120:Google、亚马逊们的人工智能都在哪里?

不久前和一个朋友聊天,在谈及当下火热的人工智能时,朋友冷不丁地抛出一句:如今几乎所有的互联网公司——无论巨头还是创业公司——都在鼓吹人工智能,那么他们的人工智能到底都在哪里?

回答这个问题并不容易,撇开某些公司的 PR 策略,目前这些公司的人工智能战略基本落实到两个层面:

  1. 改进自身的产品服务;
  2. 打造一个基于机器学习、深度学习的平台;

第一类公司其实非常多,企业基于自身业务需求,通过引入机器学习的理念和算法,从而提升生产效率并更好地向客户提供服务,这样的案例同时也是历代技术革命都会发生的事情。

第二类公司则颇有点特殊,也有点争议。原因就在于,不管是学术界还是工业界,还无法对所谓「人工智能就是下一代技术基础设施」达成广泛共识,这也就决定了这类打着「人工智能平台」旗号的公司,多少有点「挂羊头卖狗肉」的影子,我也曾在今年上半年的一期会员通讯里讨论过这件事情:

关于「数据就是新石油」的说法到底属于阿里巴巴的马云还是英特尔的科再奇已无关紧要,因为所有的公司都在围绕「数据」做文章:收集数据、挖掘数据、分析数据、买卖数据……

……以「人工智能」包装自己过往的产品,如私有云(亚马逊、阿里云)、如数据库(Oracle)、如企业软件(如 Selasforce)、如摄像头(苹果的 iPhone)等等。当然,这并非是否定霍金或马斯克的所言所言,只是,离他们所宣称的那个时刻,还相当遥远。

上述两类践行人工智能的公司里,有两个公司很具代表性:Google 和亚马逊。

长期以来,Google 都是一家提供服务/产品的公司,其服务/产品涉及从搜索到办公文档的多个领域,当人工智能热潮来临,Google 的人工智能战略更多还是停留在改进自身产品层面,不管是利用神经网络改进图片搜索,还是基于自然语言处理技术提供 Gmail 的自动回复,几乎所有的创新都在围绕自己的产品。

亚马逊则是另一番景象。亚马逊不仅是全球最大的服务/产品供应商之一,同时也是全球最大的公有云服务供应商,这也让亚马逊的人工智能战略兼具了两种特性——既服务于自身业务,也广泛向外输出。

不过,即便是人工智能是否能成为技术设施还无法敲定,机器学习、深度学习带给互联网行业的显著的变化,深刻影响着包括 Google、亚马逊在内的巨头们对于未来的思考。比如, Google 自 2016 年启动了「AI First」转型——这是一个从服务/产品公司转变为一个平台型公司的尝试,同样,亚马逊也在服务/产品上不断推出新的「接触点」[1],接下来,我将以 Google、亚马逊为例,揭开两家公司在人工智能产品尤其是平台发展中的底牌,并将延伸到中美互联网公司的不同战术。

Kubernetes 是 Google 开发的一个类似 Docker Swarm 的开源容器工具,和 Docker Swarm 一样,Kubernetes 提供了一个软件快速部署的标准化环境。这意味着,开发者可以不必关心硬件、软件或者云端还是本地,只需专注于软件功能的研发,然后利用 Kubernetes 将软件无缝运行到 AWS、Azure 或者 Google Cloud Plateform(以下简称 GCP)中。

img

更进一步,Google 在云端,也就是 GCP 上构建了多个针对开发者的平台性产品,比如云端机器学习引擎、云端自然语言/语音/翻译引擎,云端视觉/视频引擎等等。

利用上述产品组合,当一个计算机视觉的开发者需要 GCP 上的云端视觉引擎时,他只需要通过 Kubernetes 将自己产品封装到「容器」,无缝迁移到 GCP 上后,再调取 GCP 上海量的机器学习 API 资源为其所用。

差不多两年前,Google 开源了自己的深度学习平台 TensorFlow,不仅吸引到全球众多开发者的关注,还带动了业界开源深度学习平台的潮流。

与此同时,Google 还在今年收购了数据科学社区 Kaggle,不仅让搜索巨人具备了更多数据人才储备,还将进一步推动 TensorFlow 在业界的影响力。Google 也在不断将 TensorFlow 的训练流程迁移到云端,通过 GCP 的平台向学术界、开发者提供服务。

img

如上文所言,Google 作为一家服务/产品的公司,其内部的深度学习改造计划由来已久,比如 Google Photo 和 Google Lens,就是利用深度学习提升了相册、相机的体验。

其次,基于对搜索产品里语音、图像的改造,Google 显然更希望将其作为全新的服务/产品。以语音为例,Google 开放了Google Assistant 的 SDK,如今,几乎所有的设备厂商都可以将 Google 的语音交互纳入到自己产品中。

坦白来说,Google 的上述战略转型到底能否成功还有很大的不确定性。原因就在于,当基于云端的人工智能平台成为行业发展趋势,Google 人工智能开放平台更依赖于 GCP 的发展状况,由于 Google 财报里从未提及 GCP 的收入和发展状况,我们只能从第三方的统计里大致了解大概,根据 Gartner 最新的数据,目前公有云市场中,GCP 距离 AWS、Azure 还有不小的距离,同时也在被阿里云所超越。

那么,作为公有云龙头老大的亚马逊,又是如何将人工智能与云有效结合在一起呢?

与 Google 颇为类似的是,亚马逊的人工智能战略在内部产品的研发改进上有诸多体现,贝佐斯曾在给股东的信中自豪地写道

At Amazon, we’ve been engaged in the practical application of machine learning for many years now. Some of this work is highly visible: our autonomous Prime Air delivery drones; the Amazon Go convenience store that uses machine vision to eliminate checkout lines; and Alexa, our cloud-based AI assistant. (We still struggle to keep Echo in stock, despite our best efforts. A high-quality problem, but a problem. We’re working on it.)

But much of what we do with machine learning happens beneath the surface. Machine learning drives our algorithms for demand forecasting, product search ranking, product and deals recommendations, merchandising placements, fraud detection, translations, and much more. Though less visible, much of the impact of machine learning will be of this type — quietly but meaningfully improving core operations.

在云端,亚马逊 AWS 构建一个完整的人工智能开发平台,不同技术层次上的开发者,可以基于不同的技术架构开发各自的产品。

img

其次,则是 Alexa 的强势崛起。基于声音交互的 Alexa,不仅帮助亚马逊开创了一个属于 Echo 的全新市场,还成就了亚马逊面向未来的下一代操作系统。

与 Google 这样的产品/服务公司所不同,亚马逊天然就是一个平台型的公司,这也让 Alexa 的扩张具有更大的想象空间, 1 月份的 CES 上,Alexa 几乎占据了所有宣称智能交互的电器展台,而最近,Alexa 驱动的 Sonos 新一代音箱 Sonos One 也开始发货。

img

在 Verge 的一篇评测里,Sonos One 被看作是「拥有好音质的 Alexa」,这部分也说明了 Alexa 在不同产品中的重要地位,或者可以这么理解,用户购买 Sonos One 的主要考量是因为 Alexa。

自 2012 年到现在,Google 和亚马逊频繁在人工智能领域投资、收购,其中 Google 2014 年收购 DeepMind 和亚马逊 2013 年并购 Evi 的案例影响深远,前者让 Google 网罗到当下最具前瞻性的人才,而后者,则几乎就是 Alexa 的底层技术。CBinsights 做过类似的统计:

img

事实上,Google、亚马逊的样本也同样适用于对中国互联网巨头的分析里。其中,百度、腾讯的这些服务/产品类公司十分类似于 Google,而阿里巴巴、京东等平台型公司,则和亚马逊十分相像。

这种公司基因上的差异也不同程度决定了目前国内人工智能发展的态势,腾讯、百度在产品/服务之外构建云端的人工智能平台,而阿里、京东则不断在平台化发展的同时推进新一代的交互产品。

而这些巨头之外,也广泛存在着大量通过单点技术创新而生存下来的创业公司,比如图像技术的商汤、语音技术的思必驰,但和 Google、亚马逊疯狂投资、收购不同,BAT 等巨头对当下国内创业公司似乎并没有多大兴趣,过去的 10 个月时间里,国内公司的争夺还停留在抢夺学术界人才的阶段。

人工智能从来不是独立的技术也不是独立的行业,一如过往的计算机、互联网以及云计算带来的影响一样,人工智能的落地与体现,或者是对现实需求的优化改进,或是对未来需求的开拓创造,其最终会成为一种「看不见的技术」。


  1. 这里的「接触点」可以广义上认为就是各种人工智能产品或服务。  ↩