博客首页|TW首页| 同事录|业界社区
2018-01-16

2016年8月华为全联连大会上,华为轮值CEO胡厚崑在主题演讲中说:哪里有什么洪荒之力,成功都是一步一步走出来的!然而,对于2017年才大举进入公有云市场的华为来说,确实遇上了“洪荒之力”:联合国《2018世界经济形势与前景》报告指出2017年全球经济实现了3%的总体增长,这是自2011年金融危机以来全球经济增长的最高纪录,2018年和2019年也将保持这个增速。

2017年对于中国经济来说是一个关键的转折之年,联合国报告指出2017年的中国经济比前一年实现了更加快速的扩张,是自2010年以来的首次加速。2017年也是华为公有云业务正式启动的一年,成立云战略业务单元(Cloud BU),云服务成为华为四大战略业务之一。

2017年也是全球云计算产业十周年,业界关于华为是否来晚了的讨论一直不绝于耳,直到联合国报告出炉才有了一个答案:来得早不如来得巧。但对于华为云来说,成功也是要一步一步走出来。

大企业市场全面复苏

华为提出来的云2.0(Cloud 2.0)时代,主要指的是1.0时代以中小企业上云为主,而到了2.0时代将以大企业上云为主。云2.0时代,将是华为的主场。

根据2017年全球各大企业发布的财报,很多大型企业都从金融危机中恢复过来。欧洲电器设备公司ABB在2017年前9个月的净利润增长了23%、日本工程机械设备公司小松在2017年4月到9月的净销售额同比大涨45.6%、美国工程机械设备公司卡特彼勒2017年三季度净利同比猛增2.7倍、欧洲最大银行汇丰控股集团2017年第三季度税前利润飙升448%等等,可以说全球大企业普涨基本上是2017年以来的基本格局。

中国的制造业在2017年得到了加强,这是受到内需与外需改善的支撑,以及企业信心提振的影响。联合国报告指出,以上因素再加上强劲增长的生产者价格,这些都导致了中国工业利润在2017年取得了百分比双位数字的增长。而根据中国国家统计局的数据,2017年1-11月份:全国规模以上工业企业实现利润同比增长21.9%,在41个工业大类行业中,39个行业利润总额同比增加,规模以上工业企业实现主营业务收入同比增长11.4%、利润率达6.36%。

随着全球经济结构的转型,特别是中国自2012年开始的以去产能为首要任务的供给侧改革,不仅带来了2017年大企业的新一轮复苏,还带来了行业集中度和企业规模的进一步提升,而这就导致对于规模化和集中化IT的新需求。2018年1月11日新年伊始,华为云就与金蝶国际软件集团签署战略合作协议。金蝶曾经是一家传统的软件企业,金蝶向云的成功转型,就发生在近两年。

华为轮值CEO徐直军表示:“Cloud 2.0时代,政府、企业都在走向云化、信息化,华为要把握住这波信息化进程,把平台、核心技术和芯片做好,使得我们的合作伙伴基于这些来服务好各行各业,帮助推动中国的信息化进程。”

华为小步快跑进军云计算

2017年3月,华为轮值CEO徐直军在长沙华为中国生态伙伴大会2017上宣布,华为将组建负责公有云的Cloud BU,并在2017年强力投资公有云。到了9月的华为全联接大会上,华为轮值CEO郭平进一步表示,未来全球将集中到“五朵云”,而华为将成为“五朵云”之一。而在成为全球“五朵云”之前,华云是否能以最快的速度跻身中国“三朵云”呢?

回顾华为云在2017年的进展,主要围绕企业级云服务布局,体现了四个字:小步快跑。2016年8月,华为在全联接大会上表示云2.0时代最重要的是化云为“雨”,让云计算为企业业务创造价值。但如何让云计算创造业务价值,特别是为传统大型企业创造业务价值,这还是一个“无人区”。之前,AWS亚马逊、阿里云等互联网公司的云服务为中小企业创造价值,已经形成一个比较清晰的模式。但如何满足大企业的云服务需求,这在全球也还是起步阶段。华为提出了“小步快跑”策略:从小处着手创造价值。

首先看在产品方面的“小步快跑”:华为云的服务从2016年底的10大类45个增加到13大类94个;上线包括制造行业数字化转型、EI企业智能、SAP 、HPC、软件开发云、云上办公、电商、游戏等50+解决方案。目前,华为已在30多个城市建立云服务节点,通过独有的三级云服务网络布局,覆盖全国七大区域,构建了一张覆盖国家-省-市三级的云服务资源网络。

2017年人工智能云服务成为了风口。在人工智能领域,华为早在2012年就成立了诺亚方舟实验室,专注于研究人工智能前沿技术。2017年9月,华为云把在人工智能领域的积累开放出来,在全联接大会发布EI 企业智能(Enterprise Intelligence),华为云EI在官网上线并提供三大类(基础平台服务、通用服务、行业场景解决方案)30多个企业智能服务,包括深度机器学习、图引擎服务、文字识别、人脸识别、智能物流、智能制造等服务。

其次看生态合作伙伴方面的“小步快跑”:2018年1月,华为云伙伴计划正式升级为2.0版,全新的云伙伴计划将提供更全面优化的权益支持伙伴构建基于华为云的业务实践和解决方案。目前,华为云伙伴总数已超过1000家,签约4家同舟共济合作伙伴, 实现了SAP、微软和达索等全球合作伙伴在华为云落地。

2015年华为发布了“沃土计划”,计划5年内投入10亿美元帮助开发者基于华为产品、平台、API进行技术和商业创新。目前“沃土计划”总计已投入5亿美元,2018年继续投入3亿美元帮助开发者开展技术、业务创新,同时加大在营销和销售方面的支持。针对华为云上的开发者,还制定了华为云开发者计划,每家开发者最高可获得10万美元扶持。另一方面,华为将提供覆盖ICT架构、ICT开发者以及行业ICT专家的新型认证体系架构,到2021年预计将累计为行业输送云认证及行业ICT认证人才15万人以上。

在政务云市场,华为已与全国200多个城市达成了合作,共建城市政务云。例如,上海、广州政务云都是华为云政务解决方案的重量级案例。

第三,在大企业所看重的混合云方面“小步快跑”。随着大量的企业和政府应用开始向云迁移,需要线下(咨询、迁移、维护)线上的综合服务。企业需要混合云解决方案,支撑企业应用可以在私有云和公有云之间进行灵活部署与按需迁移。华为在2017年推出了企业服务云化转型战略,联合合作伙伴共建行业云转型服务解决方案,涉及云咨询、云化评估、云规划设计、云迁移、云容灾、云安全、云运维等。

目前华为已在北京、深圳、成都建立了行业与规划设计验证实验室、灾备与迁移实验室、平安城市验证中心、金融服务验证中心,集成验证服务解决方案和新技术服务。华为还与行业重量级ISV合作,打造从底层基础设施到架构平台、上层应用的完整方案,构建一站式行业上云服务能力。华为企业服务还计划未来5年投资5亿美元,用于构建全场景服务能力和集成验证能力。

东风本田、大连软件园区、上港集团、大智慧、新再灵科技等企业选择华为云承载其创新业务; 德国三大汽车制造公司、中外运集团、法国标致雪铁龙汽车集团等一批全球500强企业选择了华为的合作伙伴公有云;华为还为中国的16个部委、15+省/直辖市和200+市/县级政府提供政务云,并与超过40个城市形成云计算战略合作。而在2017年10月发布的IDC MarketScape中国市场报告中,华为大数据平台和华为云政务解决方案分别进入领导者象限并排名第一。

系统输出华为数字化转型实践

在2017年华为云令人眼花缭乱的密集型签约、合作、发布会等活动等的背后,是华为大规模系统化的输出自己的数字化转型实践,这就是华为云的系统战略,也是华为云与其它几朵云的最大差异化点之一。

云2.0时代最重要的是化云为“雨”,让云计算为企业业务创造价值。但如何让云计算为业务创造价值,是否有一个可以参考的蓝本?当前,全球各行各业都在积极开展数字化建设,期望通过转型来支撑业务的长期、持续增长。作为一家拥有30年历史的企业,华为也同样有着数字化转型的强烈愿望。

华为2016年的销售收入达5216亿元人民币,在世界500强中排名第83位,公司业务覆盖全球170多个国家,全球拥有18万名员工、900多个分支机构、15个研发中心和36个联合创新中心,还有百万级的合作伙伴,其中包括6万多家供应商等。近几年来,华为的业务变革和IT建设沿着“提升用户体验”、“提升业务运作效率”、“构建轻量级IT架构”3条变革主线展开,在研发、销售、供应、交付等各业务领域进行了大量实践探索。

2016年,华为在关注通过变革提升企业效率的同时,也开始思考面对企业的快速增长,如何实现从中央集权模式转变为“听得见炮火的组织”的需求拉动供给模式。华为公司CIO、质量与流程IT管理部总裁陶景文认为无论是云化、服务化都只是手段,转型的目标要对准内外合规、促进业务发展、支撑企业高效运作。直白地说就是“内外合规、多打粮食、增加土壤肥力”,“粮食”对企业来说就是收入和利润,而“土壤肥力”则是能力和效率。

为此,华为提出了内部IT架构的三大转型:将传统垂直、封闭式的IT架构转变为云化、服务化的开放架构;从关注“内部流程运作”向关注“用户ROADS体验”转变(ROADS即Real-time实时、On-demand按需、All-on-line全在线、DIY自助式和Social社交化);从“内部作业IT系统”走向“与用户连接的实时智能系统”。

例如,研发是华为最大的业务,公司18万员工中有一半是研发人员。在研发方面,华为IT部门将产品开发时所涉及到的流程、工具、数据、编译环境等进行了服务化解耦,推出了包括测试云、编译云、开发者社区等在内的7种服务,服务于研发的整个流程,极大缩短了产品从研发到导入生产的时间。2017年,华为把内部的研发云服务对外推广即华为软件开发云。用华为轮值CEO郭平的话说,就是“我们自己做的降落伞,自己背着先跳一次试试。”如果华为安全顺利着陆了,那么对于其它客户来讲会带来极大的信心,同样也会给华为云业务带来极大的信心。

任正非在2017年底华为内部邮件提出: “我们实质是通过聚焦ICT基础设施和智能终端,提供一块信息化、自动化、智能化的‘黑土地’,这块‘黑土地’上可以种‘玉米’、‘大豆’、‘高粱’、‘花生’、‘土豆’……让各个伙伴的内容、应用、云在上面生长,形成共同的力量面向客户。”实际上任正非的“黑土地”一说并非突如其来,而是源自华为自身正在进行的“多打粮食、增加土壤肥力”的数字化实践。

当前困扰所有企业的云化策略选择,究竟应该是私有云、混合云还是公有云。陶景文的观点是:CIO应该忘掉这些技术名词,因为对于一个企业的业务而言,天然就具有跨云和多云诉求。华为在公司的全球网络架构以及数据中心布局上,以业务和用户ROADS体验为中心成功部署了8个100毫秒业务圈,其服务的目标就是在100毫秒内能响应所有国家的业务需求。同时,华为在核心的几个数据中心内积极实践了“极简”的网络架构,几十倍地减少了光纤的使用数量。在建设这样一个全球网络的过程中,就使用了大量的公有云服务,除了华为本身提供IaaS和PaaS服务外,在一些力所不及的市场上也同样会采用其他厂商提供的同类服务,以实现快速服务的目标。

实际上对于华为做云计算业务来说,技术、研发、人员、组织与投资等都不是问题,问题在于到底要做一朵什么样的云、要解决什么样的问题、解决问题是否有最佳实践。而华为相对于其它公有云服务商来说,最大的优势就是自身作为一家全球超大型制造企业的数字化转型实践,这是华为独一无二的资源;其次是集网络通信、IT、企业服务等在内的企业级产品、企业级的服务、企业级安全保障和企业级的应用体系,华为云和华为私有云的统一架构、统一API、应用自由迁移以及全球多云管理能力;第三是庞大的研发创新能力,欧盟委员会公布2017年工业研发投入排行榜中,前七名依次为大众、谷歌、微软、三星电子、英特尔、华为和苹果,2017年华为在研发方面的投入高达103.63亿欧元、占销售收入的19.2%。

展望2018年,随着大型企业市场的全面复苏,可以预见的是云计算市场将从公有云扩展到包括公有云、私有云、混合云和行业业等在内的多种形态的企业云计算市场。在这个市场里,包括华为、IBM、金蝶等一批从传统IT向云转型的企业级云计算服务商将迎来自己的新时代。正如任正非在2018华为总裁办第一号电子邮件中所说的:“不要妄自菲薄,未来的巨大发展空间,也有我们的生长空间;不要盲目骄傲自满,楼外有楼,天外有天。”(文/宁川)

2018-01-05

北京时间1月4日早晨,微软Azure平台发出了一个紧急通知,“我们计划在北京时间 2018 年 1 月 4 日上午11:30 开始自动重启剩余受影响的虚拟机”,微软官方信息也同时发布出来。

在2018年1月3日,也就是24小时之前,谷歌Zero Project团队提前披露了针对CPU(中央处理器)漏洞的相关信息(该团队曾计划于1月9日披露信息)。Project Zero是谷歌在2014年7月宣布的互联网安全项目,该团队主要由谷歌内部顶尖安全工程师组成,主要目的是发现、跟踪和修补全球性的软件安全漏洞。

几乎无一幸免

对于刚披露的安全漏洞,Project Zero团队针对Intel、AMD、ARM等公司的四款不同的CPU处理器,用三种方式变形方式进行攻击,最终都可以读取未经授权的内存数据。由于软件是构架在硬件之上,因此Windows、Linux、iOS、Chrome、Android、Mac OS也受到影响,整个行业几乎都被波及。

若干月之前,安全研究人员发现现代处理器在设计上存在重大漏洞,普通权限用户程序居然能够识别受保护区的内核布局及内容。现代CPU主要采用了“推测执行技术(speculation execution)”,用于提高CPU的运算速度。简单理解,CPU在执行计算任务时,并非是严格根据计算任务的顺序进行执行指令,因为这样会出现等待执行结果的时间浪费;而为了快速、提前以及并行解决问题,CPU会采用推测的方式,预测上一条指令的结果以及相应的下一条指令是什么,从而提前做好准备。但是这个机制在检查权限时出了问题,更为严重的是可能泄露了那些没有结束运行的命令信息。

漏洞的危险性在于“信息泄露”。攻击者可以通过一个虚拟用户攻击同一物理空间的其他虚拟用户数据。只要存在这类漏洞,受保护的密码、应用程序秘钥等重要信息都不再安全,面临随时被窃取的风险。

这样一来,如果云平台上被别有用心的人利用,完全有可能导致“使用云服务的用户能够看到其他用户的信息业务”。国外媒体认为“一个低权限的用户用一段托管在网页上的 JavaScript 代码,就可以访问内核内存”。更何况同一类型有三种不同的漏洞,都已经验证可以实现该种攻击。

其实谷歌Proejct Zero以及一些大学的团队早前已经发现了该漏洞,但一直没有公开,期间也没有出现被攻击的案例。这从一个方面说明,可能该漏洞过于“高精尖”并涉及到CPU和操作系统底层技术,迄今还没有被黑客利用。随着Project Zero的发现,该漏洞的消息逐渐在业界走漏,因此谷歌提前发布了该漏洞。

Azure在24小时内响应

微软是最早响应该漏洞的公司,截止到北京时间2018 年 1 月 4 日上午11:30,尚没有收到任何用户被攻击的消息。实际上,微软Azure早在几周前就已经发出了Azure的计划性维护通知,对虚拟机完成了维护,只要用户按计划进行维护,就不会受到任何影响。

不过此前微软Azure的通知是需要用户在1月9日前通过自助方式完成维护,而谷歌在24小时前刚发布了该漏洞的详细信息,这对于目前还没有自助完成维护的用户来说可能会随时受到影响。

经过对各方面影响的权衡和慎重考虑,本着“用户安全至上”的宗旨,微软Azure最后决定加快本次更新进度,从平台层面完成修复。同时引入以下保障:

  • 向所有Azure用户通过销售、博客、公告、邮件进行了紧急通知,第一时间让用户得知此问题的最新情况及解决进度。
  • 期间严格遵守对可用性集、虚拟机规模集以及云服务的 SLA 承诺。虚拟机上的操作系统磁盘和数据磁盘会在维护期间保持完好。
  • Azure 基础设施在虚拟化引擎级别进行了更新,对 CPU 和磁盘读写进行优化。用户不必更新 Windows 或 Linux 镜像。大部分用户不会在此次更新后观察到到显著的性能影响。
  • 世纪互联技术支持和运营团队全员动员,与后台团队紧密合作,全夜无休地协助用户解决升级过程中的问题,将影响降到最低。

目前,微软Azure中国区数据中心更新已接近尾声,帮助中国地区云服务的用户赢回了宝贵的时间。而对于其他厂商的软硬件产品和云平台来说,用户还需要及时咨询获取官方信息并行动起来,防范可能造成重大业务损失的全球性漏洞,以免成为攻击者的牺牲品。

新的一年,从云安全保护战开始!

2017-12-21

在2017年的最后一场阿里云栖大会上,阿里云总裁胡晓明提出了“产业AI”的理念,为2017年一整年的中国AI喧嚣和泡沫指出一个落地的方向。而就在阿里云栖·北京峰会的前两天,英国《金融时报》于2017年12月18日发表了《中国人工智能商业化领先世界》的文章,援引了阿里双11中应用AI技术的例子,指出中国有可能在AI方面走在世界前列,尤其是中国企业加快了使用AI的步伐。

在2017年下半年,中国明显加快了发展AI产业的步伐。2017年7月,国务院印发了《新一代人工智能发展规划》,明确了我国新一代人工智能发展的战略目标:到2020年,人工智能总体技术和应用与世界先进水平同步;到2025年,人工智能成为我国产业升级和经济转型的主要动力;到2030年,成为世界主要人工智能创新中心。2017年12月,工信部又进一步发布《促进新一代人工智能产业发展三年行动计划(2018-2020年)》。

那么,中国凭什么弯道超车,在2020年AI核心产业规模达到1500亿、2025年达到4000亿、2030年达到1万亿,带动相关产业规模达到1万亿、5万亿和10万亿呢?答案或许在《金融时报》文章所引用的Oliver Wyman咨询公司分析师的观察:淘宝通过深度学习可以让消费者找到名人同款裙子,而“现在亚马逊上还没有出现这种技术”。

产业AI是方法论与路径

什么是产业AI呢?首先说,产业AI并非AI产业。AI产业是泛指一个以AI技术与应用为核心的新兴产业,落脚点在一个具有规模经济效应的产业经济部门,正如同创意产业是以人的创意和创造力为发展动力的产业。而产业AI则一个撬动AI产业的方法论或打开AI产业发展空间的路径。

所以产业AI即以传统产业资源注入AI技术,形成规模化且具有经济效益的AI应用,从而拉动AI产业的发展与增长。在2017阿里云栖·北京峰会上,阿里云总裁胡晓明认为,“现在人工智能领域有种浮躁的氛围,有些企业靠AI讲资本故事、炒作股价。人工智能不应仅仅是实验室里的、PPT里的‘概念上的AI’,更是‘产业AI’,阿里巴巴对人工智能的三个判断,第一是必须要有场景驱动,我们在解决什么问题,为这个社会的成本降低了多少,效率提高了多少。”

所谓“场景驱动”,也就是实体经济和虚拟经济中的实际业务场景,与AI技术相结合后,或能够优化原有业务场景、提高效率降低成本,或形成新的数字化业务、创造新的商业价值。

以首个落地首都机场的阿里云ET航空大脑为例,通过把人工智能技术与首都机场的运营数据相结合,可以在50秒内刷新首都机场1700架次航班的停机位安排、廊桥停机位利用率提高10%,相当于每天有2万名旅客不用乘坐摆渡车。而对于2万名旅客来说,节约5分钟的摆渡车时间,就相当于总共节约了1600多个小时或66天,可转换的经济效益可观。

AliOS嵌入式操作系统已经在智能汽车、物联网终端、智能移动终端等设备上广泛应用,例如搭载了AliOS操作系统的智联网汽车已经将近有40万辆跑在路上,从2016年的7月份到2017年的12月份,已经累计产生了超过700亿个轨迹路点。除了通过人工智能来优化行车路线和道路服务外,越来越多的AliOS智能汽车用户在家远程遥控开启后备箱,然后让快递员把包裹放到后备箱,从而把汽车后备箱纳入到智慧物流体系中。

2017年11月,科技部公布了首批四个国家新一代人工智能开放创新平台,包括依托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。其中的城市大脑和医疗影像都是典型的以产业资源注入AI技术、从而拉动AI产业发展的例子。

有中国特色的产业AI

众所周知,今天的中国正在努力突破“中等收入陷阱”,以创新为引领发展的第一动力,而AI人工智能技术则是中国创新的一次弯道超车机会。根据全球科技文献出版机构爱思唯尔的SCOPUS数据库显示,在人工智能领域,中国的研究人员自2011年至2015年创下了超过41000个出版物的记录,几乎是排名第二美国的两倍。

但在另一方面,尽管中国在人工智能文献数量方面得分很高,但考虑到加权引文影响力则只排名34位,这表明大多数论文的质量不如美国(美国的加权引文影响排名第四)等国家。出现这样的情况,一个很大的原因在于,虽然中国的人工智能科技人员很聪明,但往往沿用欧美等现有的研究方法,但又缺乏相应的积累和科研资源,因而属于“同道超车”。

但中国与欧美相比,尽管在人工智能的长期科研方面还处于落后的状态,但有着庞大产业经济资源和全民创新意愿,这二者的结合就是中国特色的人工智能“弯道超车”之路。

首先,中国有世界首屈一指的移动互联网及用户基础,特别在2015年底工信部启动的“互联网+”三年行动计划,到2018年要建成一批全光纤网络城市,4G网络全面覆盖城市和乡村,80%以上的行政村实现光纤到村,直辖市、省会主要城市宽带用户平均接入速率达到30Mbps,这些为人工智能的全民应用铺平了最为关键的国家通信网络基础。

其次,以阿里为代表的BAT互联网公司已经具有庞大的社会经济生态资源,例如2017天猫双11全球狂欢节总成交额超1682亿元人民币、超100万商家打通线上线下渠道,涉及近10万智慧门店、60万家零售小店、3万“天猫优选”村淘点。

而ET大脑的首个项目城市大脑,则是阿里联合另外12家企业,共同为有着2200多年历史的杭州市打造一个城市的人工智能中枢。在试点区域的道路上,ET城市大脑让整个通行时间减少了15.3%。更有意思的是,原本道路上两车相刮后总要先争吵10分钟后再报警,往往阻碍了整个交通,而杭州城市摄像头可以自动判断、分析、传递到后台,同时通知附近民警自动出警,从事故发现到民警现场处理只用3到5分钟。

2017年12月5日,上海地铁宣布与阿里云合作,落地语音购票,打造首个 AI 地铁。现在,上海地铁的乘客可以通过语音进行购票,再扫码支付,全程只需不到10秒。上海作为全球里程数最长的地铁,共有 17 条线路、367个站点,全天都处在拥挤状态,日客流量接近百万。除了语音购票外,上海地铁还将采用阿里云的“刷脸进站”、“智能客流监测”两项人工智能技术。新型的进站闸机新增了一块屏幕,乘客经过屏幕时通过人脸识别“刷脸进站”,几乎无需停留即可通过。

无论是杭州的城市大脑,还是上海的AI地铁,这些人工智能应用场景能够落地成为现实,除了有来自阿里云等的技术外,更重要的是杭州市政府和上海地铁主管单位的创新意识与意志,更有数百万商家、中小型经济实体等广泛参与的意愿。

换句话说,产业AI就是一个开放的创新环境,参与的各方主体愿意拿出自己的实际业务场景,再由广大用户与消费者共同参与的方式,供人工智能技术的调试、测试与实际应用。又可以说,产业AI就是全民共同参与创新、全民共担创新风险、全民共享创新成果的国家创新之举,而这显然很难在欧美等国家成为现实,这也是为什么众多欧美人工智能专家、院士、技术高管等纷纷跳槽到中国企业和科技机构的重要原因。

胡晓明在2017阿里云栖·北京峰会上表示,“过去第三产业靠着互联网发展起来了,人工智能是比互联网更大的技术红利,它也要深入到第一产业、第二产业中,去定义和解决中国经济最根本的问题。从这个角度看,中国的产业AI,比国外有更大的空间。”

随着2017年进入尾声,2018年的全球竞争已经全面展开,2017年底提出的“产业AI”无疑是中国人工智能在2018年“弯道超车”的重要方法论。作为人工智能三年行动计划的第一年、也是互联网+三年行动计划的最后一年,2018年有着承上启上、继往开来的意义,循着“产业AI”的路径,或有可能打开“互联网+人工智能”的倍增空间。(文/宁川)

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)