Dropcam收购传闻:谁能分到Google的红利

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:
   据The Information今早的消息,Google有意收购Dropcam。援引The Information的报道,目前还没有任何关于谈判进展的消息。如果大胆假设这事落定,那么这会是Google这个大土豪今年在智能家居上砸的第二块馅饼。

这块馅饼砸下来,首先受益的,当然不是Dropcam团队。而是团队前几轮的投资人。Kleiner Perkins从Nest的退出里大约拿到了20x的回报(据TC的统计,他们参与的A轮和B轮共计2000万美金,Nest收购案后收获超过4亿美金)。有意思的是Kleiner Perkins同样是Dropcam C轮主要的投资方,Dropcam其他的投资人还有Accel Partners, Menlo Ventures、Mitch Kapor等等。

Dropcam会卖多少钱?

参照Nest C轮的融资8000万美金,Dropcam C轮是3000万美金,A、B、C三轮累计是4780万美金,综合团队等因素Dropcam肯定卖不到Nest的价格。但一位投资人朋友打趣说:按照Google的风格,不出个十几亿那都是说不过去的。

对Dropcam来说,利弊是什么

Dropcam的业务主要分两块:安防摄像头和云存储。一个是市面上能买到的最好的云摄像头公司,另一个是全世界最碉堡的大数据公司。当然图形大数据的变现可能还要5-10年,所以对Dropcam来说最直接的仍然是针对摄像头本身的支持。

2014年1月,Google收购人工智能公司DeepMind;2011-2012,Google前后收购过两家人脸识别公司PittPatt和Viewdle——仔细扒一扒我们能在Google的收购记录找到大把的相关技术。Google能在图像处理、数据安全和智能识别上将Dropcam拔高一个维度。

其次是跟移动设备有更好的融合,Android可以给Dropcam和Nest更高的权限。一个智能家居产品一个app显然不是好的解决方法。Google可以把这些交互推到更易用的层级,这个事情也只有Google和Apple能做。

如何将Dropcam映射到国内

云摄像头+搜索公司,是不是惊人的耳熟,不就是百度的i耳目吗?可惜百度缺乏硬件基因,目前大力提倡的Baidu Inside是智能硬件的大数据设想——但就像前文所说的,智能硬件的大数据是未来5年甚至10年以后的局,百度能背得住这么长线的局吗?力不从心一定程度上解释了百度至今没有一款拿得出手的硬件。

撇开巨头,我们来看其他的同类创业公司,一个很有意思的现象是国内做云摄像头的团队几乎清一色是面向商用市场的,而且绝大部分集中在小微商户的安防。这和Dropcam的个人安防摄像头是两个故事。

但关于Google收购Dropcam的传闻,无论是创业者还是投资圈都在热烈地关注。笔者早上询问了几位云摄像头创业的朋友,大家认为最直观的影响是资本看好。

我们有足够的技术实力参与民用市场,只是觉得国内现在的时机还不够成熟,以及自身的资本还有待积累。

同在做云摄像头创业的深圳云领天下创始人戴振光如是说。

假如Dropcam走出去了,国内的资本跟进,必然会有更多民用市场上云摄像头的尝试。

相关:
泼点冷水,在 Dropcam 火之前

  
  
 
  本文作者: 吴德新

本文转自雷锋网禁止二次转载, 原文链接
相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
安全 网络安全 数据安全/隐私保护
DMZ是什么?它是如何工作的?
DMZ,中文通常译为“隔离区”或“非军事化区”,是在网络安全领域中用来描述一个逻辑或物理的网络子段,这个子段通常位于组织的内部网络和外部网络(如互联网)之间。DMZ的主要目的是提供一个受限制且受控的环境,允许对外提供服务的服务器放置在此区域,从而在一定程度上保护内部网络的安全。
2350 1
|
2月前
|
Kubernetes 供应链 安全
云原生环境下的容器安全与最佳实践
云原生时代,容器与 Kubernetes 成为企业应用核心基础设施,但安全挑战日益突出。本文探讨容器安全现状与对策,涵盖镜像安全、运行时防护、编排系统风险及供应链安全,提出最小权限、漏洞扫描、网络控制等最佳实践,并结合阿里云 ACK、ACR 等服务提供全链路解决方案,展望零信任、AI 安全与 DevSecOps 融合趋势。
110 4
|
9月前
|
人工智能 自然语言处理 搜索推荐
阿里云 AI 搜索开放平台集成 DeepSeek 模型
阿里云 AI 搜索开放平台最新上线 DeepSeek -R1系列模型。
467 2
|
11月前
|
消息中间件 安全 Linux
深入探索Linux操作系统的内核机制
本文旨在为读者提供一个关于Linux操作系统内核机制的全面解析。通过探讨Linux内核的设计哲学、核心组件、以及其如何高效地管理硬件资源和系统操作,本文揭示了Linux之所以成为众多开发者和组织首选操作系统的原因。不同于常规摘要,此处我们不涉及具体代码或技术细节,而是从宏观的角度审视Linux内核的架构和功能,为对Linux感兴趣的读者提供一个高层次的理解框架。
|
XML IDE Java
JavaFX 教程
JavaFX 教程
1027 1
|
算法
FM算法介绍
概述 FM (Factorization Machine) 算法可进行回归和二分类预测,它的特点是考虑了特征之间的相互作用,是一种非线性模型,目前FM算法是推荐领域被验证的效果较好的推荐方案之一,在诸多电商、广告、直播厂商的推荐领域有广泛应用。
12163 0
|
算法 程序员
程序员可能越来越排斥面试时做题的原因
程序员可能越来越排斥面试时做题的原因
398 1
|
Unix Linux 数据安全/隐私保护
2022CentOS下载与安装教程(最详细)
由于Linux是在Uniux系统上发展而来的,与Unix系统风格极其的相似,且能够在PC上实现多用户、多任务、多线程和多CPU特性。Linux是一个性能稳定的多用户操作系统,主要运行在Intel X86系列的CPU上面,且都支持32位和64位硬件,拥有较强的兼容性。 在Linux系统中每个发行的内核都有一个版本号,且每个版本号都是有主版本号、次版本号和修订次数组成,其格式为“主版本号.次版本号.修订次数号”,每个版本号都透露了该版本的类型,当次版本号位奇数的时候,说明该版本是一个测试版本,为偶数的时候是一个稳定的版本。
1513 2
|
机器学习/深度学习 TensorFlow 算法框架/工具
GhostNet架构复现--CVPR2020
由于内存和计算资源有限,在嵌入式设备上部署卷积神经网络 (CNN) 很困难。特征图中的冗余是那些成功的 CNN 的一个重要特征,但在神经架构设计中很少被研究。**本文提出了一种新颖的 Ghost 模块,可以从廉价的操作中生成更多的特征图。基于一组内在特征图,我们应用一系列成本低廉的线性变换来生成许多ghost特征图,这些特征图可以充分揭示内在特征的信息。所提出的 Ghost 模块可以作为一个即插即用的组件来升级现有的卷积神经网络。 Ghost 瓶颈旨在堆叠 Ghost 模块,然后可以轻松建立轻量级的 GhostNet。**
424 0
GhostNet架构复现--CVPR2020