生态建设，是不是就大功告成了呢？在AI界流传着这样一个“段子”——AI掉进了一个大牛挖坑、小牛填坑、工程师调参、外行将信将疑的境地。
秉持着共享、开放精神的MindSpore，从成立之初就通过特别兴趣组SIG、技术治理委员会等社区组织，践行着开源社区的文化内核，将社区自治与专家开放治理相结合，来帮助普通开发者快速成长，促进AI渗透到各个领域。布道者计划的加入，也将有力推动开源社区自由分享、技术共享的交流沃土。
如何让广大普通人从“将信将疑”到深信不疑，这既需要布道者们和科技企业的努力，也需要看到技术落地这一关键的发力点。尤其是在算法革新进入瓶颈期的当下，不断加深AI的产业下沉，助力各行各业的智能化转型，或许才是一个开源框架的应有之义。
我们知道，与欧美框架从实验室下放到工业界的传统路线不同，MindSpore是一款深度学习框架与产业化AI开发紧密结合的致用型框架。将AI的枪口直接对准了工业界应用技术的痛点与难题。所以在昇腾与MindSpore，叠加Atlas智能计算平台以及系列开发工具的综合攻势下，从软件、硬件、生态上，成为让AI算力和开发贯穿产业的强力催化剂。AI从实验室进入城市、校园、医院、工厂、园区……等等无数现实场景的细枝末节，正需要这样一个清晰易行的整体方案作为基座。
在边端云的每个场景上架设AI，这或许就是MindSpore的AI之道，也是渴盼与布道师们达成的一次时代“共谋”。
AI之道，心血布之：寻找时代的破壁者与布道师
如果说MindSpore招募布道师的能力自证，足以解释“何为道”，那么接下来，就该回答另一个关键问题——“如何布之”了。
首先，借助MindSpore 2.0版本的升级契机，形成了架构统一、功能更强劲的AI开发环境。从后端的处理器，到推理引擎与前端开发工具，为布道师与AI开发者和行业应用者的沟通奠定了桥梁与前提。
其次，MindSpore也打破了传统科技企业依赖大牛光环的布道师体系，只要是MindSpore的开发者都可以申请。并且，按照布道师金字塔结构与社区贡献的方式来设计激励，一方面能够吸引专业科学家与研究人员建立顶层AI内容分享生态，又让广大具有垂直领域开发经验的开发者得以有激情来分享自己的经验与体会，为AI更快地在产业界开花结合、高效部署积累了更丰富的社区资源。
当“MindSpore+布道师+AI开发者+千行万业”这个产业涟漪不断扩散开来，整个智能社会的湖面，也将不断涌动出潜藏在水底的千般创意、万般精彩。技术者对AI的信仰与坚守，或许从此可以拥有开发者之外的另一种姓名与荣誉。
而这，也将成为我们对智能未来想象力新的开始。
