谷歌人工智能只是噱頭實則為賣云計算?

來源：新京報時間：2019-01-30 09:34:25

5分36秒，人類認輸。

不到三年，谷歌母公司Alphabet旗下獨立團隊DeepMind再度出手，其開發的人工智能系統AlphaStar于北京時間1月25日凌晨在《星際爭霸2》中打敗了職業電競選手。

與國際象棋或者圍棋這樣的全盤博弈不同，星際爭霸顯然更加困難，因為人工智能無法通過觀察每一顆棋子的移動來計算下一步動作，系統必須實時做出反應。DeepMind工作人員稱，AlphaStar與AlphaGo“進化”版Zore的最大差異是引入了模擬學習的方式，因而能解決“不完美的信息”的困境。

但是，有業內人士指出，AlphaStar挑戰電競選手背后，是一個始于人工智能，卻落腳在云計算競爭的故事。

“人機大戰”背后的云計算

DeepMind團隊介紹，為了訓練AlphaStar，他們通過谷歌云服務使用了TPU，后者是谷歌針對機器學習而定制的芯片，具有更高的效能。這一點在賽后的分析中，被著重提出，因為是這個芯片讓AlphaStar在兩周的時間內，完成了上述的訓練。

然而，不單獨銷售TPU的谷歌，一直希望通過其拉動云計算的增長，而人工智能或許只是個噱頭。有業內人士評價，谷歌一面訓練自己的算法模型，另一面炒作一下市場熱點，大家都想通過人工智能作為動力之一，進一步拉動云市場的增長。

新一輪熱潮下的人工智能實際上是算法和算力的競爭。所謂算法，就是對問題尋解的過程，這對應的是人工智能的應用，比如語音合成、圖像識別和機器翻譯;而算力，也就是計算能力，目前是由芯片所主導的。

這輪熱潮是由深度神經網算法所引導的變革，而算法背后需要的是并行計算的能力。英偉達的GPU(圖形處理器)恰好滿足所需，因而英偉達的芯片開始供不應求。但是，很快產業開始意識到，GPU并不能完全滿足需求，人們逐步發現定制加速芯片可以提供更強算力。于是，英偉達的競爭對手英特爾開始押注FPGA(可編程陣列)。

而谷歌選擇了另一條路。2016年5月，谷歌發布了專門為機器學習優化的處理器TPU(張量處理器)，并對外宣布AlphaGo的算力硬件核心基于此。兩年時間，谷歌將TPU升級至3.0，聲稱其可以每秒計算100千萬億次加減乘除。

更重要的是，谷歌將這款芯片與其機器學習開源軟件TenserFlow融合，開發者幾乎無需修改，就可以將TenserFlow框架下開發的代碼在TPU上運行。但谷歌并不對外銷售TPU，所以沒有成為另一家芯片廠商，而是選擇通過自身云服務對外提供算力的方式銷售。

因此，谷歌從一開始就將人工智能與云計算緊緊聯系在一起。

云競爭中，谷歌不占優勢

與搜索引擎和人工智能技術大幅領先業界不同，谷歌在云計算市場一直處于尷尬的境地。長期掌握全球90%搜索引擎市場份額的谷歌，在亞馬遜進入云計算市場兩年后的2008年，才上線云計算業務。

但此后，谷歌云一直不溫不火。直到2015年，谷歌全盤變動，原因是谷歌搜索業務日趨飽和，導致季度凈利潤同比下滑5%。當年8月，谷歌宣布重組母公司Alphabet，除了搜索、Android和YouTube等業務外，其他業務紛紛獨立。

當年11月，科技公司VMware前CEO Diane Greene加入谷歌，成為云計算業務的CEO。這位“硅谷女王”開始變革谷歌云計算業務。七個月時間，Diane Greene重新打造了谷歌云的業務架構，組建了銷售和客服團隊，制定了推廣計劃，以及創建了與大企業合作的聯盟計劃。

2016年，“Google Cloud”開始啟用。從這時開始，谷歌將云計算、人工智能和機器學習融合成為一體，起名為“Cloud AI & ML”。在Diane Greene的計劃圖中，谷歌的所有技術都應該為云計算服務。

憑借數據分析處理能力，云計算服務商就可以推動更多存儲、計算等服務的售賣，甚至是增值應用的銷售。但這一次，Diane Greene碰壁了。

微軟就是這么做的。CEO納德拉(Satya Nadella)將“移動為先，云為先”轉化為“智能云和智能邊緣計算”。截至6月30日的2018財年，智能云業務營收同比增長了23%。納德拉在財報中稱，對智能云的早期投資正在獲得回報。

與此同時，亞馬遜雖然并未直言智能云，但2018年底，這家公司推出了自研的云服務器芯片，以及用于云端人工智能推理芯片。不過，這款芯片要在2019年底才能上市，而且是通過云業務的模式提供。

市場機構Synergy Research的數據顯示，截至2018年第三季度，谷歌云基礎設施服務的市場份額只有7%，遠低于亞馬遜AWS和微軟Azure，甚至不如云轉型不利的IBM。在一些第三方機構如Gartner的統計中，憑借中國本土市場優勢逐步向海外擴張的阿里云也在超越谷歌。