谷歌放手一搏，专注于机器学习

谷歌认为机器学习和深度分析是云计算的未来，因而它在寻求一项战略，以便脱颖而出，而不是一味打价格战。

谷歌正在开始制定一项云平台战略，不仅仅满足于成本比竞争对手更低的一种选择，但是这无异于冒相当大的风险，因为它豪赌的一系列服务是许多企业在未来多年可能不会使用的服务。

机器学习和深度分析是云计算市场备受关注的最新趋势，而谷歌全身心地投入其中――它认为可以借助这些工具在市场上脱颖而出，而把当初让它成为全球最大公司之一的传统业务放在一边。

最能代言这项战略的举动出现在今年3月份召开的谷歌云平台（GCP）Next用户大会上。谷歌母公司Alphabet主席埃里克·施密特（Eric Schmidt）豪言壮语，畅谈了要开发一款互联网操作系统，补充道五年后，每一起重大IPO的主角将是使用机器学习的公司。

施密特当时说：“平台不是目的，它是基础，平台上面的是机器学习。”

谷歌还发布了几项机器学习服务，用于图像和语音识别及翻译，最近该公司表示，在过去的一年，它一直在自家数据中心里面运行为机器学习定制的专门的张量处理单元（Tensor Processing Units）。

TensorFlow在2015年作为一种机器学习框架开放了源代码，遵循了与Kubernetes相似的路线。Kubernetes是基于谷歌内部技术的一种容器编排工具，由于Docker和Linux容器流行起来，它在2014年开放了源代码。Kubernetes已成为大规模运行容器的可靠工具之一，谷歌希望TensorFlow成为机器学习领域的可靠工具之一，同时利用更高级的服务把客户吸引过来。

451 Research云数据部门的调研主任安德鲁·赖克曼（Andrew Reichman）表示，专注于机器学习不会把基本的工作负载引入到其平台上，但是有望让谷歌为未来作好准备。

赖克曼说：“它不大注重你今天处理的任务，而是比较注重明天要处理的任务。分析网站流量和理解数据中心之外的传感器数据和信息，将会在未来20年获得巨额的IT开支，于是谷歌在依托强项作好准备。”

这需要一种全面的方法，因为如果这些类型更新颖的应用最终流行起来，用户就需要使用该平台上的所有底层数据才能进行分析。如果谷歌跑在市场的太前头，现在没有做足够的工作将企业工作负载引入到平台上，它就有可能败北，因为潜在客户会被其他平台牢牢锁定。

赖克曼说：“这很危险的，因为它需要建立大量的依赖关系和大量的整合机制；而在市场处于萌芽期的时候，企业会不会花钱或者计划使用这方面的产品并不清楚。”

赖克曼表示，谷歌的处境并不好过。亚马逊早早领先市场，创新方面的步伐很大，而IBM和微软在企业客户当中深得人心，知道如何大规模处理一系列广泛的工作负载。如果说这些公司好比是公共云市场的两头强敌，谷歌腹背受敌，基本上没什么有利条件。

谷歌已成为市场上超大规模计算的领导者，有望跻身于在未来占有更多份额的阵营，不过其收入远低于AWS。据451 Research的Market Monitor云计算服务显示，AWS在整个基础设施即服务和平台即服务市场所占的份额将近40%。

迄今为止，价格一向是谷歌最大的卖点。在2014年和2015年由谷歌、亚马逊和微软缠斗的针锋相对的降价战中，这个战略扮演了重要作用。然而，这似乎根本没有帮助这家公司提升在市场上的吸引力，因为企业当中的采用率落后对手，Azure稳居第二位，AWS霸占头把交椅。实际上，2016年的对决主题基本上转为哪个平台提供最佳手段，以便客户利用价格更高昂的更高级服务。

大数据，大卖点

谷歌云平台的客户们迅速提到大数据服务是该平台的一大卖点，他们常常列出来的第一项服务就是数据仓库服务BigQuery。一些业界观察人士并不认为BigQuery是谷歌的差异化优势，可是用户们表示，BigQuery为自己大大节省了时间和资金。

Kabam是旧金山的一家娱乐公司，专门开发面向移动设备的视频游戏。它在发布了《漫威格斗冠军》游戏后，在过去的18个月转移到BigQuery，以应对规模和性能问题，因为这款游戏每天生成1TB的数据。首席技术官杰夫·豪威尔（Jeff Howell）表示，Kabam之前依赖内部服务和亚马逊Redshift服务，但是这项服务在存储和处理器扩展方面存在着局限性。

豪威尔说，“我们走上了BigQuery这条路，Redshift和BigQuery之间的区别实在太大了。”

Kabam还在后台为它的许多游戏运行机器学习，以便根据游戏玩家如何与游戏互动，进行预测分析；随着加大投入到数据科学领域的力度，计划扩展那种功能以及平台上游戏的数量。

豪威尔说：“[谷歌正在]解决你不想解决的大问题，它在管理这些解决方案，这与某家公司在硬件上托管数据库，你管理扩展性和维护大不相同。”

转投谷歌云平台的另一个客户是Winfield，这个部门隶属为食品行业提供IT服务的蓝多湖公司（Land O'Lakes），它为广大农民开发了一款名为Data Silo（数据孤岛）的数据管理系统。IT副总裁泰迪·贝克勒（Teddy Bekele）表示，当初研究在哪里构建该系统时，改用AWS显然有其好处，尤其是考虑到可用服务数量丰富。Winfield平时还将Azure用于诸多服务，不过最终还是决定在谷歌云平台上构建Data Silo，原因是它拥有与谷歌地图密切相关的绘地功能。

Winfield还使用谷歌云存储和PostrgeSQL数据库。虽然Data Silo服务已构建完毕，以便它在需要时可以撤离谷歌云，但最终这家公司还想使用谷歌的机器学习和分析功能。

贝克勒说：“眼下，我们更加专注于将数据送入到Silo，然后显然确保人们可以访问数据，但那是今天的问题。我们其实想要获得这种功能：充分利用这种机器学习能力，无论那是谷歌BigQuery还是Cloud BigTable――用户可以使用之类的工具，查看数据，然后开始寻找模式，不仅适用于单个农民，还适用于一群农民。”

米根·麦格拉思（Meaghan McGrath）是新罕布什尔汉普顿的科技商业研究公司（Technology Business Research Inc.）的分析师，她表示，谷歌在机器学习方面的努力让人联想到了IBM当时推出Watson的情形――Watson令人关注，但是IBM不清楚如何将它转变成大多数传统企业会使用的系统。

麦格拉思说：“机器学习和人工智能仍然是新颖想法。对于更多的传统企业来说，它更像是某种乌托邦式的技术。”

她补充道，这就需要有人迎合IT部门，将IT部门转换成倡导者，因为眼下大多数使用场合并不适用于传统企业。

云头条编译｜未经授权谢绝转载

相关阅读：