从互联网+角度看云计算与人工智能已出现这3个有趣现象

2018-04-23 04:36

  没有出现行业绝对寡头之前,价格战会在云计算领域延续,对在价格战方面无法与阿里云抗衡云厂商来说,主打差异化技术,或许才是价格泥潭的最有效的方法。

  相比新零售、新消费这些行业概念,“互联网+”已经不是什么玄乎的名词,有人指出“互联网+”就是互联网+各个传统行业。不过在传统企业互联网化的过程中,绕不开的一个重要力量就是云计算+人工智能。在各行业追逐互联网+、数据化转型的大背景下,我们发现国内云计算和人工智能已经出现了一些有趣的现象。

  回顾中文世界的互联网发展历史,并不难发现火爆的互联网产品都逃不开这样一个循环:创意爆发红海合并巨头。这样的例子不胜枚举Google面世后国内争相追逐的搜索引擎、美团带动的“百团大战”、互联网金融的生长、直播风口、共享单车烧钱战争等。

  将这个循环规律套用到时下火热的云计算领域,也同样适用AWS自2006年首推云计算后,国外就有谷歌、微软等巨头跟进,在国内互联网厂商如阿里、腾讯、网易、百度、京东相继宣布开拓云计算市场。此外面对互联网技术的冲击,传统IT厂商也试图通过云计算自救,致使云计算市场正处于一片红海之中。

  不过在国家所提倡的“互联网+”、“数字化转型”等战略背景下,数以万计传统大型企业的IT信息化需求,让国内的云计算厂商们看到了盈利时代很快来临的希望,但想要轻松的吃下这个市场却并不像看起来那样简单,即便是阿里云目前也只敢对外称已迈向盈利拐点。

  在行业垄断巨头出现之前,如果厂商不采取激进的市场策略,竞争对手会。阿里云即使是占据了中国云计算市场大部分市场份额,在今年的云栖大会上依旧放出了降价50%的大杀器,而且在不久前的云栖大会广东分会上,阿里云继续打出降价主题宣布数据库降价15%,这一波操作或多或少的给其他厂商一些压力和不适。在云计算市场,能和阿里云烧钱抗衡的也只有腾讯云了,当初腾讯云0.01元竞标、中标福建厦门政务云项目事件曾在云计算圈引起过不小的轰动。

  没有出现行业绝对寡头之前,价格战会在云计算领域延续,对在价格战方面无法与阿里云抗衡云厂商来说,主打差异化技术,或许才是价格泥潭的最有效的方法。

  人工智能技术的突破很有可能成为云计算公司之间拉开竞争差异化的发力点,而在人工智能与云计算相结合的研发上,互联网系云最具爆发力,比如阿里云智慧城市,腾讯云智慧医疗,网易云智能云客服等。

  为什么这么说?按照吴恩达的观点,投入研发人工智能技术的公司必须具备3个条件:

  倾向于战略性地获取数据:数据是一家AI公司的基石,所以如果想让公司具备智慧化的能力,获取数据要放到战略高度。虽然目前很多公司开始收集数据能做到消费者精准画像绘制,但这只代表了公司具有大数据能力,并没有做到智慧化。

  AI公司通常有统一的数据仓库:AI公司应该有统一的用户中心,统一的商品中心,统一的大数据平台,这对组织架构、系统架构,数据架构都有要求。

  在AI公司里,产品经理在和工程师的沟通,需要学会运用数据精确的反馈。比如设计一个人工智能对话机器人,产品经理除了设计产品的demo外,还要知道对话数据从哪里来,如何获取对话数据,如何利用这些数据,如何定量的评估人工智能对话机器人的效果是否有提升,各个环节都需要数据。

  从吴恩达总结的这三点中可以看出“数据”是最为重要的一个环节。我们现在所说的人工智能主要是基于深度学习模型,这就需要庞大的数据量去支持,比如网易智能云客服知识库就是来自于网易游戏、金融、电商、内容、门户、论坛、博客、社交、企业服务等全系产品,以及合作方授权使用的专业服务语料。

  在《长谈》中罗永浩提了一个牌桌理论,他现在从事最大的计算平台手机行业,是为了在下一波次浪潮的时候至少能让锤子手机上牌桌。这个理论同样适用于人工智能,先不谈人工智能浪潮中谁会胜出问题,只要现阶段战略性的收集数据,实时的反馈数据,就有可能成为人工智能时代牌桌上的竞争者。

  所以说从“数据”这一关键词,就能很好的理解为什么智慧医疗、智慧城市、智能云客服等行业解决方案是出自于互联网公司,可以预见的是阿里云、腾讯云、百度云、网易云这样拥有庞大用户数据的互联网云厂商在下一波人工智能浪潮中占据了巨大的优势。

  截至目前,人类在开发人工智能的道上主要经历了三个阶段。第一个阶段,我们称为专家系统阶段,专家系统可以理解为某领域的专家将一些系统的知识总结起来告诉机器,这个系统的缺陷在于专业知识总结门槛高且不灵活。就拿语言领域来说,语言表达千变万化,很多时候在口语里面就省略了谓语,这就会导致机器的表现比较呆板对语音语意识别只能按着标准的书面语操作。

  第二个阶段,统计学习。在专家系统阶段人类意识到机器是和人完全不一样的,于是提出了让机器自己学习的假设,这个阶段主要利用机器强大的计算能力,并基于统计学从大量的数字中发现一定的规律。然而统计学习比较容易理解简单的相关性,无法表达复杂的相关性。

  第三个阶段,深度神习。在这个阶段人类开始从机器视角反思人类大脑是怎么工作的人类的脑子里面不是存储着大量的规则,也不是记录着大量的统计数据,而是通过神经元的触发实现对的正确反应。机器经过大量的数据训练,也就产生我们现在能看到的人工智能神经网络“大脑”能进行精准复杂的处理。

  人工智能的代表AphaGo就是基于深度神习模型诞生的,自从谷歌第二代人工智能系统Tensorflow出世后,大大降低了机器学习和人工智能的门槛,很多人工智能公司开始冒了出来,但这里面往往概念多落地少,外延无限扩大。事实上目前深度学习形成的模型适用范围非常小,通用性相对比较差,往往只能干某一件特殊的事情。例如网易积累了有很多电商数据,网易云可以用来做智能云客服,但是客服性质的深度学习模型不能用来反垃圾,网易云也积累了很多邮箱反垃圾的数据,可以训练出检测垃圾数据的模型,但是这个模型就不适用于智能推荐音乐。所以说通用人工智能解决方案还任重道远,只有在工业界找到非常聚焦的场景化落地,才能真正让人工智能尽快应用起来。

  总体来说,对于仍然处于高速增长的云计算产业而言,因为人工智能技术巨大的想象空间,新的竞争或许才刚刚开始。