分类： Open Access

由于处理家庭一些事情占据了大量时间，本周的「Weekly Spot」暂停一周。

---

智能音箱市场格局与展望（2019 年 2 月版）

本周 Dailyio 发布了全新的电子书《智能音箱的崛起》，如果你是 Dailyio 的年度付费用户，可以点击这里免费下载。

我在这本电子书的开篇部分写道，「或许，连亚马逊也不会意识到，原本一款瞄准欧美假期购物季的「粗糙产品」会成为新一轮计算设备变革的引领者」，这句判断也很快有了数据支撑，来自咨询机构 Strategy Analytics 的数据显示，智能音箱是 2018 年最热门的消费电子产品。

来看一组数字：

• 2018 年第四季度，全球智能音箱出货量增长了 95％，达到 3850 万台，一个季度的出货量就超过了 2017 全年出货量；
• 2018 年全球智能音箱总出货量达到 8620 万台；
• 亚马逊、Google 依靠低价产品策略，继续保持市场占有率；
• 苹果的 HomePod 在该季度销售额增长了 45%，市场份额为 4.1%。

而在 Strategy Analytics 总监 David Watkins 看来，还有几个值得关注的趋势：

• 圣诞假期期间，智能音箱和智能屏幕（带有屏幕的智能音箱）成为最受欢迎的科技产品；
• 智能屏幕在 2018 年第四季度占总出货量需求的10％以上；
• 目前全球主要的智能屏幕产品包括 Google 的 HomeHub、亚马逊的 EchoShow 以及百度的小度在家；
• 2019 年，智能音箱市场的重要变量也将是带有屏幕的智能音箱；

上述几个数字和预测分析也基本符合我对这个行业的判断，而透过下面这张图，还可以做进一步的解读。

其一，智能音箱行业里的六大玩家各自有不同诉求。从时间上看，亚马逊、Google 是最早布局者；从地区分布而言，阿里、百度和小米只面向中国市场；而从产品线和价格而言，苹果独树一帜，旗下只有一款 HomePod，且价格最贵；

其二，作为价格最贵的一款智能音箱，HomePod 可以拿下全球 4.1% 的市场份额颇令人意外。这个数字所展示的，更多还是体现了苹果生态，尤其是 iPhone 生态的巨大影响里力，毕竟，对于没有 iPhone 产品的用户，HomePod 也无法使用。因此，从某种意义上说，苹果当下强调的所谓「服务」，可能还有更广义上的含义，即基于苹果生态体系的「服务」，HomePod 就是一个最好的例证。

其三，在六大玩家里，小米的表现最糟糕，这部分受累于小米智能手机业务的下滑，导致产品发布的延期。而在这一周，小米也发布了一个带有屏幕的智能音箱：小米小爱触屏音箱。根据官方的介绍，这款音箱的功能主要包括：

• 初期会支持 IoT 设备操控、自定义闹钟样式、幼教内容、串流视频（爱奇艺）播放等特性；
• 四月的更新后，会再加入串流音乐（QQ 音乐）播放、一句话拨打 / 接听电话、家庭相册、门铃显示等功能；

至此，国内带有屏幕的智能音箱将出现百度和小米争霸的局面，相较于小米在智能家居市场的散点布局，百度 DuerOS（百度智能家居产品的操作系统）目前还有一定的差距，2019 年如何应对，值得关注。

其四，Strategy 只列出了六个玩家，在「其他」的类别里，还需要留意几个潜在的玩家。比如华为，2018 年开始，华为开始在智能手机之外大力推进其智能家居的布局，并且在 2018 年 10 月发布了第一款 AI 音箱，从战略的角度去看，华为模仿了小米的思路，而在研发投入、执行力上，华为已经在智能手机上展示了其实力，智能音箱作为智能家居领域的中枢，华为接下来的产品发布策略令人期待。

另一个则是三星。The Verge 的消息称，三星计划在今年 4 月发布智能音箱 Galaxy Home，这款音箱将搭载 Bixby 语音助理，其产品的落脚点也是作为三星智能家居的交互中枢。值得一提的是，三星的这款音箱早起更多还是针对欧美市场，其竞争对手也是亚马逊和苹果，不过 The Verge 援引三星相关人士的说法，「这是唯一可以和用户进行多轮交互的 AI 音箱」

2019 手机保卫战

下周，一年一度的 MWC 又将开幕，这是一个移动互联网行业的盛会，也是 2019 年手机保卫战的开始。「手机保卫战」是我在 2018 年 MWC 期间提出的一个名词，大意是说，在智能手机 10 年之痒之后到底路在何方的大背景下，整个行业——从运营商到手机制造商——为止探寻的解决方案。

而在 2019 年手机保卫战打响前，一份来自 Gartner 的数据令整个行业感到一丝寒冷，这份数字有几个要点：

• 2018 年第四季度智能手机销量为 4.08 亿部，按年仅增长 0.1%；
• 三星市占率 17.3% 继续排行全球第一，第二位及第三位分别为苹果及华为，市占率分别15.8%及14.8%；
• 华为的市占率按年显着上升4个百分点；
• 2018 年第四季度，iPhone 的销量为 6450 万部，按年下降11.8%；
• 2018 年第四季度，华为销量超过 6000 万部；

Gartner 的分析指出，智能手机销量下滑的主要原因在于高端手机的需求持续放缓，究其原因，包括创新乏力、价格上涨等，这也是 2018 年苹果、三星、华为等高端手机系列所面临的巨大困境。

这些难题能在 2019 年的 MWC 找到答案吗？

答案并不乐观。

我曾在 2018 年 MWC 期间谈到 5G 作为保卫手机的重要力量，寄托了太多手机行业的希望，但这个希望至少在 2019 年，还是一个「希望」而已。

的确，下周的 MWC 会有不少「5G 手机」，但从实用的角度去看，这些手机几乎不具备可用性。且不说首批「5G 手机」价格高昂，更重要的是 5G 网络建设还有非常大的空间。以北京为例，只有金融街、海淀稻香湖，以及国贸地区的央视大楼等有少数的网络信号。

不仅是 MWC 上亮相的「5G 手机」，整个 2019 年的「5G 手机」都无法实现真正意义的「拯救」。过去一段时间媒体热议的所谓「手机 1分钟下载一部大片」不过是 5G 大带宽的一个技术特点而已，但如果以此作为卖点，显然是大材小用，这个说法也相当于说「 4G 手机相比 2G 可以更快地发送短信」。

事实上，如果参考 4G 网络对于智能手机的革命性意义，或许会发现大量的技术创新和场景创新都是 2G 甚至 3G 时代无法想象的，比如国内的直播、短视频（生产、消费），国外的 Snap 等产品，其带来的巨大价值远远超过了 2G 时代的语音（电话）、文本。

从这个角度去看，5G 之于智能手机的意义，网络速度提升更多是一个噱头，真正的创新还需要借助更多技术的加入，比如「手机+AR」，这是苹果过去几年发力的方向，2018 年开始，华为也在其旗舰手机里加入了 AR 元素，这当然也是一个相对漫长的周期，从网络到功耗再到生态，都需要行业的共同努力。

其次，折叠屏能拯救智能手机吗？比如三星本周发布的这款手机，如下图所示，这的确是一个令人震撼的手机。

但依然有诸多不确定性。

折叠屏手机天然建立在屏幕灵活的基础上，它继续延续了由 iPhone 引领的触控交互，远没有带来真正的交互创新，这也意味着，用户在折叠屏设备上的体验，与普通手机并不太大差异。另一方面，除了官方应用外，第三方应用的适配短期内同样无解，这恰恰也是用户体验的重要组成部分。

上述两点也导致了当下用户对于折叠屏的关注，更多是建立在尝鲜的基础之上，而手机厂商也会采用价格手段限制绝大多数用户，比如三星这款手机的价格高达 1600 美元（约合 13000 人民币）。

既然 5G （这里特指 5G 网速）和折叠屏都不是最好的解决方案，那么到底还有哪些值得期待的技术创新呢？我个人看好两个方向：语音和 AR。

事实上，媒体对于智能手机发展的渲染，太过于聚焦在外在形态，却忽略了其核心的东西：人机交互。

为什么第一代 iPhone 具备革命性的意义？因为它改变了过往智能手机只有物理按键的交互方式。为什么 iPhone X 被吐槽了那么多还拥有巨大影响力？因为从这一代 iPhone 开始，苹果又去除了一个物理按键，并将手势交互与设备完整融合在一起，也为行业其他公司的相关产品提供了参考。

而语音和 AR，则有望将智能手机带入到一个全新的交互阶段。语音交互虽然发展多年，但还是借助智能音箱得以普及，智能手机的语音交互，如何超越语音助手的局限性？如何将语音命令与手机操作结合起来？这需要的是 Google、苹果、微软等巨头给行业带来启发，也需要整个行业——从操作系统提供商到设备生产商再到第三方应用开发者——合作与博弈才能实现。

AR 所代表的——如凯文·凯利所言——一个「镜像世界」，利用手机 AR 的全新交互，智能手机在数字世界与物理世界之间实现了完整的连接，也将延续智能手机作为终极个人计算设备的重任。

正如上文所提到的，包括苹果、Google、华为已经开始在移动设备上布局 AR 应用以及 AR 开发，3 月底华为 P30 发布会，5 月的 Google I/O 以及 6 月份苹果 WWDC，都将构成观察 AR 发展趋势的重要窗口。

综上，2019 年的「手机保卫战」从一开始就已经失败，2019 的智能手机行业注定不好过，噱头、概念、互黑......会成为贯穿这一年的关键词。

上周，由 Elon Musk （根据 Elon Musk 的说法，他已经退出了这个机构）等人资助创建的非盈利组织 OpenAI 展示了一个令人颇感恐惧的产品，这个名叫 GPT-2 的 AI 模型也可以根据某些单词自动预测下一个单词，依托其海量的文本数据库，可以依次生成一个个句子，进而成为一段话、一篇文章。

下面这个视频来自英国《卫报》，如果无法直接观看，请点击这里跳转到 YouTube 里观看。

鉴于过去几年欧美各国对于「Fake News」的关注，OpenAI 的这个演示一经发布就引发了众多讨论。从某种意义上说，OpenAI 的 GPT-2 就是一个「Fake News」生成器，只需要简单输入几个单词，就可以将其作为一条社交媒体状态或者一篇博客文章的主题部分，如果再加上目前已经自动化的发布流程，虚假新闻的生产，真正实现了一条龙或者全自动化。

再看一段 GPT-2 「撰写」的文字：

The first thing that strikes you about GPT-2 is its simplicity. First, the system is built on unsupervised learning from text, which essentially means the software is trained to spot instances of certain words that, when paired with other words, trigger the system to give it a human review of them. The system also learns through example and repetition, but does not have the capability to recognize itself.

还有下面这段：

读完这两段话是不是格外震撼？但在渲染气氛之前，还是有必要搞清楚 OpenAI 的 GPT-2 到底是个什么东西。

二

GPT-2 是 OpenAI 推出的大规模无监督语言模型，相较于 2018 年 6 月的第一代模型，GPT-2 在技术参数上有了巨大提升，主要包括：

• 模型参数达到 15 亿个；
• 训练语料达到 40 GB，主要来自 Reddit 等论坛中高质量的页面，整个页面数量超过了 800 万；

OpenAI 在其官方博客上进一步介绍了 GPT-2 的能力：

GPT-2 displays a broad set of capabilities, including the ability to generate conditional synthetic text samples of unprecedented quality, where we prime the model with an input and have it generate a lengthy continuation. In addition, GPT-2 outperforms other language models trained on specific domains (like Wikipedia, news, or books) without needing to use these domain-specific training datasets. On language tasks like question answering, reading comprehension, summarization, and translation, GPT-2 begins to learn these tasks from the raw text, using no task-specific training data. While scores on these downstream tasks are far from state-of-the-art, they suggest that the tasks can benefit from unsupervised techniques, given sufficient (unlabeled) data and compute.

请注意最后一句话，利用海量的数据和足够的计算能力，GPT-2 在五监督学习上取得了巨大突破。换句话说，只需要给予一定量的数据和计算，GPT-2 就是一个可以自说自话的 AI 系统。

GPT-2 的另一个突破是「Zero-Shot」，也就是所谓无需预训练的方法，GPT-2 可以不针对任何特定数据训练，可直接将模型用在比如撰写为维基百科、新闻甚至图书的数据集里，OpenAI 展示了其取得的成绩，如下图所示，在总共 8 个数据集里，有 7 个数据集的最好成绩属于 GPT-2。

如此强大的模型，OpenAI 选择了一种非常不「Open」的方式，其官方博客这样写道：

Due to concerns about large language models being used to generate deceptive, biased, or abusive language at scale, we are only releasing a much smaller version of GPT-2 along with sampling code. We are not releasing the dataset, training code, or GPT-2 model weights......

在其开源的模型和代码里，大概只有 117M的模型样本和代码，此举则进一步引发了研究者的声讨，英伟达研究院负责人、AI 资深学者 Anima Anandkumar 毫不客气地指出：

What you are doing is opposite of open. It is unfortunate that you hype up +propagate fear + thwart reproducibility+scientific endeavor. There is active research from other groups in unsupervised language models. You hype it up like it has never been done before.

三

GPT-2 展示了一种技术的可能性——让机器具备自动撰写「一般性」文章的可能性，过去几年所谓新闻行业里的「机器人记者」在 GPT-2 面前根本不值一提，如果你仔细去看上面的例证，不管是语法、拼写还是逻辑，几乎做到了令人无法分辨的地步。

即便是 OpenAI 选择性的开源了一小部分内容，但技术的发展从来不可能完全封闭，早几年的 DeepMind 的 AlphaGo 击败人类围棋选手，不到几个月就出现了一个「开源的 AplhaGo」Leela，我也相信类似情况会出现在 GPT-2 或者说语言模型技术的发展中。

但问题并不在于 OpenAI 是否真正开放这项技术，也不在于 GPT-2 的替代品何时出现，其最核心的问题是，如何让公众认识到这些技术背后的伎俩，从而更好地分辨出机器生成文本以及其危害。

事实上，2018 年开始，机器就开始具备了「制造」视频的能力。

根据 Motherboard 的报道，利用人工智能可以制作虚假「明星色情影片」，这已经不是该网站第一次报道这类应用，不过在 MotherBoard 记者看来，如果说之前那个还是个「工程师作品」，那么如今这个产品几乎已经「开箱即用」：

Another redditor even created an app specifically designed to allow users without a computer science background to create AI-assisted fake porn. All the tools one needs to make these videos are free, readily available, and accompanied with instructions that walk novices through the process.

These are developments we and the experts we spoke to warned about in our original article. They have arrived with terrifying speed.

更进一步，这个应用的硬件使用门槛也很低：

.......anyone who can download and run FakeApp can create one of these videos with only one or two high-quality videos of the faces they want to fake. The subreddit’s wiki states that FakeApp is “a community-developed desktop app to run the deepfakes algorithm without installing Python, Tensorflow, etc.,” and that all one needs to run it is a “good GPU [graphics processing unit, the kind that high-end 3D video games require] with CUDA support [NVIDIA’s parallel computing platform and programming model].” If users don't have the proper GPU, they can also rent cloud GPUs through services like Google Cloud Platform. Running the entire process, from data extraction to frame-by-frame conversion of one face onto another, would take about eight to 12 hours if done correctly. Other people have reported spending much longer, sometimes with disastrous results.

相比于人工智能取代人类工作这样的宏大命题，这类似乎有些恶作剧的应用，所引发的关注度往往都停留在社会伦理层面，但下面这个视频或许可以改变一些你的想法（如果无法直接观看，请点击这里查看）：

这个视频是将演员 Steve Buscemi 的「头」按在了 Jennifer Lawrence 的「身上」，演讲的内容是 2016 年金球奖颁奖典礼的片段。

根据该视频作者、Reddit 用户 VillainGuy 的说法， 生成这样一段视频需要一个免费的处理工具「faceswap」，然后收集大量 Steve Buscemi 的影像内容 ，再依靠高端显卡和处理器完成视频，如果你有耐心，那么可以生成质量更高的视频。

从图像、视频到文本，人工智能的各项技术突破带来的机遇与挑战，一方面在加速社会文化认知的转型，所谓「图=真相」的时代早已过去，而 2019 年随着文本生成模型的普及，自动化的文本也将进一步塑造社会公众对于文字阅读的认知。但另一方面，大公司，尤其是平台公司，正在利用这些技术编织一条巨大的网，让平台上的用户、内容以及 Bot（机器人）无力脱身。

补充两个细节：其一，来自 Reuters 基金会的一项调查显示，即便是美国、英国、法国这样的发达国家，也仅仅有不到 3 成的受访者了解 Facebook 利用算法推荐内容，其中法国的数据最低，只有 19%。

其二，春节期间，我父母手机上的火山视频，首页全部推荐我老家的段子、视频，甚至连我表弟的婚礼视频都「智能」推送过来，我父母虽不明为何，却相当开心，而我在一旁竟无法言语一句。

这期的会员通讯，我将通过盘点全球云计算五大玩家来展现 2019 年的行业变化趋势：

• AWS：押注 AI 之后，如何处理与合作伙伴「抢生意」？
• 微软 Azure：会不会公布云业务具体规模？
• 阿里云：新组织架构会带来哪些新布局？
• Google Cloud：新任 CEO 如何逆转战局？
• IBM：为什么收购红帽仅仅是一个开始？

从全球范围来看，云计算的基本格局正在步入稳定期。但这不意味着整个领域在停滞，相反，即便是在基础设施即服务（IaaS）市场已经呈现亚马逊、微软、Google、阿里云争霸的基本态势下，新的技术趋势，如人工智能、机器学习依然是其他公司获得 0.1% 市场份额的重要突破口。

与此同时，随着企业开始思考多云策略、混合云等，也给包括 IBM 在内的一些「传统」公司带来新的机会。

必须看到一点，云计算从来不是一个零和游戏。Gartner 的数据显示，得力于 SaaS 产品的需求，2019 年全球 IT 支出将增加 3.2% 至 3.76 万亿美元。

接下来，我们来逐个盘点全球云计算领域的五大玩家。

AWS

过去的 2018 财年，AWS 营收为 256.5 亿美元。财报分析师会议上，亚马逊 CFO Brian Olsavsky 表示，2018 年的业绩增长一定程度上超出了预期。

AWS 的优势在于其丰富的产品线，而其在新技术，比如人工智能、物联网、AR 上的产品布局，也让 AWS 跨入 PaaS 层面的竞争。

而在开发者和生态层面，AWS 面临诸多挑战。一方面，AWS 拥有广泛的合作伙伴，比如 Vmware、C3、SAP等，另一方面，AWS 也在不同程度地与这些合作伙伴「抢生意」。数据库就是一个最好的例证，随着 AWS 开始发力数据库，过往的数据库合作伙伴 Oracle 已经将其视为竞争对手。这也不禁令人怀疑，当下 AWS 与 Vmware 的合作，会不会随着 AWS 混合云产品的成熟而破裂呢？

观察 AWS 的发展方向，一定不能错过每年的 re:Invent 大会，在 2018 年的大会上，亚马逊展示了对于人工智能的野心，这也将为 AWS 全新的业务增长点。

根据 AWS 合作伙伴 2nd Watch 的数据统计，2018 年 AWS 最受欢迎的产品包括：

• Amazon Virtual Private Cloud
• AWS Data Transfer
• Amazon Simple Storage Service
• Amazon DynamoDB
• Amazon Elastic Compute Cloud
• AWS Key Management Service
• AmazonCloudWatch

随着 AWS 推出分析和预测服务，2019 年这个领域的增长也值得关注。

另一个领域则是数据库市场。2019 年 1 月的时候，AWS 发布基于云端的 Amazon DocumentDB，根据其官方的说法：「（Amazon DocumentDB）旨在为客户提供大规模运营任务关键型MongoDB工作负载时所需的性能、可扩展性和可用性......」。随即 MongoDB 股价下跌了 10%。

微软 Azure

不管是哪一家分析机构，都将围微软 Azure 列为仅次于 AWS 的云计算公司，但如果真有将两家公司放在一起对比，又非常困难。

究其原因，最根本的还是微软将 Azure 装入到「商业云」的类别里，这个类别还包括企业版的 Office 365、Dynamics 365、LinkedIn 以及 Windows Server 等。

微软在云计算领域的优势在于，过往微软丰富的 SaaS 类产品，随着其产品的不断云化，能够更快地占领市场，比如 Office 365、Dynamics 365，过去都是本地买断制的产品，如今都通过云服务实现了全新的交付模式。

另一方面，微软对于 AI、分析以及物联网等新技术投入巨大。同时，微软 AzureStack 是微软应对混合云的重要产品布局。微软 CEO 纳德拉曾在微软二季度财报分析师会议上表示，目前微软的云服务主要关注医疗、零售、金融等领域。

根据 Macquarie 分析师 Sarah Hindlian 的预测，在最新的 2019 财年二季度里， Azure 的营收大概在 27.5 亿美元，以此作为基数，预计全年的营收规模为 110 亿美元。

最后不得不提的一点，微软抓住了多个行业对于 AWS 以及亚马逊影响力的恐惧，比如零售领域的巨头绝不会使用 AWS，那么微软就拥有了一个巨大的客户群体，包括沃尔玛、Gap 等巨头都成为微软的大客户。

阿里云

阿里云在国内云计算市场的地位几乎无可撼动。最新一季度的财报里，阿里云营收同比增长 84%，至66.11亿元人民币（9.62亿美元），全年营收也首次突破 200 亿美元。

从产品层面上看，目前阿里云上热卖的，包括弹性计算、数据库、存储、网络虚拟化服务、安全、管理和应用服务、大数据分析、机器学习平台和物联网服务等，这也意味着，当下中国云计算市场的需求还停留相对早期的阶段。

财报显示，云计算的增长得力于企业客户需求的增长。而在财报分析师会议上，阿里巴巴 CEO张勇则表示，「我们认为云不止是基础设施，还是数据技术，数据智能和数据能力，我们将与市场分享这些技术，智能和能力」。考虑到阿里云刚完成了一次架构调整，新任总裁张建锋如何进一步解读这个「能力分享」，值得期待。

过去的这一年，阿里云在国际化上有诸多布局。在英国和日本，阿里云已经实现了双数据中心的布局，在东南亚市场，阿里云与阿里巴巴体系里的电商、支付产品的协同效应也开始显现，而中欧地区，如波兰，则可能是阿里云国际化发展的一个重要基地。

Google Cloud Platform

过去的 2018 年，Google 对于云计算的态度变得越来越认真。一方面赢得了多个大客户，另一方面，则是招募来了前 Oracle 高管 Thomas Kurian 来执掌 Google 云服务团队。

不过遗憾的是，外界至今也无法知晓 GCP 的具体营收，一年前，皮查伊曾透露过一个季度 10 亿美元生意的数字，但自此之后，Google 再也没有发布更多实质性的信息。

本月初的财报分析会议上，皮查伊主要分享了几个客户数字：

• 100 万美元的客户单子相比去年翻倍；
• 多年合同的客户数量翻倍；
• G Suite 付费用户达到 500 万；

Alphabet CFO Ruth Porat 则表示，GCP 是整个 Alphabet 里增长最快的企业之一，超过 1 亿美元的合同数量也在上升。

在华尔街分析机构 Jefferies 看来，GCP 目前位列全球第三的位置，未来还有不小的增长空间。



另外一点，GCP 营收上升的原因可能是其对 Gsuite 价格的调整，该公司目前将 Gsuite 办公套件的价格从最便宜的 5 美元/月上调到 6 美元/月。

IBM

曾经一度被认为在云计算领域掉队的 IBM，正在奋起直追。面对自己的处境，IBM 过去几年一直在力推「多云管理」策略，即帮助客户更好地管理不同云平台上的系统、服务。

2018 年，IBM 发布了 OpenScale，这是一个面向云端 AI 的管理平台，企业可以通过这个平台来统一管理不同云平台上的 AI 产品和服务。

更重要的是，2018 年，IBM 斥资 340 亿美元收购了红帽软件，也进一步强化了 IBM 在多云管理领域的影响力。目前，IBM 拥有自己的公有云产品，可以提供「平台即服务」、分析、人工智能（主要是 Watson）以及量子计算服务等产品，再加上红帽软件，使其具备更多云端集成、管理的能力。

不过需要注意的是，任何一笔收购都不是简单的逻辑推演，而是一场赌注。红帽如何与 IBM 的产品以及企业文化之间的整合，还有待长期观察。IBM CFO James Kavanaugh 在公司第四季度财报分析师会议上强调，通过收购红帽，IBM 看到了更多混合云的市场空间。

在上月发布的第四季度财报中，IBM 最大的业务部门「技术服务和云平台」（包括基础设施服务、技术支持服务和一体化软件业务）营收为 89亿美元，相比上年同期下降 3%，但有两个积极因素不容忽视，其一是混合云服务的增长，其二则是该部门业务毛利润率达到 42.3%，高于上年同期的40.8%。

写在最后

在梳理完主要玩家后，不妨再以行业的视角去做一番总结，主要有四个关注点：

• 价格。上月，Google 宣布将上调办公套件 Gsuite 的价格。当下云服务中的存储和计算已经非常便宜，新的价格战会扩展到包括基于云端的机器学习、分析工具或者 Serverless 中。
• 多云。这是一个属于大型企业的典型需求，利用不同的公有云服务商，大企业可以在价格、产品锁定上作出更灵活的选择。
• 新技术。2019 年云计算市场值得关注的新技术包括人工智能、物联网以及数据分析。不同的云计算公司，对于新技术的包装和交付正在成为差异化竞争的关键。
• 营收谜团。从产业成熟度上看，云计算已经足够成熟，但不同公司似乎还是「无法计算」清楚自己的云产品营收，这背后既有财报数字的考量，也有不同产品线利益关系的博弈，目前，主要的云计算公司，只有亚马逊和阿里云公布了具体的云计算营收数字。

---

延伸阅读

• 以客户为中心 OR 以竞争对手为中心，AWS 产品策略变了吗？
• 「多云战略」趋势下，亚马逊、微软、Google 还有哪些底牌？
• Google 云服务负责人易主、为什么 Google 玩不转云、押注 AI 三年的 Google 云计算又何去何从？
• Google 如何让 AI 与云结合、阿里华为AWS的同一布局以及 2019 年的新趋势

本期的会员通讯，你会看到围绕 CB Insights 发布「年度 100 大 AI 创业公司」里的解读：

• AI 创业窗口正在关闭；
• 面向企业市场的 AI 产品越来越多；
• 中国特色的「To G」商业模式；

上周，数据分析公司 CB Insights 发布了全新的「年度 100 大 AI 创业公司」榜单，这也是 CB Insights 连续第三年发布该榜单。

春节前的最后一期会员通讯里，我谈到了所谓 AI 公司是一个不确定的市场概念，而 CB Insights 这份年度榜单里，还有诸多值得思考的点。

之前的会员通讯里，我也提到 2019 AI 领域的三个变化趋势，包括创业领域的两个观察：

其一，AI 创业窗口已经关闭，这个领域的资金已经流入到头部公司，长尾公司会活得很难，兼并、破产、被收购的事情会非常多；

其二，越来越多的 AI 产品会聚焦到企业市场，尤其是帮助企业解决效率问题，这也意味着 AI 的竞争已经从技术赛道延伸到产品、服务赛道；

这意味着：AI 创业公司的早期融资比例已经越来越小；企业 AI 的争夺战愈演愈烈。

CB Insights 的数据也验证了我的判断。下图是过去 5 年 AI 创业公司融资阶段的比例图，每一个柱状图底部是早期的种子投资或天使投资，相比于其他阶段的公司，这个阶段的公司数量在整个 AI 公司的比例已经越来越小。

事实上，硅谷投资机构 a16z 合伙人 Frank Chen 也曾发出「警告」：*接下来几年，没有投资人会继续投资 AI 公司**。在一篇名为* In a few years, no investors are going to be looking for AI startups 的文章里，Frank 认为，一如 80 年代的关系型数据库、90 年代的 Windows 软件、21 世纪初的云和移动 App，在「软件吃掉世界」的基本理念指导下，未来几年没有 AI 技术的产品将是不可想象的。

在 100 家 AI 创业公司里，有 33 家公司属于「Enterprise tech」类别，如果再算上面向企业人事、产业、法律的类别，这个数量可以增加到 43 个，下图是部分公司。

AI 公司扎堆企业市场，让 AI 领域具有「To B」的竞争属性。与此同时，还有一个「To G」的市场也在快速增长之中，这里的「G」就是「Government」。

CB Insights 的年度 100 个 AI 创业公司里，共有 6 家公司属于「To G」类别，如下图所示。

这其中，又有三家公司来自中国，分别是 SenseTime（商汤科技）、Yitu（依图）、Face+（旷视科技）。有趣的是，这三家中国创业公司也在全球 AI 公司融资榜上拥有一席之地，下面两幅图很能说明这一切。

更值得关注的是，不管是商汤、依图还是旷视，这些「To G」的公司无一例外都是脸部/图像识别的公司，考虑到他们的主要生意都是在中国大陆，这也让整个围绕 AI 生意的讨论变了味道，这是一个无比残酷但必须要接受的现实：在政府需求的刺激下，依靠海量的脸部数据，中国大陆造就了多个全球「AI 独角兽」。

作为深度学习领域的知名学者，Yoshua Bengio 对中国的当下表达过自己的担忧，在春节期间接受 Bloomberg 采访时，Yoshua Bengio 认为政府应该严格管理脸部数据的使用，这条新闻也毫不意外地没有被国内媒体「引进」。类似的情况，也出现在上月的达沃斯论坛上，资本大佬索罗斯也透露出对于中国 AI 领域发展情况的担忧，你可以在这里查看索罗斯演讲的文字稿。

这也再次引出了一个命题：AI 领域的最大客户到底是谁？

或者更准确也更接地气的一个命题：谁会是中国 AI 领域的最大赢家？

---

延伸阅读

• 当人工智能成为中国国家战略，我们需要担心什么？
• GDPR 之于机器学习和云、Echo 随机发送录音以及中国的人脸识别
• IBM与苹果的新合作、中美贸易战里的人工智能之争、中国城市安全背后的人脸识别与监控 – Dailyio
• 意淫 Google AI 落地中国 、当人工智能找到最大客户、云服务宕机后的世界

我曾经不止一次在 Dailyio 会员通讯里讨论过一个问题：到底有没有 AI 产业？

比如我在 2018 年 6 月的一篇会员通讯里这样写道：

上月，前美国总统经济顾问 Jason Furman 和纽约大学教授 Howard Seamans 共同撰写了一份报告。这份名叫「AI and the Economy」的报告指出了一个略显残酷的事实：人工智能之于美国经济的影响几乎微乎其微。

之所以要讨论这份报告，有以下几个考量。首先，参考历次技术革命带来的影响，比如生产效率的提升以及职业变化，其最后的落脚点都是社会经济水平的整体提升，倘若人工智能不能实现这个「小目标」，也无法胜任过往技术革命中蒸汽机、电力的角色。

其次，以中美当下的产业结构来看，倘若人工智能无法在人力成本高昂的美国，还推动生产效率的提升，并创造出新的职业，那么，人工智能一样无法令中国的产业结构发生大的变化。毕竟，中国目前的经济发展还远远没有达到必须依靠机器来提升生产效率的阶段。

因此，透过这份来自美国的「体检报告」，我们可以部分意义上戳破人工智能的炒作泡沫。

整个报告并非简单地否定 AI 的价值，而是透过对生产效率和劳动力市场的分析，证明了当下人工智能的非理性狂热，无论未来人工智能会如何影响人类社会的发展，至少在短期内，所谓人工智能改变世界的说法都是扯淡。

本月初的一篇会员通讯里，我试图通过阿里巴巴技术委员会主席王坚博士的一句话，来探索 AI 公司要如何转型：

2017 年 12 月的时候，阿里巴巴技术委员会主席王坚博士曾发表过一个观点：「今天最需要转型的不是传统公司，而是互联网公司」。

…..

由此也引发了我的一系列思考。如果互联网公司需要转型应对赋能实体经济，那么「人工智能公司」是否也应该转型呢？或者，是否可以推理出，所谓「人工智能公司」是一个伪命题呢…..

这篇文章最后提出了几个结论，其中有两个关于 AI 产业和 AI 公司的：

第一，当下，人工智能公司或者人工智能产品突破的唯一途径就是「下沉」到各个行业，打造各个垂直领域的人工智能；

第二，没有「人工智能产业」一说，但「产业人工智能」会有巨大市场；

事实上，不仅 AI 产业是个伪命题，连 AI 公司也是一个值得商榷的话题。

二

如果在搜索引擎里搜索当下的 AI 创业公司，下面三家公司最具代表性：

• 商汤科技：依靠脸部识别起家的创业公司，公开资料先显示其 D 轮融资额为 10 亿美元，过去一年内的总融资为 22 亿美元。
• 优必选机器人：也是一家来自中国的创业工程，最新的 C 轮融资为 8.2 亿美元；
• Zymergen：一家美国的生物科技公司，C 轮融资为 4 亿美元。

上述三家公司及其所代表的领域（脸部识别、机器人、生物科技）在各种 AI 公司数据库里都拥有不小的份额。但正如 TechCrunch 记者 Holden Page 所指出的那样，到底这些「AI 公司」的「AI」是个什么意思？

Holden Page 以 Zymergen 公司为例，该公司在 TechCruch 和 CB insights 的数据库都属于「AI Maker」的类别，但在 Zymergen 公司网站上，你却看不到这样的描述，如下图所示，这个页面讲述了 Zymergen 公司的理念和产品，其中只提及了该公司如何利用机器学习来推进产品研发。

从这个角度去看，Zymergen 所做的，和所谓「AI Maker」并没有直接关系，即便是在该公司招聘网页上，你也看不到公司相关内容。

与之相呼应的是，CB insights 的报告、CrunchBase 的数据库以及 Bloomberg 的报告都认为：2018 年全球 AI 创业公司的融资总额再创新高。

对此，Holden Page 感叹道：这个行业并没有为所谓「AI 公司」设置一个明确的范围。这也意味着，市场上有太多投机取巧的公司，比如仅仅通过调取 Alexa 或 Google Assitant 的 API 进行开发的公司，能不能算入 AI 公司法范畴呢？

AI 创业热潮当然已经开始，但到底有多少资金流入、有多少 AI 公司获得融资，这些都是不能确定的问题。

三

如果说 AI 公司是个不确定的定义，那么 AI 公司的客户们——尤其是大公司——则有着非常确定的需求：不管 AI 还是 IA 还是其他什么技术，如何能够提升企业效率才是根本。

《纽约时报》记者 Kevin Roose 上周在达沃斯论坛上就发现了一个有趣的现象，参与会议的跨国公司高层，一方面在公共场合高呼自动化不会取代人类工作岗位，另一方面却在私下场合讨论到底如何才能通过自动化实现了效率的提升，即便是取代大量的人类职位也无所谓。

Kevin Roose 感叹道：

They’ll never admit it in public, but many of your bosses want machines to replace you as soon as possible.

究其原因，则是企业竞争的必然现象。Kevin Roose 援引采访李开复的话：

In an interview, he said that chief executives were under enormous pressure from shareholders and boards to maximize short-term profits, and that the rapid shift toward automation was the inevitable result.

另一方面，无论美国还是中国的大企业，都需要承担就业的社会责任，这些企业的高管，并不能随心所欲地表达自己对于自动化的观点，因此也导致了上述「两面派」的现象。

李开复在达沃斯期间的一段谈话很好地反映了这样的尴尬：

到底工作会不会被取代？我的观点是AI 和自动化能做大部分的重复性的任务，而很多工作大部分的任务是重复性的，所以有三种方法取代：1）一对一的取代（比如说自动收银机取代收银员），2）间接取代（比如说互联网支付颠覆信用卡，因而带来信用卡员工的失业），3）部分取代形成人工池（比如说前台部分50%被取代，前台人员的人工池也可以减少50%）。这三种都是必然的现象。在这个问题上，很多传统公司和科技公司都不愿意承认，传统公司因为不想吓到员工，科技公司因为不想承担责任。

事实上，正是这些大公司一致的需求，也在推动着「真假 AI 公司」以及「真假 AI 产品」发展。Kevin Roose 列举了两家获益颇丰的公司：其一是来自印度的 Infosys 公司，该公司提供的机器流程自动化产品，年增长率高达 33%；其二，IBM 的「认知计算方案」部门，利用「AI 技术」帮助企业提升业务效率，以及成为季度营收 55 亿美元的部门。

从这个角度去看，2019 年 AI 领域会出现一系列新变化，这里我提及最重要的三个变化：

其一，AI 创业窗口已经关闭，这个领域的资金已经流入到头部公司，长尾公司会活得很难，兼并、破产、被收购的事情会非常多；

其二，越来越多的 AI 产品会聚焦到企业市场，尤其是帮助企业解决效率问题，这也意味着 AI 的竞争已经从技术赛道延伸到产品、服务赛道；

其三，正如《MIT 科技评论》上周发布的一篇文章所指，深度学习的红利渐趋消失，那么有没有更好的算法或趋势去推动 AI 的继续发展（炒作），也就成为各大巨头——Google、微软、百度等——研究机构的重要课题。

上周，Bloomberg 记者 Mark Gurman 又拿到了关于苹果的独家信息，由于 iPhone 销量不及预期，苹果内部正在考虑是否减少人员招聘。Gurman 的信源表示，尽管还没有完全确定哪些部门会「冻结」招聘，但有一点是非常肯定的，那就是 AI 部门不受影响：

Cook said he is yet to fully determine which divisions would cut back on hiring, but said that key groups such as Apple’s artificial intelligence team would continue to add new employees at a strong pace…..

这条新闻颇具象征意义。苹果作为全球影响力最大的智能手机公司，当智能手机产品遭遇严重挑战的时候，也将目光聚焦了人工智能领域。事实上，苹果对于 AI 的关注度在 2018 年已经越来越明显。继 2018 年 4 月从 Google 挖来 AI 顶级专家 John Giannandrea 后，2018 年 12 月，苹果官方宣布 John Giannandrea 晋升为管理团队成员，其职位名称为「机器学习和 AI 战略高级副总裁」。

在苹果官方新闻稿里，对 John Giannandrea 的工作范围做了这样的介绍：

Giannandrea oversees the strategy for AI and Machine Learning across all Apple products and services, as well as the development of Core ML and Siri technologies. His team’s focus on advancing and tightly integrating machine learning into Apple products is delivering more personal, intelligent and natural interactions for customers while protecting user privacy. ……

Giannandrea’s team is also helping to enhance the developer experience with tools including Core ML and Create ML, making it easier and faster to integrate machine learning into apps.

通过上面的架构图以及对 John Giannandrea 职位范围的整理，可以清晰地看到苹果对于 AI 的重视程度，AI 成为与零售、服务、软件、设计并列的核心业务。

苹果的这番表态一方面可以安抚华尔街，显示苹果对于未来产品和技术的布局，另一方面，也势必会影响整个手机行业在拥抱 AI 技术的节奏。

但手机与 AI 的结合并不乐观。

在过去的 2018 年，智能手机行业在 AI 上的探索不可谓不努力，从适合手机的 AI 芯片到 AI 算法均有不同程度的突破。

以芯片为例，苹果 A12 在 CPU 和 GPU 上的提升微乎其微，但针对机器学习的 NPU，则从 2017 年的每秒 6000 亿次运算提升为每秒 5 万亿次；华为发布的麒麟 980，则首次集成了双核 NPU（其 NPU 依然是寒武纪的授权而非自研）；高通在 2018 年底发布的下一代骁龙处理器 855 里，AI Engine（其功能也类似于 NPU）的性能比上一代 845 提升了 3 倍，也比麒麟 980 高出了 2 倍。

2018 年 12 月，商汤科技联合艾瑞咨询发布了《2018年中国人工智能手机行业研究报告》，里面对所谓 AI 手机与手机 AI 有一些有趣的发现。

比如，AI 手机的产业结构包括硬件（如 AI 芯片厂商）和软件（如 AI 算法供应商）。

如果说上面 AI 芯片和 AI 算法供应商还比较统一的话，在 AI 开发者领域则出现了「分裂」的迹象：华为拥有 HiAI、AR Engine 两大自有开发者平台，同时还与百度机器学习框架 PaddlePaddle 共建开发平台；小米则拥有 Mobile AI Compute Engine 等。

但这些数字对于普通消费者而言依然是无感的，下面两张图则显示出中国市场 AI 手机与手机 AI 功能的基本情况。

坦率来说，上面两个调查的样本数实在是太小，但这也的确当下 AI 手机或者手机 AI 可以突破的领域，如果你在 2018 年购买了新款的 iPhone 或者安卓旗舰机，大概率也能感受到所谓 AI 的能力。

这也意味着，包括苹果在内的智能手机行业，必须面对一个残酷的事实：尽管所有人都知道 AI 会给手机带来变革，但没有人知道到底从何处入手，以及如何去做。

对于手机应用开发者而言，尽管苹果、华为、高通已经陆续开发了所谓的机器学习开发工具，但也仅仅集中在脸部识别、语音理解以及简单的自然语言处理等领域，不是每个应用都需要这样的 AI 能力，更何况在面向消费者的应用里，集成上述 AI 能力的应用已经太多了。

2019 年的手机 AI 领域，上半年的竞争核心，会在新尺寸新模样的手机（比如打孔屏、折叠屏）体现出一定的 AI 能力；下半年则还会出现新的 AI 芯片竞赛，华为、苹果、高通的比赛不会停止。

但这些都不应该是最重要的事情，我更关注以下三点。

其一，Google、苹果如何在新的手机 OS 里提供更多 AI 开发能力，从而让开发者能够开发出更多 AI 应用；

其二，Google、微软以及其他 AI 创业公司，能否继续降低 AI 开发门槛；

其三，华为和小米之间 AI 开发生态的博弈，会如何影响中国智能手机市场走势。（完）