【亚马逊凭什么打败谷歌?】5200亿美元AI云市场将催生有史以来最强大公司

简介:

如果没有云计算,如今的AI热潮不会存在。

一方面,企业通过云快速获取机器学习服务,另一方面,有了云计算才有了各种智能的模型。AI和云相辅相成。亚马逊、谷歌、微软,以及中国的阿里巴巴、腾讯、百度,都拥有大量的云资源,也大力投入AI,因为他们都知道,云是绝大多数公司利用AI的方式,也是AI技术提供商盈利的手段。

如果没有云计算,如今的AI热潮不会存在。

一方面,企业通过云快速获取机器学习服务,另一方面,有了云计算才有了各种智能的模型。AI和云相辅相成。亚马逊、谷歌、微软,以及中国的阿里巴巴、腾讯、百度,都拥有大量的云资源,也大力投入AI,因为他们都知道,云是绝大多数公司利用AI的方式,也是AI技术提供商盈利的手段。

通过云提供AI服务可能是迄今为止最赚钱的技术趋势,从中能够诞生一家乃至数家超级巨无霸公司。NYU商学院教授Arun Sundararajan评价说,在这场竞争中的胜利者,将掌握下一代的操作系统。投行Avendus Capital US的CEO Puneet Shivam则认为:

“AI云的领头羊将成为历史上最强大的公司。”

P.S. 亚马逊本周超越了谷歌母公司Alphabet成为市值第二大的公司,2017年2月,亚马逊首次超越微软,当时是成为市值第三大公司。节节攀升的亚马逊目前市值7,632.7亿美元,唯一比亚马逊更值钱的公司是苹果,市值8,920亿美元。 

5200亿美元的市场,AI云将催生有史以来最值钱的公司

要将AI云市场的金融潜力量化很难,但根据谷歌Cloud AI部门的产品管理高级总监Rajen Sheth的说法,AI云将在未来几年让已经高达2600亿美元的云计算市场价值再翻一番。有鉴于机器学习的特性——有越多的数据,预测结果就越精确,客户往往倾向于留在最先使用的那家云计算提供商。(但似乎也不尽如此,2018年3月,苹果将iCloud服务的相关数据从微软的Azure转移到谷歌云上,这些数据可能包含用户的联系人、日历、照片和其他内容。)

亚马逊、微软、谷歌……对于上述任何一家公司而言,扩展现有云中的AI服务,以及成为未来的AI领跑者,都是接下来的重中之重。提升AI有助于改善现有的服务,也能够吸引更多的客户,每家公司都在积极寻求,将AI整合到现有应用和商业模式中。

根据Gartner的报告,在收入方面,亚马逊网络服务以47.1%的市场份额占据着公共云市场的主导地位。在亚马逊2017年第一季度财报中,AWS报告收入为36.6亿美元,比去年同期增长42%。虽然微软Azure正在逐渐赶上亚马逊,但它只占据了市场的10.0%。

5fcdf32c455884cf86e7df107a00342dfb735ce2

但是,微软在其最近的2018 Q1财年盈利报告中报告称,Azure的收入与2017财年第一季度相比增长了90%。跟在亚马逊和微软这两大玩家之后的,是谷歌云Google Cloud Platform(3.95%)和IBM Softlayer(2.77%)。

亚马逊 vs 微软 vs 谷歌:谁能掌握下一代操作系统?

亚马逊,谷歌和微软都希望主导AI云,获胜者可能掌握未来的操作系统。

亚马逊AWS:开发者&企业客户双重策略,当前的绝对王者

亚马逊云(AWS)不仅是最早投入云计算的公司,也是目前全球公共云市场的领导者。凭借其可扩展性和全面的平台服务,AWS是开发和部署云和AI应用最领先的云环境之一。AWS在亚马逊最近的Re: Invent峰会上发布了Amazon Cloud 9,这款基于AWS的集成开发环境(IDE),可以让开发人员使用浏览器编写、运行和调试代码,非常便捷地开发云本地应用。

AWS还发布了6项机器学习服务(MLaaS),包括视频分析、NLP和机器翻译(文末有详细的对比)。此外,AWS还为AI应用程序的开发提供了强大的MXNet,Lex,Rekognition和SageMaker服务。特别是Amazon SageMaker,包含了一些可同时或单独用以构建、训练和部署机器学习模型的模块,有助于控制机器学习应用程序的整个生命周期。官方文档更是宣称,“Amazon SageMaker消除了通常会阻碍开发人员使用机器学习的所有障碍”。

与所有云服务一样,AWS在与AI相关的服务上,采取平台锁定的方法——所有AI服务都需要与AWS环境紧密结合,确保在AI解决方案开发出来后,仍然使用AWS作为操作平台。

亚马逊通过AWS把其大规模可扩展电子商务平台技术能力释放出来,比如Alexa,客户也能将自己的聊天机器人或语音助理集成到他们的应用程序中。

微软Azure:主打企业客户市场,多种AI服务组合

微软在商业环境中拥有大量客户,微软也有丰富和云+AI服务组合,两相结合,自然让微软成为AI云市场的佼佼者。尤其是在企业客户市场,微软坚持使用Windows,Office 365或Dynamics 365等产品扎根全球生态市场。这里有大量数据,这些数据流可以用于训练机器学习算法和构建神经网络。

微软云Azure基于全面提供生产力和业务流程解决方案,是不容忽视的重磅玩家。

谷歌云GCP:提着AI大刀赶来,39亿美元巨额投资AI

在云端,谷歌仍然落后于亚马逊和微软。但是,AI可能为谷歌带来转机,而谷歌也正是这样认为的。不过,将现如今的谷歌云AI服务与亚马逊AWS和微软Azure相比,谷歌在公有云和AI服务方面仍然是处于落后地位的。

根据公开数据显示,谷歌迄今为止在AI上投入了39亿美元。如果你认为这个数字令人咋舌,确实如此——相比之下,亚马逊投资了8.71亿美元,而微软“仅”投资了6.9亿美元。

不仅如此!谷歌已经聚集起了超过100万的AI开发者(包括收购数据科学社区Kaggle),并且拥有最先进的AI技术(包括收购DeepMind)。此外,还不要忘了谷歌通过开源框架TensorFlow构建起来的生态圈。在基础设施方面,谷歌开发了专门适用于TensorFlow的自有AI芯片TPU。就在2018年初,谷歌发布了Cloud AutoML,面向缺乏甚至没有经验的机器学习开发人员,轻松创建深度学习模型。

参考谷歌通过Android操作系统在智能手机、家用电器、智能家居等市场得到的位置,这家巨头在云端通过AI能打下多少江山的潜力十足。不过,至少眼下在真正核心的企业客户市场,谷歌的力度仍显不足。

云端机器学习性能大PK:AWS将成为那些完全不想用TensorFlow的人的家

目前,人工智能平台和服务市场尚处于起步阶段。但我们已经可以预见基于云的AI服务爆发。

对于企业来说,建立内部AI系统意义不大,因为这样几乎不可能以高性能和可扩展的方式操作。此外,全球分布式设备和数据访问的需求也将加大,而只有全球性的可扩展且连接良好的云平台才能实现这一目标。

在AI云这场赛跑中,谁将是最终胜出者?

现在是亚马逊和微软领先,但谷歌正提着AI大刀赶来。谷歌要追上亚马逊似乎还有一定距离——但微软应该感到明显的威胁。

Arago技术研究总监、对云计算市场有近20年观察的Rene Buest分析指出,对于云计算提供商来说,AI将成为公有云的游戏改变者。谷歌的TensorFlow+AI服务组合加上开发人员的普及,能够有谷歌Cloud大有作为。但亚马逊和微软也有共同的深度学习库Gluon,此外,AWS和微软也有各自的AI引擎(框架)MXNet和CNTK。

对于微软来说,至关重要的一点是,Azure能以多快的速度说服其企业客户使用微软的AI服务组合;同时让客户了解微软其他产品(例如Azure IoT)的重要性,并让客户在自己的AI战略中使用微软的这些产品。

亚马逊AWS将坚持其双重战略,专注于开发人员,同时也专注企业客户,并将继续领导公有云市场。Buest指出,“AWS将成为所有那些完全不想使用TensorFlow的人的家——特别是云本地AI用户”。此外,还有大量希望创新的客户群,他们已经意识到了AI服务的好处。

以下是亚马逊、微软和谷歌主要机器学习即服务(MLaaS)对比,数据更新于2017年12月:

0171b089757e50f21d4be4269db4db888e9e01e3

8f19f83bc62340d078af49f5ca5f63031a6f6338

除了文字和语音外,亚马逊、微软和谷歌还提供用于图像和视频分析的通用API。

a327ae2c85d4c7f068094199e336cb28a137e725

尽管图像分析与视频API密切相关,但许多视频分析工具仍在开发或测试版本中。 例如,Google建议对各种图像处理任务提供丰富的支持,但绝对缺乏微软和亚马逊已经提供的视频分析功能。

68cfaeeba3ee2c7cf62e9232ad96ced897e9ada5

参考资料

1、CIO分析:https://www.cio.com/article/3250861/artificial-intelligence/ai-becomes-the-game-changer-in-the-public-cloud.html

2、Gartner报告:https://www.skyhighnetworks.com/cloud-security-blog/microsoft-azure-closes-iaas-adoption-gap-with-amazon-aws/

3、MIT TR分析:https://www.technologyreview.com/s/610554/how-the-ai-cloud-could-produce-the-richest-companies-ever/

4、云端机器学习服务性能对比:https://www.altexsoft.com/blog/datascience/comparing-machine-learning-as-a-service-amazon-microsoft-azure-google-cloud-ai/


原文发布时间为:2018-03-23

本文作者:文强

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:【亚马逊凭什么打败谷歌?】5200亿美元AI云市场将催生有史以来最强大公司

相关文章
|
1月前
|
机器学习/深度学习 人工智能 算法
整合海量公共数据,谷歌开源AI统计学专家DataGemma
【10月更文挑战第28天】谷歌近期开源了DataGemma,一款AI统计学专家工具,旨在帮助用户轻松整合和利用海量公共数据。DataGemma不仅提供便捷的数据访问和处理功能,还具备强大的数据分析能力,支持描述性统计、回归分析和聚类分析等。其开源性质和广泛的数据来源使其成为AI研究和应用的重要工具,有助于加速研究进展和推动数据共享。
62 6
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
Gemini 2.0:谷歌推出的原生多模态输入输出 + Agent 为核心的 AI 模型
谷歌最新推出的Gemini 2.0是一款原生多模态输入输出的AI模型,以Agent技术为核心,支持多种数据类型的输入与输出,具备强大的性能和多语言音频输出能力。本文将详细介绍Gemini 2.0的主要功能、技术原理及其在多个领域的应用场景。
90 20
Gemini 2.0:谷歌推出的原生多模态输入输出 + Agent 为核心的 AI 模型
|
13天前
|
人工智能 编解码 网络架构
GenCast:谷歌DeepMind推出的AI气象预测模型
GenCast是由谷歌DeepMind推出的革命性AI气象预测模型,基于扩散模型技术,提供长达15天的全球天气预报。该模型在97.2%的预测任务中超越了全球顶尖的中期天气预报系统ENS,尤其在极端天气事件的预测上表现突出。GenCast能在8分钟内生成预报,显著提高预测效率,并且已经开源,包括代码和模型权重,支持更广泛的天气预报社区和研究。
95 14
GenCast:谷歌DeepMind推出的AI气象预测模型
|
5天前
|
人工智能 自然语言处理 API
Multimodal Live API:谷歌推出新的 AI 接口,支持多模态交互和低延迟实时互动
谷歌推出的Multimodal Live API是一个支持多模态交互、低延迟实时互动的AI接口,能够处理文本、音频和视频输入,提供自然流畅的对话体验,适用于多种应用场景。
37 3
Multimodal Live API:谷歌推出新的 AI 接口,支持多模态交互和低延迟实时互动
|
20天前
|
机器学习/深度学习 数据中心 芯片
【AI系统】谷歌 TPU 历史发展
本文详细介绍了谷歌TPU的发展历程及其在AI领域的应用。TPU是谷歌为加速机器学习任务设计的专用集成电路,自2016年首次推出以来,经历了多次迭代升级,包括TPU v1、v2、v3、v4及Edge TPU等版本。文章分析了各代TPU的技术革新,如低精度计算、脉动阵列、专用硬件设计等,并探讨了TPU在数据中心和边缘计算中的实际应用效果,以及谷歌如何通过TPU推动移动计算体验的进步。
50 1
【AI系统】谷歌 TPU 历史发展
|
14天前
|
人工智能 自然语言处理 安全
谷歌版贾维斯即将问世,最强Gemini 2.0加持!AI自主操控电脑时代来临
谷歌发布的Gemini 2.0标志着AI新时代的到来,被誉为“谷歌版贾维斯”。该系统在自然语言处理、图像识别及自主操控电脑等方面取得重大进展,尤其在多模态数据处理上表现出色,能更准确理解用户需求并执行复杂任务。尽管存在对AI自主操控可能带来的负面影响的担忧,谷歌强调Gemini 2.0旨在辅助而非替代人类工作,且已采取多项措施保障其安全性和可靠性。
25 5
|
19天前
|
机器学习/深度学习 人工智能 芯片
【AI系统】谷歌 TPU v3 POD 形态
TPU v3 是 TPU v2 的增强版,主要改进包括:MXU 数量翻倍至 4 个,时钟频率提升 30%,内存带宽扩大 30%,容量翻倍,芯片间带宽增加 30%,可连接节点数增至 4 倍。TPU v3 通过采用水冷系统,不仅提高了功率,还优化了温度管理,显著提升了计算能力和能效。TPU v3 Pod 由 1024 个 TPU v3 组成,算力达 100 PFLOPS,适用于大规模神经网络训练。
29 2
|
20天前
|
机器学习/深度学习 缓存 芯片
【AI系统】谷歌 TPU v1-脉动阵列
本文详细分析了谷歌TPU v1的架构与设计,重点介绍了其核心组件如DDR3 DRAM、矩阵乘法单元(MXU)、累加器及控制指令单元,特别是MXU中脉动阵列的工作机制。通过对比TPU v1与CPU、GPU在服务器环境中的表现,展示了TPU v1在提升神经网络计算吞吐量方面的显著优势,尤其是在低延迟和高能效方面。
46 3
|
19天前
|
机器学习/深度学习 人工智能 芯片
【AI系统】谷歌 TPU v4 与光路交换
TPU v4 是谷歌在 TPU v3 发布四年后推出的最新一代 AI 加速器,采用了 7nm 工艺,MXU 数量翻倍,内存容量和带宽显著提升。TPU v4 引入了 Sparse Core 以优化稀疏计算,首次采用了 3D Torus 互联方式,通过 Palomar 光路开关芯片减少系统延迟和功耗。TPU v4 Pod 实现了 1.126 Exaflops 的 BF16 峰值算力,展现了谷歌在大规模并行计算领域的突破。然而,TPU v4 也面临着系统成熟度低、拓扑僵硬和负载均衡问题等挑战。
52 0
|
19天前
|
机器学习/深度学习 存储 人工智能
【AI系统】谷歌 TPU v2 训练芯片
2017年,谷歌推出TPU v2,专为神经网络训练设计,标志着从推理转向训练的重大转变。TPU v2引入多项创新,包括Vector Memory、Vector Unit、MXU及HBM内存,以应对训练中数据并行、计算复杂度高等挑战。其高效互联技术构建了TPU v2超级计算机,显著提升大规模模型训练的效率和性能。
36 0