为什么Pytorch开始制约AI了

1. 这个想法比较超前了，但是已经有苗头了
2. pytorch已经显得臃肿，不适合大模型的特定需求
   1. 需求变化了，已经不是CNN的时代了，虽然在拼命搞静态图和并行库
   2. 一个开源框架统一市场后一段时间，就会开始因为臃肿而不适合新的需求，所以就需要大胆重构
   3. 和numpy等通用接口差异越来越大，学习成本增加
      
3. 为啥JAX在大模型巨头玩家中的份额这么高呢？
   1. 大模型框架对原来的那种生态，可能要求没那么高，反倒对性能调试调优的效率要求高
   2. JAX的简单，合理的功能抽象（更加符合第一性原理）才是用户的青睐点，pytorch也是靠这个取胜tensorflow的
   3. 使用Numpy作为接口，一个计算行业的底层的优秀抽象设计
   4. 简介、静态图、自动并行是核心优势
      1. 兜兜转转多年，静态图又要风生水起了？
      2. 一个技术成熟到一定程度后，技术路线就会固定化，适合静态计算来提高效率