|
Python 的语法很灵活，融合了很多 其他 语言中令人觉得方便的特点。然而 Python 的优势同时也隐含了其劣势。蚂蚁研究员王益在工业系统中对 Python 的亲身体会，更加深刻地了解到了 Python 的局限，而 Go+ 是弥补方案里最靠谱的。那么 Python 有哪些不足？ Go+ 又是如何能弥补的？本文分享 王益 对 Go+ 补全 Python 的局限上的相关看法和尝试。
不久前许式伟（江湖人称老许）的 Go+ 项目在 Hacker News 上掀起了一阵风潮[1]。我一见倾心，参与贡献。最近老许和社区组织了一个视频交流，拉我跟大家说说为啥关注 Go+ 以及图个啥。在直播交流后，根据弹幕反馈，以及两位好友 ——洪明胜（TenosrFlow Runtime 负责人）以及王玉（沈雕墨）的建议，做了修改。
我做分布式深度学习系统十三年了，尤其是 2016 年徐伟老师让我接替他作为他原创的PaddlePaddle 项目的负责人之后，在工业系统中对 Python 的亲身体会让我对其局限了解愈深。而 Go+ 是我见过的弥补方案里最靠谱的。
我期待 Go+ 对标 Python，补全 Python 的不足，并且在此基础上有一个类似 numpy 的项目（姑且称之为 numgo+ 吧）用来支持张量（tensor）运算，满足数据科学的需求；在 numgo+ 之上再构建一个类似 PyTorch 的深度学习基础库（姑且称之为 GoTorch 吧）。如果可以，进一步成为深度学习编译器生态的一种前端语言。
我现在在蚂蚁集团工作，负责一个开源 SQL 编译器 SQLFlow —— 把扩展语法以支持 AI 的 SQL 程序翻译成 Python 程序。同事们说，如果 Go+ 这套生态能成熟起来，很乐意让 SQLFlow 输出 Go+ 程序。
很多读者估计觉得我瞎说八道 —— Python 如此如日中天一般火热的语言，何须“补足”？
Python 的优势
Python 的语法很灵活，融合了其他很多语言令人觉得方便的特点。比如，和 C++ 一样， Python 允许重载操作符，numpy 的作者于是重载了算数操作符来做张量运算。和 Lisp 一样，Python 的 eval 函数递归地实现了 Python 解释器，可以解释执行 Python 表达式，所以 Python 程序可以生成自己。
这样的灵活性允许程序员随心所欲，因此特别适合探索性工作。比如研究生们用 Python 做科研；数据科学家们用来替代之前各种昂贵的商业化系统；在随后诞生的深度学习领域，Python 也迅速蓬勃发展起来。
将上述几组数据综合起来，可以发现背后的趋势。一方面，是电商市场交易规模(GMV)增速放缓。另一方面，是流量成本飞速上升。两个方面的效应结合起来，商家的ROI面临巨大挑战，生存愈发艰难。
趋势深度解读
上述几组数据还可以被深度解读，并推测出一些趋势：
-
当流量成本普遍上升时，有垄断效应的大电商平台为了保持盈利增长(取悦资本市场)，基本不会让利。所以，有流量需求的商家会寻找其他“流量洼地”，正如过去有淘系玩家迁移到微信做了微商。有流量优势的抖音、快手等流量黑洞，会迎来一个机遇期，相信这也是大电商们忌惮的。
-
在商家寻找新的流量洼地的过程中，大多依然是在做“流量倒卖”，以为“流量=购买”，很容易就掉进“坑”里。即使在新的流量洼地里，也应该做“精细运营”。一抓占用时长，二抓购买转化。只有把这两个方面做好了，才能让变贵的流量产生更强的转化，让ROI变得划算。流量购买力封顶，意味着在既有的购买空间里更加激烈的竞争，精耕细作者胜。
-
如果要做流量的精细运营，关键在于建设内容生态，走向“内容社交电商”。记住，不只是内容电商，也不只是社交电商，而是“内容社交电商”。流量要被“内容+社交”的场景吸附，才能产生购买，甚至增值购买。这是现在的电商巨头和流量黑洞的主要方向，直播电商的火爆就是证明。
-
倒逼供应链成为当下急需，假设流量购买力下降，让每次购买产生更多的利润，是让ROI变得划算的另一种办法。以拼多多为例，除了依赖社交红利，撸的还是“供应链羊毛”，这种模式在一段时间内显然是可行的。
（编辑：信阳站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
