OB电竞，OB电竞，而在大模型时代，系统性能和训练效率成了重中之重。框架需要提供强大的分布式训练支持，稳定和性能压倒一切。巨头玩家搞大模型的时候，

　　框架接口的好坏，直接决定了一个框架的受欢迎程度OB电竞，。比如，屎堆型界面，谁也受不了。

　　它就会帮你自动（把代码、数据、硬件资源组织好），让模型跑出结果，而不用操心底层的数学运算和硬件适配。

　　也就是说，昇思MindSpore针对昇腾第二代AI处理器去做设计的时候，

　　也就是说，当你需要让模型跑在多张GPU上并行训练时，PyTorch本身是帮不上太多忙的——这个活儿，靠的是像Megatron这样的“专业外包选手”。

　　底层软件的宿命，就是被用得天经地义，却无人留意。除非上面一层，仍然是自己人。

　　但芯片厂商为了吸引开发者，开发了特定的异构计算架构。比如，英伟达的CUDA，AMD的ROCm，甚至华为的CANN。

　　Dataflow（美国AI芯片公司Sambanova架构）等等，框架如何快速适配？

　　只要这个标准组件的性能比PyTorch原生的Llama提升15%。大家都很“现实”，当“标准模型”成熟，开发者根本不关心它是用什么框架写的。他们只想知道：哪种框架能让我用的模型跑得更快？

　　群体很大，抓住了，又有苹果的硬件和全系统的支持，相对小（1TB）的模型就可在上面训练，做微调。苹果这个例子说明了什么呢？

　　才开始搞，还要再观察，而且，苹果在端上的优势，是另一个故事了《AI推理篇》。将苹果的MLX框架集成于M系列芯片中，猛搞终端推理优化。

　　这种策略虽然不抢占大模型训练市场OB电竞，，但在iPhone、iPad上构筑强大封闭生态。放眼望去，这条路也能走出大生态。