博客首页|TW首页| 同事录|业界社区
2017-12-05

为什么选择与AWS合作?在2017年11月的年度AWS re: Invent大会期间,香港同泽集团董事会主席卓泽凡说,这是因为AWS的长期发展与创新能力,以及在全球云计算市场的总体拥有量。作为一家投资机构,2017年9月,同泽集团协同西安市浐灞生态区人和亚马逊AWS共建了西安联合创新中心项目。

那么,除了44.1%(2016,Gartner)的云市场份额外,AWS的长期发展与创新能力体现在什么方面呢?在亚马逊2014年、2015年和2016年财报中,包含了公司研发费用的“技术与内容”一项分别为92.75亿美元、125.4亿美元和160.85亿美元。2016年AWS营收为122亿美元,几乎是2014年的3倍。从2016年Q3至今,AWS 的收入超过150亿美元,增长率高达42%,整个2017年有望实现180亿美元营收。

相应的,Amazon CTO Werner Vogels在2017 AWS re: Invent大会上表示,自2012年首次举办re: Invent以来,AWS推出了3951项新服务和新特性。而仅2017 AWS re: Invent大会期间,AWS就发布了100余项,整个2017年预计超过1300项,也就是说2017年是过去5年的33%。这个数字在2014年是516项,2015年为722项,2016年达到1017项。

毫无疑问,今天的AWS已经进入了“成功者循环”,即成功的创新和投资带来了源源不断的营收、新的营收又投资于更多的创新,如此正向循环。对于其它云厂商来说,还处于不断投资和初创的状态,但AWS已经率先从“创一代”进入了“富一代”行列。在AWS身上,“富者越富”的创新溢出效应正日益显现。

数据库技术大爆发

(AWS CEO Andy Jassy)

2017年,AWS在过去超过十年技术积累的溢出效应集中爆发了,特别是数据库技术领域。

今年是AWS DynamoDB非关系型数据库白皮书发表十周年。早在2004年的时候,Amazon就是Oracle数据库的主要用户,当时Amazon的技术团队与Oracle的技术人员一起,试图解决如何在大规模互联网应用中突破当时Oracle数据库极限的思路,特别是当时的数据库还是以关系型数据库为主。

随后,在2007年,AWS团队把这方面的积累汇聚到了一份白皮书,并向2007国际计算机学会ACM的操作系统原理学术大会提交,催生了后来的NoSQL非关系型数据库。2012年6月,AWS发布了DynamoDB数据库云服务,以支撑类似亚马逊购物车这样的关键型互联网应用。今天,Lyft、Redfin、Comcast、Under Armour、BMW、Toyota等广泛的互联网和企业都是DynamoDB用户。AWS DynamoDB和Google MapReduce并列为两大NoSQL流派,是大数据的基础。

在2017年的re: Invent上,AWS再次发布了可跨全球多个地理区域(Region)的全托管多主、多区的全局表DynamoDB Global Tables,简单点击鼠标就可以为大规模的全球化应用程序提供快速的本地读取和写入性能,而不用管具体的跨区域复制数据表的过程。目前,AWS在全球有16个地理区域,Global Tables现已在美国三个和欧洲两个区域上线,未来将在陆续在全球上线。另一项新发布的On-Demand Backup随需备份,则能在不影响可用性或性能的前提下,快速备份PB级的DynamoDB数据库。

除了DynamoDB外,在过去十年间,AWS还提供了多种关系型和非关系型数据库服务:通过Amazon Relational Database Service (Amazon RDS)托管数据库服务,可管理MariaDB、Microsoft SQL Server、MySQL、Oracle及PostgreSQL、Amazon Aurora for MySQL、Amazon Aurora for PostgreSQL;数据仓库服务Amazon Redshift;支持内存计算Memcached和Redis的Amazon ElastiCache等。

在2017年11月的Gartner操作型数据库魔力象限中(适用于企业级交易型应用), 微软、Oracle、AWS和SAP为前四名;在2017年4月的Forrester Wave数据库即服务报告中,AWS名列第一。

在2017 AWS re: Invent上,AWS再次推出了Amazon Neptune 全托管、适用于高度关联数据的图形数据库,其核心是高性能图形数据库引擎,能以毫秒级响应来查询图形,非常适用于推荐引擎、欺诈检测、知识图表、药物发现和网络安全。

多技术领域遍地开花

(Amazon CTO Werner Volgels)

除了数据库技术外,在容器、无服务器技术、人工智能与机器学习、物联网等高级计算与技术领域,AWS的创新溢出效应也十分明显。

在2014年,AWS发布了Lambda无服务器技术架构。自那以后,无服务器技术的概念就开始在云计算技术领域流行。在2017 AWS re: Invent上,AWS CEO Andy Jassy说,AWS 的客户非常喜欢 Lambda,而且AWS Lambda 已是无处不在。

所谓无服务器技术,就是开发者在开发云软件的时候,只需要关注软件的业务逻辑,而无需关注最底层的服务器配置、部署、扩展等繁琐的IT管理工作。同样的理念用于容器技术,就是刚推出的AWS Fargate,AWS Fargate 是一种无需直接管理服务器或集群的容器部署管理服务。还是同样的理念用于机器学习,就是刚推出的AWS SageMaker全托管机器学习服务,开发者只需关心数据、机器学习框架和算法,其它参数调优等工作都 SageMaker自动完成。

在人工智能与机器学习方面,在2016 AWS re: Invent上集中发布了AWS的AI产品线,包括文本到语音转换服务Amazon Polly、基于深度学习的图像和人脸识别服务Amazon Rekognition以及可编写自然人机交互的Amazon Lex。2017年Amazon相继推出带屏幕的智能音箱Echo Show和Echo Spot、第二代Echo音箱、可连固话的Echo Connect等产品。

截止2017年Q3,Alexa Skills商店里有25000种技能,可以通过智能语音来调用上万种消费类数字服务。数万的开发者把Alexa语音服务,集成到不同的产品里,包括BMW和MINI汽车、Sonos One智能音箱、Harman Kardon的Allure智能音箱、Motorola X4智能手机等。

在2017 AWS re: Invent上,AWS进一步发布了Amazon Rekognition Video实时及批量视频分析服务、Amazon Transcribe 自动语音识别文字记录服务、Amazon Translate 自动多语种文字翻译服务、Amazon Comprehend全托管自然语言处理理解服务、Alexa for Business等人工智能和机器学习服务。这些新服务的推出,都是基于前期AWS积累的机器学习算法、计算实例和云服务,以及包括Echo在内的各种业务场景。

而Alexa for Business 可以通过智能语音应用与ERP、CRM、HCM等企业级应用系统直接对接,包括Teem 的会议室管理系统、RingCentral的云通讯平台、Salesforce销售CRM、Concur云报销、SAP SuccessFactors 云人力资源、Splunk大数据平台、AWS CloudWatch云监控、Acumatica ERP 等对接。Alexa for Business无疑将进一步拓展Alexa的智能语音交互生态圈,特别是把消费级应用与企业级应用连接起来,这实际上就是掌握了消费级市场和企业级市场的新入口。

更进一步,AWS今年的re: Invent上,还推出了首个深度学习摄像头DeepLens,这是AWS继Echo智能音箱后进入又一个新的智能硬件品类。除了预置优化的MXNet框架、支持AWS Greengrass物联网边缘计算核心功能外,还可与多种AWS云服务结合起来,极大降低了人工智能和机器学习应用的开发门槛。

重新发明用户体验

(用物联网和机器学习技术分析格斗选手的实时情绪)

在AWS以往超过十年创新积累的基础上,现在的AWS将更加注重整体优化所有的技术、产品和服务,为开发者和企业用户实现一键式或一站式交付的用户体验。

比如新推出AWS Cloud9全托管的云集成开发环境,具有快速部署、深度整合、实时协作开发、多种Debug纠错功能等特点,主打自动化、自助化、智能化辅助编程的开发者体验,依然是从用户体验上着眼。

值得一提的是,相比于往年的AWS re: Invent,今年登台的标杆型用户更加有“reinvent重新发明”的意味。NFL美国职业橄榄球联盟的高级副总裁兼首席信息官 Michelle McKenna-Doyle展示了下一代数据统计分析系统Next Gen Stats。

通过在球员装备及橄榄球中嵌入RFID射频识别标签,Next Gen Stats能够捕捉各类实时位置、速度与加速度等数据,这些数据在AWS的机器学习等云服务上被实时分析后,再把分析结果叠加到赛场镜头之上,从而在NFL媒体渠道、赛事转播、第三方数字平台以及场内大屏上观看更多的数据信息。

AGT International & HEED 创始人 Mati Kochavi 则是在UFC国际终极格斗冠军赛中应用AWS的机器学习云服务。同样利用 IoT 和人工智能技术,HEED将传感器内置在格斗选手的手套内,就能对选手的每一拳、每一脚都进行数据测量分析。实时数据分析叠加到格斗赛的直播中,极大增强了比赛的观感和体验。虽然这套系统正在UFC进行测试,但仅是在2017 AWS re: Invent舞台的演示效果就已经十分震撼。

DigitalGlobe创始人兼首席技术官Walter Scott分享了如何在卫星图像和地理大数据的分析中使用AWS云服务的体会。DigitalGlobe是一家美国的商用高分辨率地球影像产品和服务供应商,通过自有卫星群和包含超过40亿平方公里的地球影像库,为各类机构提供环境监测、油气勘探、导航等卫星图像及地理大数据服务。为了更有效的使用地理数据,DigitalGlobe已经率先使用了 Amazon SageMaker,并取得了很好的效果。

当然,在媒体和娱乐产业积极利用AWS新技术,重新发明媒体和娱乐的数字体验外,类似国泰航空这样的传统企业正在快速用上AWS。国泰航空IT部门总经理方逸翔在2017 AWS re: Invent上介绍,在过去一年半的时间内,国泰航空的65个B2C应用服务都已经迁移至AWS。接下来,国泰航空对于AWS的机器学习服务很感兴趣,从文字聊天到语音聊天机器人等,都有潜在合作空间。

Werner Vogels以这句话作为三天大会主题演讲的结尾:“如果十年后,你没有使用AWS,而是自己去东拼西凑各种技术时,你会突然感觉我仿佛在俯瞰着你,而你也会对自己说:‘Werner 不会喜欢这样’。那时对我而言,就已是不朽的存在。”

不用说十年后,现在的AWS云平台上的各类技术、产品和服务,就已经足够大而全,创新溢出效应正在以加速度递增,再加上强大的盈利能力和再投资能力,可以说整个云世界的“贫富差距”正在不断扩大,“强者越强、富者越富”的马太效应正在AWS身上体现。

而一个坚持公有云的AWS,对于企业和其它传统IT厂商来说,正在显现“挤出效应”。到底公有云能否取代私有云,正如Andy Jassy所说,就看谁的发展和创新速度更快。

最后引用Andy Jassy在其2017 AWS re: Invent主题演讲中的压轴金句:“实现云转型,是我们此生经历的最大的科技转型。这是Builders(开发者)的黄金时代,我们很高兴能身在其中!”(文/宁川)

2017-11-29

今天的中国正在进入数据分析的黄金时代。根据中国信通院,2016年中国大数据市场规模为168.0亿元、增速达到45%,预计2017-2020年增速保持在30%以上。而在中国信通院2017年3月的一份调查显示,有59.2%的受访企业已经建立了数据分析部门,27.3%的企业正在计划成立数据部门,绝大部分企业均已意识到数据分析对企业发展的重要性。

反应到市场的人才储备方面,在由全球数据分析领导企业SAS公司举办的2017中国高校SAS数据分析大赛上,今年的参赛队伍跳升到全国1036支参赛队伍近3000多人。而在2013年首次举办该赛事的时候,仅有55支参赛团队约150人参加,2015年达到了295支参赛团队,2016年跃升至658支参赛团队。今年的比赛,全国综合排名前三十名的高校全部报名参赛。

数据分析的高校学生群体正在快速增长,这也就是意味着未来几年的数据分析人才将有所增加。但根据Talkingdata和猎聘网的估算,我国到2020年的大数据人才缺口将达200万,核心需求包括数据工程师、数据分析师和AI工程师/科学家。前不久,美国《哈佛商业评论》发表文章指出,人工智能是下一个数据分析的黄金时代,企业需要进一步建立基于人工智能的数据分析战略。

把AI集成到数据分析战略中

自2016年以来,人工智能在市场中的声量和热度已经一浪超过一浪。从AlphaGo到AlphaGo Zero,在商业界和企业界被人工智能的飞速进展所震惊的同时,依然要保持清醒的认识,那就是任何新技术想要落实到企业的实际生产、运营和管理中时,仍然需要清晰的落地路径、可结合的业务场景以及强有力的领导力。

SAS公司的一份《集成AI到企业分析战略》的白皮书指出,人工智能和机器学习尽管功能强大,但还仅限于特定的任务,可适用的范围也有所局限。人工智能和机器学习所产生的洞察和结论,仍然需要人类智慧来决定其用途、在更大的企业战略中发挥作用,才能真正达成企业的战略目标。

为此,SAS建议企业要把人工智能集成到更大的企业战略中去考虑。在企业实施AI的时候,需要系统性的投资与计划,包括人才。在实施AI应用之前,企业必须要首先建立一个商业策略,明确AI与数据分析要形成合力,才能真正让AI见效。企业还需要相应建立AI与数据分析分析领导力:人员、流程与技术。

SAS白皮书认为,AI不能以黑盒方式运作于企业的数据分析战略之外,而必须与企业的整体数据分析结合起来。不同的分析方法,适用于不同的业务场景。有的场景下,适用基于统计学等的数据分析;而有的场景,则适合用人工智能与机器学习的方式处理。

SAS公司作为全球最大的数据分析供应商,也在发展自己的人工智能与机器学习技术。与其它技术供应商不同的是,SAS在人工智能方面的核心竞争力,是把传统数据分析和现代机器学习算法集成到一个SAS平台上:也就是一个平台、任何分析算法。而这对于企业来说,是最理想的选择,这样可以在一个企业级技术平台上,管理所有的算法和分析。

一个平台、任何算法

成立于1976年的SAS公司,一直专注于商业数据分析领域。SAS公司在2016年被超过30份权威分析机构的报告或评估中被列为领导者,这包括分析、数据管理、数据整合、数据质量、数字营销、高级和预测分析、客户洞察、零售分析、商业智能、欺诈检测、安全解决方案等。根据IDC,SAS占全球高级和预测分析市场33.3%的份额,比前10名中其它9家相关厂商营收的总合还要多。

对于SAS公司来说,人工智能与机器学习也一直是其关注的算法方向。在机器学习领域,SAS重点关注深度学习算法;在自然语言处理领域,SAS重点关注自然语言理解。其中,深度学习算法可以让机器处理海量的数据,而不断增长的计算力则能让机器处理更大规模的算法模型;加上通过自然语言与机器进行交互,就可以创造人机之间更强的协同。

有了深度学习和自然语言理解这,企业就能在业务场景中创建模式识别、预测、分类、图像识别、语音识别、基于认知的搜索、自然语言交互和自然语言描述等AI能力。比如自然语言描述就是用机器分析大量的文档,然后机器再以自然语言的方式进行总结,将结果返回给人们;基于认知的搜索,就是通过根据网民的画像,推荐同类用户都喜欢的商品。把这些AI能力组合,就可以开发出AI应用。

SAS公司在深度学习方面已经有超过40年的研究历史,而在自然语言理解方面也有超过30年的研究投入。今天,这些研究成果都已经嵌入到了SAS数据分析平台产品中,包括SAS 9平台和SAS Viya云服务。通过SAS一个平台跨本地部署和云端,企业可以管理整个分析的生命周期。

SAS公司大中华区总裁吴辅世强调,SAS公司过去两年投入了10亿美金开发了新一代的SAS Viya云平台,是云分析、高性能分析、人工智能分析等统一集成开放平台,而无论是SAS 9还是SAS Viya都拥抱和融合了开源分析技术,从而成为新一代企业分析的关键性技术平台。

SAS开源技术白皮书指出,SAS 9和SAS Viya都兼容开源的机器学习语言Python和R,与Hadoop开源大数据框架结合,能够在混合云环境中很好的转换。SAS公司还在数据治理、可扩展性、兼容性、用户交互、可视化分析、可移植部署、高效运算等方面,对人工智能和机器学习算法进行了商业化和工程化处理。

此外,SAS也支持开源应用和SAS平台之间的相互调用,SAS也在Github维护了由SAS负责的开源项目。作为开源项目开放数据平台(Open Data Initiative,ODI)的创始成员、数据管理项目(Data Governance Initiative,DGI)的合作伙伴,SAS公司一直保持与开源社区的互动。

最佳高级分析实践

在2017年第三季度的时候,美国数据科学领域的市场调查公司TDWI发布了一份《高级分析:迈向人工智能、机器学习和自然语言处理》企业调查报告,指出已经有不少企业率先采用了人工智能、机器学习和自然语言处理,其中多数是联合使用商用和开源技术,特别是用开源技术建立模型后再投产到商用工具平台上,而先行者们已经从这些新型高级分析技术和应用中受益。

TDWI发现,那些成功部署了高级分析技术的企业,更愿意衡量这些技术所能创造的价值。这是因为,在这些企业中已经形成了数据分析的良性循环。也就是说,当一个企业向分析平台中添加更多的数据时,就能产生更好的分析结果,更好的分析结果能驱动企业更加成功,而当企业一旦在分析的基础上实现了更高营收后,就更愿意向新的分析技术进行投资。TDWI称之为“分析的成功周期”。

在前期已经见效的AI等新型高级分析应用中,既有传统的金融欺诈与风险分析、用户行为分析等场景,也有预测性维护场景,还有互动聊天机器人以及嵌入了自然语言交互的B2B应用,在图片分析和疾病诊断中也使用了深度学习的方法,其它场景还包括翻译、新药开发、认知教师、网络安全、智能汽车等等广泛的领域。

TDWI发现,这些成功的早期采用者有两个普遍的最佳实践:在应用AI等新型高级分析技术之前,必须要清楚地明白和理解企业的目标;其次是IT部门要与业务部门一起合作,才能真正把AI等新型高级分析技术在企业内落地。TDWI指出,在实施AI等新型高级分析技术时,要有一个清晰的项目目标,从而让所有项目涉及到的利益方都能够认同项目,还要时刻保持对项目目标的关注。

在具体实施AI等新型高级分析项目时,还有一个成功策略:建立最佳实践中心(CoE)。所谓最佳实践中心,即由跨部门、跨职能、跨组织的高级分析领导力成员所组的小组,这个小组不仅负责构建和部署分析技术与策略,还负责在企业内部培训以及传播最佳分析实践。

其它的最佳实践还有获得企业高层的认可、分析的结果可衡量、在定义项目目标前先做数据实验、组建核心团队构建PoC概念验证、建立内部信任、对分析成果不断沟通与传播等。

SAS公司赞助了TDWI的本次用户调研。通过调研,TDWI总结了机器学习、自然语言处理和人工智能等技术的10大最佳实践:理解业务挑战、尽快从小处起步、了解开源技术的好与不好、雇用数据科学家、建立最佳实践中心、由分析专家执掌和管理项目、要考虑基础设施(包括云)、注意数据质量、分析结果要可执行、了解分析成功周期。

人工智能将推进数据分析进入到新的黄金时代,2018年将举办首届SAS数据分析企业大赛,相信有更多的企业代表将带来在人工智能与数据分析方面的实战见解与经验分享。

对于正在建立人工智能战略的企业来说,应当认识到人工智能与数据分析必须结合在一起才能真正为企业创造商业价值。正如Gartner近期指出:首席数据官应马上认识到,为了让人工智能发挥出全部潜力,必须在数据科学领域培育更高的组织能力,并利用数据与分析获得各种洞察力。(文/宁川)

2017-11-28

经过了2017年的发展,创业三年多的云计算公司EasyStack在今年收获颇丰:宣布了C轮融资;推出了开源PaaS、开源行业云、中小企业开源云等系列产品;进入了更多的开源云技术领域;入选Gartner全球八大OpenStack企业、OpenStack基金会用户调查报告的全球十大OpenStack厂商;企业用户数超过200家,系列产品入围央采软件协议供货项目等。

相比三年前创业时候只有OpenStack单一产品,如今的EasyStack已经扩展到了多种开源云相关的软件领域,包括云优化的Linux、容器集群管理Kubernetes、分布式存储Ceph等,同时发布了混合云ESCloud Hybird升级版。在云解决方案方面,从私有云、行业云扩展到了混合云、行业托管云等形态。更重要的是,EasyStack的用户群正在从行业头部企业呈向下和区域辐射。

EasyStack CTO刘国辉认为,随着各种开源云相关技术的快速发展,企业用户已经不仅仅需要单一的开源云产品,而是多种组合起来的开源云技术构建软件基础设施,从而满足企业不断发展的需求。另一方面,开源云市场上多种技术的软硬一体化大集成,因为降低了云技术的应用门槛走向普及市场,而掌握了核心技术和工程化能力的开源企业将赢得市场。

EasyStackCEO陈喜伦进一步强调,无论是基于安卓还是苹果的智能手机,都是软硬一体化的交付,云的未来也不会是OpenStack、Kubernetes、Linux技术的分离,而是基于主流的开源技术,打造一个简单、易用、可多云管理的跨云一致体验。

开源模式成功的金三角

从2010年OpenStack创立到现在已经过去了7年,这7年间OpenStack市场也经历了泡沫期和洗牌沉淀期,现在正迎来收获期,多家OpenStack厂商正竞相角逐整个开源市场。

相较早期的OpenStack创业公司之间的小竞争,当前整个行业开始拥抱开源技术,创业公司领导者和行业巨头都已参与到竞争中来。面对现状,EasyStack有什么方法能让开源模式获得成功呢?

EasyStack CEO陈喜伦强调,开源模式的成功有三大关键因素:首先是社区,社区是开源模式成功之本。EasyStack从创办之初为社区贡献代码,到现在成为OpenStack基金会黄金会员、成为社区重要项目的引领者,一直坚持为社区做贡献。“我们三年下来一直在坚持贡献社区,经历了从参与到引领的过程,建立了中国公司在国际开源社区的影响力和领导力。”

其次是客户,客户是开源模式的试金石。早年的Linux创新项目,往往缺乏市场化的检验。而EasyStack的客户包括人民银行、中国银联、中国建设银行、中国邮政储蓄银行、海通证券以及国泰君安等金融企业,这些企业对IT有着非常苛刻的要求。EasyStack经受住了金融企业的考验,在竞争中脱颖而出。现在的EasyStack获得了行业的认可,更获取了大量的客户,其中也不乏世界500强企业。

第三是生态。有了社区之本,也有了客户作为试金石,当行业开始普遍并加速采用开源技术的时候,生态就显得非常重要。陈喜伦表示,EasyStack和国内外主流的服务厂商、存储厂商、服务器厂商以及网络厂商建立了合作伙伴关系,而在这两三年间,EasyStack也完善了计算、网络、存储和IaaS等基础层面,未来EasyStack希望通过应用的容器化以及AppCenter应用中心的一站式集成,与合作伙伴共同打造商业生态的闭环。

陈喜伦认为,当前的市场格局,不管是美国还是在中国,核心都是类似的。以开源社区为根本、打磨世界级的产品、服务头部客户去得到实践检验、然后聚集生态,最终让开源模式获得成功。

用户态度在转变

EasyStack正在不断扩大自身客户群和生态。有报告显示,中国OpenStack的十大用户中,有50%是EasyStack的客户。EasyStack COO王瑞琳表示,随着云计算市场的变化,这些客户对开源云的态度也在发生转变。

首先,用户对云服务的认识已经逐渐清晰。以往EasyStack需要先去教育用户为何OpenStack是转型云计算的一种路径。而现在,EasyStack接触的超过95%用户已经能够主动选择这条路线,OpenStack早已成为私有云、行业云构建的事实标准。

EasyStack的方案不仅受到各个行业领导者的关注,还正在向二级甚至三级的地方机构延伸,在这个过程中也收获了不少客户,包括长沙银行、台州银行以及福建海峡银行等。交通部、广西广电、南方电网、铁道科学研究院等大型国企,尽管对IT的理解和接受程度相比金融业要晚,但现在也开始使用OpenStack技术以及EasyStack搭建的云服务。海尔、可口可乐、上汽乘用车、宇通客车、TCL等制造业企业,也开始拥抱开源,采用EasyStack提供的解决方案。

其次,用户对云服务的需求也在发生变化。现在的用户不仅仅需要OpenStack的IaaS能力,而是希望能够实现更多样的功能。EasyStack已经帮助中国银联和中国邮政储蓄银行分别上线了分行托管云,这意味着两家银行的云形态正在发生改变;另一些用户希望EasyStack能够在已有的IaaS上叠加PaaS的能力,EasyStack为国家电网、南方电网以及江苏农信等部署了具有PaaS能力的云服务方案,包括大数据的集成、容器以及交付。

现在的用户希望基础软件能够更加“厚重”,在统一的环境中拥有多个能力,并通过云服务进行输出。因此,在面对业务体系复杂的大客户时,王瑞琳表示,EasyStack能够提供云服务咨询以及整体集成能力,在产品端持续集成,满足客户需求的功能,最终形成一整套的企业级服务。目前EasyStack已经服务了各行各业的大型企业,包括大型国有企业以及清华大学、东南大学等高校。

坚持走产品化路线

EasyStack能够在开源市场的竞争中脱颖而出,另一个重要推动力就是产品化的能力。EasyStack CTO刘国辉表示:“我们非常坚定的在推动,基于开放开源技术为核心的产品化这样一条路子,而且没有动摇过。”

以开源架构、开放平台为核心坚持奉行产品化,是EasyStack选择的道路,那么支撑EasyStack产品化能力的又是什么呢?刘国辉表示是EasyStack非常强的工程化能力。从三年前,EasyStack就开始强化自身的系统工程能力,团队不仅需要为产品中新加入的功能,同时还要解决功能的可靠性、可用性以及可升级性等等,而产品能够展现出来的这些特性,也都有赖于很强的工程化能力。

产品化的路线和支撑产品化的工程化能力,是EasyStack所有能力的根基,同时也帮助EasyStack走到今天。现在的EasyStack产品需要面对的,则是新阶段带来的新挑战。

当前,OpenStack正在进入新的发展阶段。现在客户对云平台需求,已不止于对基础资源的管理,而是对业务的支撑。在支撑类能力基础上,又演化出来云服务之间的互联互通,以及在不同的资源池中弹性伸缩的问题。为此,OpenStack基金会正在推动“云集成引擎”新策略,以帮助企业用户解决相关问题。

刘国辉认为,过去6个月间,亚马逊和微软加入了CNCF基金会,这是一个不寻常的信号。这意味着,原先的提供公有云和私有云的企业,也希望通过开源技术,构建开放的云端环境,将应用和需求都放在开放的平台之上。

EasyStack也希望通过产品化来帮助用户解决这些问题。刘国辉表示,不论是开放还是整合,最终都要通过产品化的形式来支撑客户的实际需求,而且交付的产品还要尽可能简单,让用户能够快速掌握。

EasyStack产品化的灵魂就是“Easy”。在对产品的设计理念上,EasyStack做了大量的工作,包括实现多云架构和混合架构的能力、应用编排能力,以及简化技术复杂度的能力,同时与国内领先的金融企业合作,共同打造出可落地的方案,实现最简的产品化交付。EasyStack希望最简的产品化交付能够实现更多的功能,比如EasyStack基于Kubernetes+OpenStack+Linux的操作系统,垂直向下能够兼容各种硬件、横向可兼容多云和混合云、向上还能够支撑应用,这是EasyStack产品化的重要战略。

凭借对产品化模式的坚持,以及支撑产品的工程化能力和对行业的深入观察,EasyStack正在不断发掘更多的客户,也在逐渐壮大自己,现在EasyStack的员工数量已经增加到200人。陈喜伦表示,进入C轮、拓展到200多家客户之后,公司产品线也逐渐丰富,未来EasyStack的业务也将逐步走向全球,成为一家来自中国、以开源技术为核心、产品化的世界级基础软件公司。(文/宁川)

2017-11-26

随着移动互联网、物联网、云计算等企业互联网技术对于中国企业的全面渗透,企业业务流程、人员和资源等的在线化程度越来越高。过去,企业以线下运营为主,通过软件与网络技术对线下的生产、经营等进行管控;而随着企业的线下业务流程、人员和资源都数字化后,企业的运行形态和运行模式正在全面在线化。

另一方面,中国消费者的信息消费水平在不断提高。根据中国信通院,在2016年,中国网民规模达7.31亿、居全球第一,中国网络零售交易额达5.1万亿元、增长26.2%,中国还建成了全球最大的光接入网络和全球最大的4G网络。随着消费互联网与企业互联网的融合,我国信息消费正从以线上为主,加快向线上线下融合的新形态转变,信息消费正在深刻影响实体经济的运行模式、B2C零售的新需求以及企业B2B2C营销的全新体验。

实际上,移动互联网、社交媒体等已经深刻的影响和改变了企业营销,现代企业营销将围绕消费者的“关键时刻”而展开,从而形成B2B2C的新企业营销模式和新零售体验。

消费者主导企业全新营销变革

2005年的时候,被誉为“整合营销之父”的美国西北大学商学院教授Don E. Schultz提出了新的营销理论:消费者的“关键时刻”营销。

Don E. Schultz认为,随着信息技术的发展,企业必须颠覆传统的4P营销思维,而应该以消费者需求为中心,在消费者解决自身需求的过程中,寻找营销的“关键时刻”。过去营销方式是传递信息、消费者接受,然后实现购买和再购买,而在一个消费者主导的、交互性的新市场营销体系中,营销的关键不是企业要卖什么,而是消费者想买什么。

为此,Don E. Schultz提出了以消费者需求为中心的SIVA理论,即Solutions—消费者寻求解决问题的方案、Information—消费者寻找的信息、Values—给消费者带来的价值、Access—消费者解决问题的入口。

今天,SIVA理论在电商领域得到了广泛的应用,当消费者的新需求出现的“关键时刻”,京东、淘宝等电商平台能够围绕着消费需求迅速提供解决方案、解决方案相关信息以及可带来的用户价值,一旦消费者决定就可以马上通过电商平台购买,在短时间获得满足感。

企业营销的“关键时刻”:全新零售体验

消费者“关键时刻”营销正在深刻影响企业B2B、B2C营销,这就是根据消费者(People)的“关键时刻”(Time)快速连接企业营销渠道和产品资源(Place & Products)形成围绕“关键时刻”的新营销流程,在消费者决定购买的短时间内快速了解用户画像、连通线上线下营销渠道,贯通购买旅程、满足消费者的瞬间消费欲望,然后通过快速、完整的销售闭环实现企业订单转化,成就全新的、无缝连接人、场、货的零售体验。

甲骨文公司作为老牌的企业级应用软件开发商,近年来大力发展云计算业务,特别是基于SaaS模式的ERP、CRM、HCM、客户体验等SaaS软件。甲骨文公司副总裁及中国区应用软件总经理潘杰君在谈及这两年推广Oracle SaaS产品的体会时表示,相比于传统的本地化部署应用软件模式,Oracle SaaS软件完整可拓展、部署可快速、创新可持续,可以创造全新的体验并赋能新业务。因此,Oracle SaaS为连通和贯通企业营销的“关键时刻”,创造了必要的数字化平台。

百洋医药集团成立于2005年,是一家专注于健康产业投资和运营的企业集团。作为医药营销起家的集团公司,百洋医药拥有分公司10家、办事处50个、合作大中型医院12000余家、药品批发公司1200余家、药店230,000余家的强大营销网络和现代医药物流配送平台,百洋医药已经成功把多个国际健康品牌带入中国市场。

这几年百洋医药集团开始转型,成立了自己的信息技术公司百洋智能科技,作为中国新型医疗信息化领航者,服务于供应链上众多合作伙伴的信息化和数字化转型。百洋智能科技搭建了“三端两云一平台”,为医院、药企、药店、医生、患者提供智能化解决方案,包括决策智能端、患者诊后管理及处方信息共享端、医生技能提升端,以及为医院提供信息化服务的菩提医疗云和为行业提供智能化精准营销服务的明镜营销云。

最近,中国的医药流通行业迎来了重大发展机遇。之前的医药销售主要通过医院渠道,而未来则主要通过药店的零售渠道。但中国有46万家药店,这些药店很分散,最大连锁店占市场份额不到2%。百洋智能科技携手Oracle营销云,打造了“明镜营销云”,用云服务快速打通线上线下的营销渠道,通过智能化的营销工具实现品牌商、药店和患者三方的连接、互动及精准营销闭环。同时,百洋智能科技还与甲骨文通过Oracle NetSuite ERP云,帮助品牌商和药店有效管理药品库存,及时满足消费者的即时购买需求。

创新B2B2C:全新数字化体验

在信息化主导的新的B2B营销中,企业需要一个全面而高度集成的数字化平台围绕消费者“关键时刻”打造全新、完整的数字化体验。

Forrester认为,数字化平台对于企业来说非常重要,当企业试图为客户生命周期的每一个环节都提供数字化体验时,就必须要依靠平台化的技术,特别是跨市场营销、商务、服务、分析等功能的平台。

根据Forrester Wave的2017Q3数字体验平台报告,甲骨文位列该Wave象限的领导者,而且是唯一的领导者。Forrester评价说,Oracle客户体验云解决方案(Oracle CX Cloud Suite)拥有最为广泛的产品线组合以及全面的云化,包括内容、商务、市场营销、数据、分析和客户关怀等在内的所有服务,领先市场上的所有厂商。

Oracle客户体验云解决方案(Oracle CX Cloud Suite)最大的特点是能够快速上线、模块化实施、高度定制化、打通企业运营全流程。也就是说,Oracle营销云已经不再是一个营销的平台,而是企业业务流量的入口,通过营销云去连接和打通企业的各个环节,形成一个围绕最终消费者“关键时刻”的全新的B2B2C营销模式。

对于Oracle营销云来说,在中国市场还必须要连接微信平台。微信是中国市场的主流社交媒体平台,拥有 9.63 亿用户,并有大量的品牌和企业进驻微信的生态,通过订阅号、服务号和小程序来与用户进行互动。

2017年,甲骨文将营销云中的 Oracle Eloqua 与微信公众平台接口进行集成,把微信引入了Oracle营销云的生态。这一方面是为旗下Oracle Eloqua产品接入了微信的9.63亿月活用户,极大拓展了企业营销的消费者覆盖面,让企业营销可以更好的抓住消费者的“关键时刻”;另一方面微信用户也涵盖了诸多企业公众号、覆盖了中国不同的地域、行业,非常适合中小企业B2B营销。

正如百洋医药集团董事长付钢所说,之所以选择与甲骨文合作,一个重要的原因是技术机遇。甲骨文原来是全世界最大的商用软件服务公司,在最短的时间里完成了SaaS化,Oracle SaaS连续两年被IDC评为中国市场企业级SaaS云应用第一。而软件SaaS化是大势所趋,云技术不仅仅前期投入少,更在数据分享、导入、功能延展和用户反馈方面都是全面的升级,可以快速赋能新零售行业和客户体验。

SaaS云+移动互联网+4G/5G通信网络,催生了信息消费时代,围绕消费者“关键时刻”的营销需求,对企业后端业务流程的快连接、快打穿、快闭环,这就是全新的企业营销模式。(文/宁川)

2017-11-22

根据慧聪的《2016年中国广电行业发展报告》,2016年我国广电行业搭乘“互联网+”的快车,深层融合、深度洗牌,深刻改变行业内在结构,激发行业新发展,2016年是广电改革发展、转型升级、提质增效的重要一年。

而在行业整体转型升级,并取得出色战果的大环境下,离不开创新科技在背后的默默支持。央视“新闻选题智囊系统”就是这些不为人所知的幕后英雄中的一个。该系统为央视新闻台分布在世界各地的2000余名新闻工作者,提供了实时、多角度、个性化的新闻线索推送,确保每个央视新闻工作者在第一时间掌握自己关注领域的最新信息。

2017年6月,央视“新闻选题智囊系统”获得2016广播电视科技创新奖二等奖。

五年前开始的智能化战略

央视新闻频道工作人员有近2000人,分布在国内31个省市的记者站,以及国外3个分台、4个中心站,共约70个分支机构。除了前期采访、后期栏目制作外,还有策划等多个央视新闻部门。

庞大的规模和节目制作量,带来了对新闻内容源的大规模需求。当时,除了固有来源渠道外,近60-70%的新闻线索来自互联网。从采访到节目制作,当时的央视新闻团队主要依靠个人寻找素材源、判断新闻价值、报选题、做决策。

2010年,央视与IBM共同创建了“新闻选题智囊系统”,开创了新闻资讯共享的新业务模式。该系统构建了新闻线索自动采集和内容分析引擎,对互联网、中央电视台内部信息源进行实时的新闻线索采集,通过内容特征分析、关联分析、内容聚合等“理解”内容含义和特征,并获取热点话题。

该系统再根据内容分析,主动把不同的新闻线索有针对性地推送给2000多个新闻工作者,相当于2000多个新闻视角,千人千面的“智囊”极大提升了央视新闻工作者的效率。

2000多个新闻视角的背后

“新闻选题智囊系统”每天有2万多条线索数据,如何根据2000多个新闻工作者的视角,按时政、社会、地方、军事、经济等以及热点、突发事件等分类方式,分门别类、按需、及时推送给2000多个新闻工作者呢?

在互联网技术基础上,“新闻选题智囊系统”在不违反网络安全法规定及各公众网站的管理规定的前提下,利用扒网技术将新闻节目部门需要的重点网站中的新闻信息抓至本地,自动分析、聚类、处理后,再通过手机短信、邮件、系统内推荐区域、手机APP等方式及时推送到新闻工作者的手里。

央视“新闻选题智囊系统”在架构上,按照信息的流转过程可分为信息收集、信息处理和信息展现三大层共12个功能模块。其中,信息收集是新闻线索信息等数据的统一入口,信息展现是处理以后的数据出口,中间的信息处理部分则是对信息进行智能识别和分类的核心。

(上图为新闻选题智囊系统功能图)

底层的信息收集层包括互联网渠道采集、人工新闻线索录入、专有渠道采集和采集接口管理四个模块。“新闻选题智囊系统”可管理多个并行的采集任务,通过对广泛的新闻信息源的采集,包括众多互联网站、中央电视台呼叫中心、中央电视台新闻联络人、各合作机构线索的实时采集,汇集了海量的新闻线索。

中间的信息处理层包括新闻线索分类、新闻线索聚合、新闻线索人工审订、文本内容分析四个模块。通过自动排重、同源信息合并、分类筛选等手段,“新闻选题智囊系统”对获取来的新闻信息加以清洗与整理,构建了与外界实时同步、富含新闻价值且高效的新闻线索库,从而提供最新、最热、最全面的一手资料。

在内容分析方面,“新闻选题智囊系统”通过文本内容分析引擎对海量新闻线索的内容进行分析,不仅能够分析获取当前的新闻热点,也能清晰的判断热点事件的生命周期阶段,结合新闻事件(话题)在众多新闻渠道中的原发期、酝酿期、成熟期、衰退期等阶段不同特点,为新闻生产指挥人员提供智能化指导。

另外,内容分析还结合了央视新闻的覆盖范围广泛、需要根据新闻题材和地域等分类的特点,也通过分类规则、分类语料等进行了自动化的内容分类,基于分类进行热点及突发事件分析和判断。

最上层的信息展现层包括线索浏览、线索查询、用户个人工作台、线索订阅管理和新闻线索话题五个模块。“新闻选题智囊系统”结合内容分析结果与新闻工作人员的工作特性,把新闻线索分门别类地推送给新闻工作者,同时也支持记者根据自己的需要定义订阅规则,极大提升了日常寻找新闻线索的效率。

“新闻选题智囊系统”结合搜索以及自定义关注主题,可以把新闻线索实时抽取出来,例如十九大、共享单车等都能定义为不同的版块,并推送到新闻工作者在系统内的个人工作台上。通过底层和中间层汇聚统计层,上层实现个性化、定制化展现,就组成了2000个新闻工作者的2000个新闻视角,实现高效获得信息。

走向人工智能大未来

央视“新闻选题智囊系统”是过去几年整个中国媒体行业数字化、智能化转型大潮中的一个典型代表。

2012年,IBM商业价值研究院就发布了《超越数字化:媒体与娱乐行业的未来》白皮书,指出媒体与娱乐行业必须关注消费者的个性化内容需求,生产与消费者及时相关的内容,从而创造个性的内容体验,而不仅仅是分发数字化内容。

2017年IBM商业价值研究院还进一步发布了《拥抱内容世界,迎接崭新未来》白皮书,指出随着互联网和社交内容与数据的大爆炸,传统的分析解决方案将无法完全发掘大数据的价值。而认知计算可以充分发现和利用所有数据中隐藏的洞察,以服务于决策支持。应用人工智能、机器学习算法和自然语言处理功能等,认知计算可理解海量数据(包括超过 80% 的文本数据),从而将分析提升到至全新水平。

IBM的2017白皮书《媒体行业数字化再造进行时》还指出,新的数字经济要求全球媒体行业要走过三个“数字化”阶段:从物理媒体到数字媒体的数字化、统一所有数字流程和技术的数字化转型、重新想像内容价值链与生态系统的数字化再造。对于媒体来说,基于人工智能的数字化再造是终极目标,也是进行时。

实际上,对于所有行业来说,数字化再造都不可避免。更重要的是,企业、消费者、产业等整个生态环境都在同时进行数字化再造,在这个前所未有的数字化大潮中只有奋起直追的选择,起步越晚越被动。(文/宁川)

美剧《硅谷》描述了几个企业服务技术的创业者,想凭借独特的新型文件压缩算法进行创业。然而,即便在硅谷这样的地方,VC们也难以理解这种新型文件压缩算法的商业价值,更不用说如何进行商业化。

在投资者的压力下,《硅谷》中的企业服务创业者们开始谋求各种互联网或传统IT的商业变现路径,包括快速积累流量和用户数、打包到一体机“盒子”里销售以求赢利,甚至不惜造假以迎合VC们的要求。

《硅谷》的情节正发生在今天的中国企业服务创投界。根据IT桔子/拓扑社《2017中国企业服务创投数据报告》,2015年作为中国企业服务创业的元年和爆发期,众多一线投资机构纷纷抢摊,当年的企业服务创业公司数量也创下了近年之最。

随后,中国的企业服务创业公司数量在2016年出现了断崖式下跌。到了2017年虽然开始回升,但VC们却对企业服务创业公司的商业模式、盈利能力等提出了“矫枉过正”的要求,美元基金和本土的人民币基金都试图套用以往的经验。

近日,国内企业服务创投界的第三方投资服务机构钛资本董事合伙人周鹤鸣对外表示,中国企业服务创投界到了要“去泡沫”的时候了。所谓“去泡沫”而不是“挤泡沫”,是因为企业服务创投界还没有出现类似小蓝车倒闭的互联网创投泡沫现象,但企业级服务创投也要反思,主动去“泡沫化”。

这个“泡沫”并不是指企业服务创业公司数量上的“泡沫”,而是指企业服务创投领域的美元基金过于看重互联网快速扩张模式、中国本土基金则过于看重短期赢利的制造业模式,从而导致大量优质企业服务创业项目拿不到投资、已经拿到投资的项目“动作变形”。

周鹤鸣指出,在中国运作的美元基金有国际视野,依托纳斯达克和硅谷两大科技创新群体,对于前沿科技有着先导性把握能力。美元基金可以跳出一般科技公司的发展周期,以五到十年时间来评估科技创业公司的前景。

但美元基金在中国也面临挑战。首先,美元基金多熟悉消费互联网的商业模式,更愿意追求不带来销售的快速扩张,以追求公司整体的高估值,这样就导致最终投资退出的挑战。如果选择拆VIE在国内IPO,那么根据中国IPO的现行规定,企业必须盈利才能上市。而这与消费互联网创业公司追求高估值但可能不盈利的结果,就截然相反。因此,美元基金必须对中国资本市场的运作规则有更为清醒的认识。

其次,美元基金必须理解企业服务公司在中国的商业环境中有着不同于美国的发展路径和节奏。最早一批的中国企业服务创业公司中,大部分的创业者来自互联网领域。这些企业服务创业者虽然对互联网技术有深刻的理解,但对于中国企业级市场的游戏规则却理解不深,A轮后的企业发展压力陡增,挑战重重。

特别是中国企业市场的大头仍是大中型企业而不是小微企业,如何与大中型企业打交道、如何理解大型企业的采购和决策流程、如何打标、如何满足大型企业在安全、合规和容灾等方面的需求、如何与大型企业的各级决策层进行沟通等等,这些都是互联网公司出身的创业者所不原生具备的知识与经验。最近,国内最早从互联网公司出来的OpenStack创业公司UnitedStack最终被清华同方收购,就是一个典型的例子。

周鹤鸣强调,中国大中型企业市场有着自己的节奏和规律,不能简单以互联网思维“杀入”,对中国大型企业的IT环境只能渐进式改良,而不能追求从根本上颠覆,因为都有大量的原有资产需要周全考虑。另外,中国整体的消费观念不同与美国,美国的企业级一体机产品把软件、硬件、服务打包在一起,能够售出更高的价格,因为美国市场整体认可服务的价值,但在中国却走不通。因此,必须要顺应中国的市场环境,才能找到合适的发展路径。

而对于本土基金来说,大部分的老牌本土基金都非常熟悉制造业的商业模式,因为这些老牌本土基金在过去十几年以投资制造业为主。今天转换到投资科技创业,特别是企业服务创业,对于本土基金来说同样带来了新的挑战。

首先,本土基金在投资企业服务创业公司的时候,过于追求类似制造业的短期回报,也就是期望在两到三年就能看到规模化营收。但对于创新型企业级技术来说,从技术研发到产品化再到商业化,至少也要走过三到五年的打磨时间,也就是说更多的投资并不能显著加速这个进程。

其次,本土基金在挑选创新型高科技项目时,由于缺乏国际视野和必要的技术背景知识,而无法对好的项目做出正确和前瞻性判断。创投最难的就是要进行前沿性判断,在技术价值没有释放之前就进场,而不能等到技术价值已经释放了再进入,那样就错过了最佳投资窗口期。实际上,很多本土基金都认为自己错过了互联网一代,就是这个原因。如果以利润来判断标准,无疑肯定会错过前瞻性窗口期。

周鹤鸣强调,在中国市场操盘企业级服务创业投资,美元基金不能固守互联网产品经理思维、不能一味追求扩张速度而导致被投企业“动作变形”,本土基金要理解高科技需要投入、产品打磨需要时间。

而国家层面对信息安全的关注,以及去IOE商业层面的大潮,客观上为这一波的本土企业级服务创新创业腾出了发展窗口期,2015~2025年这10年可能是最好的成长时代,特别是在IT基础架构领域。周鹤鸣认为,不论是美元基金还是本土基金,都不要错失中国企业级服务创投的机遇。

钛资本是一家成立于2015年的企业级服务创投咨询机构,核心业务之一为当时填补国内创业市场与资本市场对接中的一个重要空白:投融资服务与专业化投后管理。专注于中国的企业级服务创业市场,钛资本、投资机构和被投企业,组成了一个价值互增的铁三角。钛资本帮助挖掘具有潜在价值的企业级服务创业项目,通过手把手的教练式咨询进行投后管理,为促进中国企业级服务市场的良性发展而努力。

周鹤鸣介绍说,钛资本在过去的两年间,一直致力于挖掘中国市场上的“土豆型”企业级服务创业项目。实际上,由于市场上的信息流通不充分,导致经常在媒体上爆光的创业项目,往往能引起投资者的注意力。但有大量散落在民间、未被投资人注意或得不到投资人注意的“土豆型”项目,往往却是企业级服务创业市场的中坚力量。

周鹤鸣补充说,消费级项目更侧重品牌公关,这比较容易理解,因为可以直接转化成获客或提升品牌,但是企业级项目更应该花时间在客户和合作伙伴身上,因为企业客户的购买决策是更加理性的行为,媒体或朋友圈的宣传推广并不能替代严格的技术测试环节。周鹤鸣强烈建议投资人应该从行业里而不是从媒体上去物色投资标的。

钛资本已经完成或正在帮扶的“土豆型”项目有一长串列表,这些项目的普遍特点是:创始人都来自于企业IT领域的精英,有着长期企业级市场的操盘经验,对于企业级用户的痛点和需要有着清醒的认识,无需大规模资金的支持已实现正向营收。

随着小蓝车项目的倒闭,周鹤鸣呼吁国内创投界更关注企业级服务创业领域的优良标的,企业级服务投资机构的管理决策团队要调整思路,为企业级服务创业者们创造良好的融资环境,从而扶持起中国正在崛起的新一代企业级服务供应商,让基础科技创新成为中国社会发展的主要动力。(文/宁川)

2017-11-21

​在2017年11月,IDC 发布了 2017 年上半年中国公有云 IaaS 市场份额调研结果,阿里云扩大至 47.6%、其次腾讯云占9.6%、第三名金山云占6.5%。而中国公有云 IaaS 市场2017 年上半年整体规模超过10亿美元,同比去年增长近七成。阿里云、腾讯云、金山云也同时在2017年把人工智能高调放在了战略高度。

中国信通院指出,随着云计算进入到发展的第二个10年,公有云服务竞争愈加激烈,私有云服务市场需求不断增大,混合云逐渐成为云计算的主流模式,云计算发展呈现出从互联网领域向其他传统行业延伸的趋势。在向传统行业延伸的过程中,人工智能是撬动传统行业的有力杠杆。

如何打好人工智能牌,从而在新一轮的市场竞争中胜出,中国公有云前三甲有着各自的选择。

从All In云到战略投入AI

在中国公有云前三甲中,阿里云起步最早规模最大、腾讯云自有生态庞大、金山云最坚决All In云计算,殊途同归的是,进入云计算下半场,三家都在战略投入人工智能。

早在2009年,阿里就成立了云计算公司,专门投入团队自主研发大规模分布式计算系统,也就是阿里云的基础。到了2017年上半年,阿里云已经占据了中国公有云市场近50%的份额。2016年开始,阿里云开始全力投入人工智能和机器智能,2016年10月推出了阿里云ET城市大脑,并随即扩展到ET医疗大脑、ET工业大脑、ET环境大脑等行业大脑,2017年更晋身AI国家队。

金山云是国内较早投入云计算的公司。2012年3月,金山软件拆分金山快盘业务,成立独立子公司金山云。2014年雷军提出“All In云服务”,当时的金山有12亿美金,但却要拿出10亿美金投入云计算。2017年,金山云首次对外披露了营收数据,这是国内除阿里云之外第二家披露财务数据的公有云厂商。金山云同时宣布人工智能成为新的战略,2017年6月 发布了KAP人工智能云平台。

从All In云到高调进入AI,反映了公有云厂商的周期性变化。在公有云初期,庞大的自有生态是大厂的必要条件,比如腾讯云凭借腾讯的社交入口和用户规模,占据了中国公有云市场的第二把交椅,而游戏、社交、媒体等行业也是腾讯云的重点领域。自有生态不仅为公有云厂商带来了流量,更重要的是带来了实际的业务场景和实验田,让公有云厂商可以打磨自己的技术。例如在接入小米云服务之初,金山云每天要处理将近一亿张图片和120万段视频,规模在全球也不多见。

战略投入AI,则是云计算厂商规模发展到一定程度的必然结果,因为云计算体系的规模已经庞大到无法通过人工管理,而必须要借助基于人工智能算法的自动 化IT管理。无论是阿里云、腾讯云还是金山云,都不约而同的发展出了自己的人工智能技术体系与能力,这就是技术规模化到一定阶段的必然产物。

抓住互联网与实体经济两个场景

打好人工智能之战,有两个战场要抓住:互联网业务场景、传统行业与实体经验业务场景。

对于阿里云、腾讯云和金山云来说,互联网场景是老本行。阿里云的电商、互联网金融场景,腾讯的支付、游戏与社交场景,金山云的办公软件、视频与游戏场景,这些场景都让这三家走到了中国公有云市场前三的位置。

阿里云依托广泛的电商、经济和移动数据,发展了基于大数据智能的人工智能技术。腾讯AI Lab则专注于计算机视觉、语音识别、自然语言处理和机器学习等技术领域,目前月活用户已近10亿的微信是腾讯AI技术的主战场之一。金山云则依托于游戏、视频和小米系生态,更多是应用人工智能技术解决具体用户需求。

阿里云、腾讯云和金山云都依托各自的互联网生态,发展起了较为完整的人工智能技术体系架构。腾讯云DI-X深度学习平台,适用于社交、广告、游戏等场景。阿里云的机器学习平台PAI 2.0,支持图像识别、推荐系统、搜索引擎、公共云等应用。金山云推出的人工智能云KAP,则主打混合云+人工智能,满足医疗、健康、自动驾驶、天气预测、营销、能源、物联网等行业的AI需求。

在阿里云、腾讯云和金山云三大云服务商中,金山云的人工智能方向更偏向行业应用,这与金山云这几年大力拓展小米系以外的业务有直接关系。到2016年,由于金山云在政务、医疗、教育等行业市场的布局,非小米系业务的收入在大幅增长,小米系在金山云收入中的贡献相应下降到了25%,而这些行业用户的需求相应反应到了KAP中。

人工智能+实体经济是新战场

在近期的十九大报告中提出,要推动互联网、大数据、人工智能和实体经济深度融合。阿里云、腾讯云和金山云作为中国公有云前三甲,也一直在积极布局传统行业与实体经济。阿里云和腾讯云对于传统行业和实体经济都是走大平台战略,金山云则在围绕传统行业用户需求时会针对更细分的场景。

阿里积极通过新制造、新零售、新金融、新技术、新能源的五新战略,大力拓展产业互联网生态。菜鸟网络、蚂蚁金融、阿里云已经构成了连接物流、金融和应用软件的庞大商业网络生态,而阿里还在积极拓展以盒马鲜生为代表的新零售生态、以淘工厂为代表的新制造生态,并把人工智能嵌入到这些环节中。

腾讯云一方面以产品化的思路,面向行业应用开发相应的AI产品。今年8月初,腾讯发布了一款AI医学影像产品,即腾讯觅影。腾讯觅影是首款AI食管癌筛查系统,准确率超过90%;在肺结节方面,可以检测出3毫米及以上的微小结节,检测准确率超过95%。在另一方面,腾讯云则以平台化方式连接实体经济,特别是依托微信生态的“互联网+”连接更多产业。

相比之下,金山云则更像是小而精的独立服务。早在2015年,金山云就联手北大医信推出的基于“公有云+私有云”模式的医院信息化“混合云”解决方案。2017年,金山医疗云进一步构建了一体化的“1+4”结构,即1个云数据中心、4个面向不同人群的平台:面向医疗管理者的金山大数据分析平台、面向医院的金山基础设施云平台和大数据分析平台、面向基层机构的金山基层医疗卫生服务云平台以及面向居民的金山公众健康云平台。针对分级诊疗要求,金山医疗云还研发部署了金山分级诊疗辅助管理平台。

总体而言,在公有云的上半场,一众公有云厂商通过互联网的业务场景,打造了各自的云生态。当互联网市场的竞争趋向稳定时,如何用人工智能等新技术撬开传统行业市场,就成为了公有云下半场最大的看点。

在传统行业面前,互联网出身的云厂商都是平等的,胜出的关键就在于抓住典型行业用户的需求,不断打磨解决方案。那么,究竟是大而广的商业网络和社交网络策略能赢,还是小而精的路线能够出奇制胜,这要看谁能击中用户痛点、谁的进展速度更快了。(文/宁川)

2017-11-19

对的,有一条叫T.J.的拉布拉多小狗加入了IBM认知计算转型之路。T.J.正在接受Guiding Eyes for Blind的导盲犬训练,希望有一天能成为一条合格的导盲犬。Guiding Eyes是一家训练导盲犬的美国公益组织,该组织在每一条导盲犬的训练上要花5万美金和两年时间,却只有37%的成功率。如今,IBM Watson把预测哪一条小狗能够顺利从导盲犬训练中毕业的准确率提高到了100%。

IBM供应链合规主管Lorraine Trapani是Guiding Eyes的志愿者,参与导盲犬的训练工作,T.J.在8周大的时候被送到了Lorraine家里。T.J.这个名字源自IBM创始人T.J. Watson,自从基于云的IBM Watson认知计算学习了50万份医疗资料和6.5万份训练记录后,在对105条参与Guiding Eyes的小狗能否顺利毕业进行预测时,成功率达到了100%。

现在,Guiding Eyes、IBM还与北卡罗来纳州立大学合作,在训练中的导盲犬身上安装可穿戴传感器,以研究如何减缓小狗的焦虑,这是最难以测量也是直接能决定导盲犬能否顺利从Guiding Eyes毕业的重要预测因子。

2016年,IBM提出了outthink品牌宣言,在通往人工智能和认知计算的数字化道路上,必须要跳出一般的想法和框架。IBM大中华区首席数字官兼数字销售业务部门总经理徐云程说,作为15年的IBM老兵,她现在去台湾见到的年轻同事曾是棒球职业选手、在上海遇到学心理学的同事、在大连遇到学设计的同事,徐云程感叹数字化时代发展的太快,唯一能够致胜的就是靠人。当然,你还可以与一条叫T.J.的拉布拉多小狗一起突破转型思维!

新的IBM、新的时代

百年老店IBM正在进行一场世纪转型。

自2015年底发布了基于认知计算的“认知商业”品牌愿景,IBM是首家宣布全面转向人工智能与认知计算的超大型科技公司。 IBM董事长、总裁及首席执行官Ginni Rometty在多个场合强调,IBM不再是提供软件、硬件和服务的公司,而已经转型为认知解决方案和云平台公司。

在截止到2017年10月的IBM 2017财年第三季财报,尽管IBM营收延续了22个季度的下滑,但下滑趋势已经大为缓和,甚至有触底反弹的迹象。当季IBM营收达到了191.5亿美元,高于分析师的平均预期,财报公布当天IBM股票跳涨。财报显示,IBM第三季度云业务(其中包含云即服务业务)营收为41亿美元,与去年同期相比增长了20%;而认知解决方案部门营收为44亿美元,同比增长4%。云、移动、认知计算等战略业务在过去的12个月达到了349亿美元的营收、占到了IBM总收入的45%。此外,IBM保持着25亿美元的自由现金流。

显然,IBM正在打一场数字化转型和数字化重塑的攻坚战,而且正在赢得这场战争。云、移动、认知计算等对于IBM来说属于创造营收的新兴数字化业务,这被IBM称为数字化重塑(Digital Reinvention),而IBM自己也在使用这些数字化技术转型自己的运营方式,这被称为企业的数字化转型。IBM正在这两个战场同时作战,帮助全球的企业在实现数字化转型的同时,开始数字化重塑。

2017年11月,IBM全球企业咨询部(GBS)在北京推出了系统的数字化重塑方法论以及“5+1”企业数字化重塑解决方案。作为IBM上一次成功转型的产物,IBM GBS在2016年产生了170亿美元的营收,是目前全球最大的企业咨询团队,现在IBM GBS正在领衔数字化转型与数字化重塑之战。

对于一个新的IBM,以及几乎每天都在快速变化的数字化时代,正如徐云程所说,人才战略是成功的关键。

跨界思维、选对人才

在人才的选择方面,以往IBM会将资历、经历和学历放在第一位,但现在更看重三项能力:第一是快速学习的能力,第二是勇于突破的思辨能力,第三要有让自己和他人快乐的能力。

除了这三项能力之外,IBM更强调人才自身的能量。所谓自身的能量,即现在的商业社会强调跨界,从互联网跨界到金融、地产、医疗等,人才更需要对个人能力有所突破,这就是人才自身的能量。此外,新人也要懂得包容,与他人、公司甚至整个行业共进退,才能在职业生涯中有更好的发展。

IBM大中华区招聘总监薛莲坦言,在当今的市场上,拥有这三项能力和能量的人才往往是稀缺或者急缺的人才。不过,现在的IBM却越来越充满着这样的稀缺人才。IBM大中华区董事长陈黎明就是其中一个,2015年2月陈黎明从石油公司BP转会到IBM,成为了新一代IBM大中华区掌门人。

一个非典型科技人成为了IBM大中华区的掌门人,这个“跨界”不可谓不大。在走马上任半年后的2015年8月,陈黎明对外提出了“3+3战略”,即三大战略支柱+三个战略支点。三大战略支柱包括:近期巩固核心业务,中期推进成长计划,长期则是大胆探索、打破边界,让全球尖端科技落地中国市场,其中包括认知计算、前沿芯片技术等;三个战略支点就是信任、文化和简化流程。

在陈黎明等跨界人才的推动下,IBM内部也正发生颠覆式的改变,通过采用敏捷开发、敏捷运营以及“设计思维”改变工作流程,使得内部运作效率更高。IBM也针对业务汇报和人事管理流程进行了简化,例如以往某大中华区人事经理汇报到全球CEO需要十层,而现在只需要四层就能到达。这样的流程简化也应用在IBM的招聘环节:两年前招一名员工,审批流程有时需要20多个,现在只需要两轮面试就能完成。

更多的跨界人才在推动一个有30多万人的IBM,大步转变。徐云程举例说,IBM有一个年轻的员工,每天到办公室就会四个屏幕同时看,包括两个电脑屏、一个手机屏、一个iPad屏。为什么是四个屏幕同时工作呢,因为也不知道客户从哪个数字渠道进来。另外一位做技术销售的IBM员工曾帮助了一家电子商务初创企业理清商业模式,但实际上这是咨询师所做的工作。在这位员工在恶补了有关电子商务的知识后,结合自身技术销售的经验,再通过设计思维与团队共同研究,最终为这家经费紧张的初创企业提供了一套最佳的商业方案。

正如薛莲所言,IBM所选择的跨界人才,不论是来自公司外部还是培养自公司内部,拥有正能量很关键。IBM大中华区全球企业咨询服务部总经理麦俊彦强调,咨询顾问不仅仅是简单做一个咨询报告这么简单,而要以正能量影响他人及世界,这才是咨询顾问存在的意义。

新人才、新变化

薛莲把IBM在转型时期的人才观总结为“选、育、用、留”:从外部吸引有跨界能力的复合型人才;从内部培养可以应对企业业务变化能力的人才;做到知人善任、人尽其用;留住与IBM有共同价值观的每一位IBMer。

在选人方面,除了从外部找到合适的人才外,也要做好企业内部的育人。IBM一直依托于行业进行发展,因此要求员工都需要具有相关的行业知识,这些知识也需要通过企业内部的培养机制,传授给新员工。

在育人方面,IBM有一套完善的培训体系来支撑。其中,IBM的培训体系包括IBM全球CEO Ginni Rometty在2013年提出的每个员工每年40小时的学习计划,以及在2016年提出的Digital Badge学习计划,即在领英平台上展示自己在IBM的学习等。同时,IBM内部也会通过用Your Learning学习系统,让AI与员工进行对话,为员工选择适合的职业发展路线,并协助员工制定学习计划。

另一项就是IBM著名的师承文化。每个新进员工和在职员工,都可以找到自己仰慕的领导作为师傅,建立师徒关系之后,人力资源会协助建立一个两到三个月的学习计划,这样的文化使员工能够感到在技术、专业上有引领,同时在心灵上有依靠。薛莲表示,今天在IBM内部不仅仅是育人,更多是培育一种整体的学习文化,只有在共同的学习中,才能成就一家企业未来的梦想,达到企业转型、变化、突破的目的。

在用人方面,IBM在员工的职业需求、高精尖人才储备以及员工多元性上都有考虑。首先在公司内部,每个员工都可以通过Career Conversation实现不同的转岗和需求。Career Conversation是员工和领导交流的平台,每个员工都有机会和部门领导畅谈并设计个人的未来。其次,IBM也会针对特殊岗位和高精尖人才进行储备,这在公司内部被称作“长板凳计划”,为重点岗位做好人才储备。最后,IBM开放、公平、多元的文化使得公司有着众多的女性领导,同时公司也会招聘残疾人员工,让所有人都在IBM开放的文化氛围中共同工作。

至于如何留住人才,薛莲认为,从人力资源的角度,如果在选人、育人和用人方面都能做好,每一位领导、每一位经理和人力资源一起将人才的选择与培养做到位,相信留人不是太大问题,并且留住的也一定是和IBM有着相同价值观的人才。

对IBM来说,留住人才,尤其是高端与专业人才的一个关键要素就是公司的文化和愿景。薛莲表示,与本土企业竞争人才,IBM更多依靠自己的底蕴,对人才的尊重、对人才的公平性,以及IBM开放、公平、包容的文化氛围。

当然,对于年轻员工来说,IBM不只是通过提供关键岗位,也提供更平等的交流机会。通过与项目或者部门负责人的直接沟通,年轻员工不仅能获得解决问题的方法,也能为整个项目或业务部门带来新的建议。而且在IBM的产品和业务的转型中也出现了大量的机会,一些内部项目对于外部三年以下的候选人提供了更多机会,这也成为了IBM吸引年轻人才的优势。

现在,每个IBMer都在根据业务和团队需要在不同程度上运用着敏捷创新和设计思维方法, 并在基于Watson人工智能技术的内部学习平台获得新的培训,为客户或者潜在的人才带来创新的数字化体验。

作为一家百年企业,IBM在实现数字化转型的过程中关注人才,针对人才的选拔和培养进行了大量投入。通过“选、育、用、留”,吸纳多元化人才,培养数字化人才,让员工在各自的岗位上最大化自身作用,与企业分享自己的见解,实现与公司共同成长。反过来,这些新的人才也会通过自己的方式,帮助IBM在向认知企业转型的道路上走的更快、更好。

在IBM这场世纪数字化之战中,一条叫T.J.的拉布拉多小狗都能加入,还有什么样的认知和转型是无法突破的呢?(文/宁川)

2017-11-17

​2017年11月15日,在科技部新一代人工智能发展规划暨重大科技项目启动会上,科技部长万钢强调要把发展人工智能作为当前乃至未来一项战略性任务来抓。要全面推进人工智能的技术突破、产业发展以及经济社会深度应用,把握好人工智能发展的机会窗口,为世界人工智能发展做出中国贡献。

本次启动会公布了首批四个国家新一代人工智能开放创新平台,依托BAT和科大讯飞公司,建设城市大脑、自动驾驶、医疗影像和智能语音等国家新一代人工智能开放创新平台。其中,阿里云入选了城市大脑国家新一代人工智能开放创新平台,这也就意味着阿里云ET城市大脑正式升级为国家级平台。

在国家新一代人工智能开放创新平台的四大方向中,自动驾驶、医疗影像和智能语音在国外都已经有了相同的方向,但“城市大脑”却是“另类”,可以说是最具中国特色的人工智能方向。马云在世界智能大会上说,在人工智能技术方面,弯道超车不如换道超车,为未来制定标准,走出中国自己独特的道路。

“城市大脑”:世界级的挑战

自从2016年10月首次提出“城市大脑”以来,阿里云就大力推广“城市大脑”并积极在合作城市中落地。杭州作为首个尝鲜的城市,自去年10年开始与阿里云合作,如今杭州“城市大脑”每15分钟就能根据摄像头数据调节红绿灯资源,对道路和时间资源再次分配,让老百姓早一点回家。

2017年10月,阿里云与杭州合作一年的“城市大脑”项目成果,城市大脑1.0正式发布并交出成绩单:接管杭州128个信号灯路口,试点区域通行时间减少15.3%,高架道路出行时间节省4.6分钟;在主城区,城市大脑日均事件报警500次以上,准确率达92%;在萧山,120救护车到达现场时间缩短一半。

很多人认为“城市大脑”是智慧城市的升级版,但其实不然。智慧城市可以理解为城市的信息化建设,包括为各个交通路口安装摄像头并将图像和视频数据回传到城市的数据中心里存储并用于人工分析。但随着数据量的激增,已经突破了人工分析的极限,这就需要机器智能来自动化分析并提供辅助决策。

在2017年10月的阿里杭州云栖大会上,阿里云机器智能首席科学家闵万里解释了“城市大脑”的挑战:到目前为止的人脸识别、智能语音对话、图像与视频识别等人工智能技术都已经高度成熟,但仍是分散的解决单个问题的单体智能,如何把这些分散的技术有机结合在一起形成单体多能?当多个多能单体在一起竞争的时候,如何形成系统智能?这些都是世界级的挑战。

以交通治理为例,当出现救护车的场景时,道路上有私家车、公交车、电瓶车甚至闯红灯的行人在争抢,那么如何及时协调附近的红绿灯,让机器自动计算出一条“生命之道”?从单体单能到单体多能再到多体多能之间的有机协调,可行吗?

“这条路很难”, 通过在杭州萧山的一年摸索,“至少我们证明一件事情:可行性、可达性。”闵万里如今也入选了新一代人工智能战略咨询委员会,是27名专家成员之一。

通往“城市大脑”之路

“这一条路怎么走过来的?千里之行始于足下,肯定首先在基础性的功能做到极致。视觉、视频、人脸识别已经在城市大脑当中用起来,精准量化每一个路口左转车辆有多少、右转车辆有多少、直行车辆有多少。精准的识别车辆类型,帮助城市做交通政策研判、实时排堵等,这些都已经做到了。”闵万里回顾一年的“城市大脑”历程时如是表示。

车流量大、路网复杂、路面立体,是城市交通的主要特点。阿里云ET城市大脑通过一个普通的摄像头,就能读懂车辆运行状态和轨迹,同时实时分析来自交通局、气象、公交、高德等13家机构的海量交通数据,这一视频数据处理规模在全范围来说也属罕见,因此也催生一系列世界级技术。

首先,为完成复杂场景下的车辆检测,阿里云ET城市大脑的视觉计算团队提出基于区域融合决策和上下文相关的多任务深度神经网络,解决多视角、多姿态及车辆遮挡等问题,这一技术成果打破了全球权威视觉算法测评平台KITTI的世界纪录,将车辆检测率拉升至90.55%。

其次,针对交通事故识别、人流轨迹判断、交通数据样本研究等场景挑战,阿里云ET城市大脑团队提出了相应的技术解决方案,形成了3篇技术论文并入选国际顶级学术会议——第25届国际多媒体会议ACM Multimedia。

例如,在针对交通事故识别方面,阿里云ET城市大脑团队设计了一种时空自编码进行视频异常检测,同时提出一种权重递减的预测误差计算方法,让机器可以自动识别交通事故,该算法在重要指标上已经超过了此前的最好方法。再比如人流轨迹判断方面,通过机器识别同一人出现的时间、位置来判断人流轨迹,进行红绿灯、公交站点等调整,阿里云ET城市大脑团队提出的算法,目前精确度已达业内最高水平。

然而,这仅仅才是开始。以协调120救护车为例,怎么从全局的角度让最有优先级的救护车及时通过拥堵的道路,重点在于中间的环节,即让每一个路口的信号灯提前几十秒开通绿色通道,这就要精准知道救护车几点几分到达哪个路口,做提前规划。

为此,阿里云ET城市大脑团队调动了120实时NLP智能语音分析,用机器自动解析救护车要去的医院以及沿途路径,然后解析出沿途每一个关键节点到达时间并据此调整信号灯,最后就是把指令下达到急救车司机、交通信号灯指挥中心以及医院急救室,整个过程是自动化和智能化的人机联动协调的结果。

阿里云ET城市大脑在萧山区试点120救护车等特种车辆的优先调度,通过事件报警、信号控制与交通勤务快速联动,一旦急救点接到电话,城市大脑就会实时计算,自动调配沿线信号灯配时,把120救护车到达现场时间缩短一半。

交通治理仅仅是“城市大脑”的开始,社会治理和公共安全保障,同样是“城市大脑”的重要功能。结合视频分析技术,“城市大脑”能够对整个城市进行索引,通过精细定位、全局视频分析、营运数据,分析车辆主题关系和行为模式,萧山区精准管控“两客一危”及违法处禁车辆,实现了交通分层治理。

有中国特色的机器智能

“城市大脑”的一项基础能力是用机器对全城数万路摄像头进行实时分析,做出全局的判断,如果换成人类交警,仅仅是去看这些视频就需要十几万人。所以,马云所说的在人工智能技术方面走出中国自己独特的道路,强调机器智能的重要性,在很大程度上是因为中国的特色场景。

在城镇化方面,我国城市规模不断扩大,城镇化水平持续提高。国家统计局数据显示,2016年末,我国城市数量达到657个,市辖区户籍人口超过100万的城市已经到了147个。而2015年,京津冀、长江三角洲、珠江三角洲三大城市群,以5.2%的国土面积集聚了23%的人口,创造了39.4%的国内生产总值。

在商业方面,阿里天猫创造的双11购物节在全球也是首创。2017天猫双11全球狂欢节总成交额超1682亿元人民币。其中,无线成交占比高达90%;支付宝支付笔数达到了14.8亿笔,同比增长41%;支付峰值达到25.6万笔/秒,是去年的2.1倍,再次刷新去年创下的峰值纪录;产生的物流订单量达到8.12亿单;参与双11的全球网民覆盖了225个国家和地区。

仅以物流来看,根据国家邮政局公布的统计数据,2016年我国快递业务量突破300亿件、同比增长53%,继续稳居世界第一。2017年1-10月,全国快递服务企业业务量累计完成311.4亿件,同比增长29.1%。2017年双11期间,根据国家邮政局监测数据显示,主要电商企业全天共产生快递物流订单8.5亿件,同比增长29.4%;全天各邮政、快递企业共处理3.31亿件,同比增长31.5%。

简单从上述数据,可以看出机器智能对于整个社会经济的普惠价值更高。2017年7月9日在全球人工智能高峰论坛上,阿里巴巴技术委员会主席王坚指出,“互联网发展到今天,我们要做的是用机器解决人类解决不了的问题。在这个意义上,比起人工智能,机器智能这个词更加准确。……城市大脑不但能造福百姓,也会像登月计划一样,成为机器智能未来10年最重要的研究平台。”

四个国家新一代人工智能开放创新平台,标志着我国新一代人工智能发展规划和重大科技项目进入全面启动实施阶段。尽管目前我国的人工智能技术基础研究方面还相对薄弱,但有了我国的世界级规模业务场景,以应用带动基础研发,从有中国特色的“城市大脑”方向换道超车,不是没有可能。(文/宁川)

2017-11-15

IBM是最早全面向人工智能和认知计算转型的超大型科技企业。2015年,IBM推出了认知商业愿景,这是IBM公司105年的历史上第三个品牌愿景。早在1995年,IBM就描绘了“电子商务”的愿景;2008年,IBM推出了“智慧的地球”;IBM再次推出 “认知商业”愿景,显示了向认知计算转型的决心。

而对于企业来说,怎么向认知商业转型?早在2013年的时候,IBM商业价值研究院就提出了数字化重塑的概念,并发布了《数字化重塑进行时》白皮书,提出企业正从以客户为中心向E2E(Everyone-to-Everyone,人人对人人)经济模式转型。IBM认为在E2E经济模式下,企业必须进行基于认知计算等技术的数字化重塑。

2017年6月,IBM在大连开设了全球第42个IBM Studio,专注于用设计思维帮助中国企业进行数字化战略重塑。2017年11月,IBM再次在北京推出了系统的数字化重塑方法论以及“5+1”企业数字化重塑解决方案。显然,IBM要通过数字化重塑,打开以认知计算为核心的认知商业时代之门。

平台经济时代的数字化重塑

(上图为IBM大中华区全球企业咨询服务部总经理麦俊彥)

从数字化转型到数字化重塑,究竟应该如何理解?可能很多企业还处于数字化转型的过程中,IBM已经在推下一波数字化重塑了,甚至IBM专门注册了一个“Digital Reinvention”的商标,以为数字化重塑的到来做好准备。

要理解数字化重塑,就必须要理解E2E经济。IBM称,传统以用户为中心的模式将过渡到E2E时代的新模式,那么E2E经济又是什么?E2E经济的一个典型代表就是Uber。Uber并不是以某一个用户为中心,而是通过一个技术平台,动态地在司机群体和乘客群体之间建立了“人对人”的自助式点到点连接。

换句话说,E2E经济就是互联网时代典型的共享平台经济。所谓共享平台经济,就是类似电商、租房、打车、P2P网贷等各类互联网平台,在一个移动互联网平台上把用户群和服务供应商群自动化连接起来,从而满足用户的“临时化”需求,再通过共享平台完成自动化的交易。平台关注的不再是具体的某个用户个体的体验,而针对某一类业务场景下的用户群共同的体验。

E2E经济是数字化平台高度发达的产物。随着社交媒体的爆炸式发展、移动设备和移动互联网的全面普及、数据分析技术的高度成熟和普适,以及无处不在的云计算基础设施,以社交、移动、分析和云为代表的数字化平台高度成熟了,这就有可能创造出类似Uber、Airbnb这样的共享自动化交易平台。

在E2E时代,消费者和用户体验将被重塑,企业的数字化重塑自然就被提上议程。IBM大中华区全球企业咨询服务部总经理麦俊彦介绍,IBM将数字化重塑体系和方法归结为一个中心六大核心能力:一个中心即以新型用户体验为中心;而六大核心能力为数字化业务模式创新、用数字化技术不断激活市场、精准捕捉用户行为、通过敏捷运营及时响应用户的“临时化”需求、建立生态圈和数字化组织能力。

五大落地解决方案

2017年11月9日,在北京举办的“IBM人工智能与数字化重塑创新日”大会上,IBM全球企业咨询服务部发布了“地平线系列-1”解决方案,推出了包括数字化重塑、Watson流程再造、认知和自动化流程外包、新一代企业数字化核心应用平台、微服务和云迁移、认知企业自动化等系列企业数字化重塑服务。

众所周知,IBM全球企业咨询服务部是上一次IBM世纪大转型成功的产物。而在认知计算和认知商业时代,IBM全球企业咨询服务部首当其冲要肩负起推动企业数字转型和数字化重塑的重任。

实际上,自从2013年发布了“数字化重塑”的概念后,IBM也在不断摸索和尝试到底怎样为企业落地“数字化重塑”,把Watson认知计算技术与企业的产品、业务和运营结合起来,打造一个完整的解决方案体系。“地平线系列-1”解决方案的提出,就是过去三年IBM“数字化重塑”实践的总结。

首先,IBM全球企业咨询服务部提出了数字化重塑方法论,这是一种从根本上重新设计组织机构如何进行创新、运作以及如何与其环境、员工、客户和合作伙伴进行互动的路径,重点在于重新设计企业的数字化战略和用户体验、重新设计企业的运营方式、建立新的技术平台。

其次,IBM全球企业咨询服务部围绕“数字化重塑”,重新规划了自己的能力和组织结构,形成了数字化战略和iX(用户体验)、认知流程转型、云应用创新等三大咨询服务业务线。

最后,IBM全球企业咨询服务部为企业“数字化重塑”,提供了“地平线系列”解决方案,首批推出“5+1”解决方案。

简单来说,围绕E2E经济,企业需要设计新的用户体验、相应需要新的数字化战略,然后在新数字化战略下重新设计业务流程,最后就是需要一个可以支持“数字化重塑”的技术平台。那么,IBM全球企业咨询服务部就提供了相应的三大咨询服务业务线匹配企业“数字化重塑”的三大阶段,具体落地到“5+1”解决方案,同时还有丰富的技术、研发、生态等配合。

具体来看一下“5+1”解决方案。其中,“数字化重塑”帮助企业设计新的用户体验以及相应的企业数字化战略;“Watson流程再造”利用数据科学、Watson、敏捷流程设计、物联网和区块链等,重塑企业的业务流程;“认知及自动化的BPO(业务流程外包)”则用于改造大型企业的业务流程外包,实现新型的基于认知的业务流程外包,比如基于认知计算的财务票据机器识别等;“新一代企业数字化核心应用平台”指IBM与SAP S/4HANA和Oracle等共同 打造的企业云平台;“微服务和云迁移”则是使用微服务加速企业向云迁移。

在五大解决方案之外,还有一个核心解决方案,这就是“认知企业自动化”。所谓“认知企业自动化”,简单理解,就是过去企业的IT系统运维需要IT管理服务,现在则用认知计算和自动化方式加以改造,让整个企业的业务和IT系统不仅能够自动化,而且还可以通过人工智能的方式,快速重新组合起来,满足用户的“临时化”需求。

为什么是IBM?

对于受到Uber等冲击的传统企业来说,数字化重塑是一个势在必行的战略。根据一份IBM商业价值研究院发布的报告,类似Uber这样的新竞争对手正在跨越产业边界,新的商业模式正深刻地颠覆着各个行业,数字化重塑成为了企业未来生存发展的关键。

那么,企业数字化重塑,为什么要选择IBM呢?首先,在数字化转型和数字化重塑的资源方面,IBM在全球有50个IBM体验式设计工作室(iX Studio)、86个创新中心、55个交付中心;其次,在咨询和实施团队方面,IBM有全球最大的企业咨询团队,超过125,000精通各行业的资深咨询师,IBM全球企业咨询服务部在2016年收入已突破170亿美元;再次,IBM在过去十年完成了100多次收购,成功完成了向云平台和认知计算的技术转型,有充足的技术资源储备。

IBM副总裁、大中华区全球企业咨询服务部高级合伙人、数字化战略及体验设计与认知流程转型负责人赵亮表示,IBM GBS的核心竞争力在于完整的端到端的实施能力,也就是说IBM不仅能够做数字化战略咨询和战略设计,也有极强的落地能力,“5+1”解决方案就是具体的落地方案。以云平台为例,IBM GBS不仅有SAP、Oracle专家也有Salesforce实施团队,不仅有IBM Cloud、AWS云专家也有阿里云等中国云专家,还有Unix大型机、IBM Private Cloud等混合云技术,能够全面满足大型企业的技术需求。

IBM大中华区副总裁、全球企业咨询服务部合伙人、云应用创新解决方案负责人Sean Coffey表示:”企业数字化重塑的一个关键就是要‘上云’。我们帮企业实现向云转型,客户根据他们的需求来配置不同的云技术,把不同的解决方案整合在一起。我们和其他云服务提供商并不是面对面的直接竞争,而是帮助客户来选择所需要的云服务。IBM还提供了微服务,可以帮助企业快速把不同的应用进行数字化重组。”

一大批国内外企业先后选择IBM作为数字化转型和数字化重塑合作伙伴。赵亮坦言,在与互联网公司竞标中,IBM往往能够走到最后,这还因为IBM的长期行业知识积累。IBM在制造、零售、汽车、快消等18个垂直行业领域,与全球170多个国家的企业合作数字化转型和重塑。以金融行业为例,针对金融产品的银监会注册、报备、合规等所有业务体系,IBM就可以很容易地驾驭,但互联网公司往往就缺乏金融行业实践经验。而对于麦肯锡等咨询公司来说,IBM不仅有落地的能力,还有为蒙牛、华为等中国大型企业服务的实战经验。

中国企业数字化重塑的一个例子是华润集团。华润集团拥有4000家超市、500家太平洋咖啡店、758家医药和健康零售门店、60个购物中心、100家医院,IBM运用设计思维、敏捷开发及分布式部署的一系列最新技术架构,对华润的多业务场景进行创新化梳理,从消费者角度出发,洞察、分析线上线下场景中所涉及的业务方案,逐步实现了“客户通、电商通、跨境通、积分通”的“四通”。

IBM还帮助东航完成了数字化东航的战略设计。作为全球第七大航企,东航拥有中国最大的空中互联网机队、全球首家航空公司运营的电商公司,近年来在智慧服务、自动化管控、可视化运营等方面取得了巨大的进步。IBM利用移动、大数据、云技术、认知技术、物联网、智能穿戴等新技术,为东航规划了一系列面向未来业务的应用场景。双方创新实现了“互联网+航空”,为旅客带来全新的生活方式体验。

IBM大中华区全球企业咨询服务部总经理麦俊彥在“IBM人工智能与数字化重塑创新日”上表示:“企业的数字化进程已经进入到数字化重塑的阶段,这是利用最新的科技,实现研发、生产、流程乃至企业文化的颠覆性改变。IBM不仅可以帮助企业勾画如何在未来几年重塑业务的蓝图,还可以一起实现这个蓝图。”更为重要的是,IBM自身也在经历数字化转型与数字化重塑,IBM自身的转型经历和经验,就是其它企业最好的借鉴蓝本。

当然,IBM GBS现在大力推以认知计算和人工智能为代表的数字化重塑,另一方面也抓紧以ERP现代化为代表的数字化转型,毕竟大部分企业目前还处于数字化转型阶段。但是大家都已经看到了以共享经济为代表的平台化经济大趋势,数字金融生态圈、数字汽车生态圈、数字旅游生态圈等E2E的模式,IBM已经先行一步做好了布局并与全球不同的企业合作展开试点,从这个角度来说,IBM自身就是一个巨大的共享平台。(文/宁川)