分类： Open Access

德勤日前发布了一份面向全美企业的 AI 状况报告「State of the AI in the Enterprise」（你可以在这里下载），这份报告调查了全美 1100 名 IT 从业者以及企业高层，这里有一些非常有趣的发现。

首先，在宏观层面的数字上，42% 的受访者表示，未来两年内，AI 将给企业带来「非常重要」的影响。

但另一组数据则显示，56% 的受访者认为 AI 相关技术会在 3 年内给公司带来转型，这个数字在一年前还高达 76%。也就是说，过去一年时间里，不管是企业的亲自实践还是观摩其他公司的举动，这些企业高层对于 AI 推动公司转型的话题上变得越来越现实。

比如在上图里，增强现有产品能力、解放员工时间以开拓更富创造性的工作、创造新产品等方面的预期都有所下滑，而优化内外运营则有不同程度的上升。

其次，德勤的这份报告还特别将企业内部的 AI 应用做了四个分类，包括以下四个方面：

1. 机器学习
2. 深度学习
3. 自然语言处理
4. 计算机视觉

通过分析上述四个技术领域在企业内部的应用情况，也可以看到当下企业对于 AI 技术的需求点到底在哪里。

调查结果显示，自然语言处理的需求增长迅速，相对于去年 53% 的数字，今年有 62% 的企业开始推行自然语言理解在企业内部的应用；机器学习的普及率紧随其后，从去年的 53% 上升到今年的 58%；计算机视觉和深度学习排在后面，分别是 57% 和 50%。

与之相呼应的，则是企业在 AI 技术，尤其是机器学习、深度学习上的资金投入，调查中就提到，37% 的受访者称，他们的公司已经在机器学习、深度学习上投入 500 万甚至更多的资金，这些资金被广泛应用在企业 IT 采购中。

在下图里，从企业软件采购到开发再到云服务采购，AI 已经广泛存在其中。

第三，AI 的投资回报率已经初现。调查显示，有 82% 的受访者认为他们已经在人工智能的投资中获得实实在在的收益。不过正如下图所示，尽管远期来看，每个行业都会从 AI 技术中获益，但每个行业的回报肯定是不一样的，尤其是在目前这个初级阶段。

德勤特别提到了 Netflix 的案例，Netflix 发现他们的用户喜欢搜索电影，但如果搜索并找到一部电影的时间超过 90 秒，那么用户往往会放弃，而借助 AI 技术优化站内搜索之后，不仅可以给用户带来用户体验的上升，还能让用户更快地付费。德勤的数字显示，仅仅一年，得力于 AI 对搜索的改进，Netflix 可以多赚 10 亿美元。

不仅是这些科技公司可以在巨额投入 AI 中获得效益，很多传统媒体也越来越依靠 AI 来提升自己的销售额。在钛媒体的一篇文章里，科技自媒体「脑极体」 介绍了 AI 与传统媒体付费模式之间的结合，其中提到三个场景，比如《华尔街日报》如何提升付费转化率：

比如，《华尔街日报》就通过“付费墙”来训练订阅预测模型，制定更加灵活的订阅策略。

通过对未订阅访问者的行为进行分析，如是否首次访问、使用的操作系统、阅读设备、是否选择点击、用户的位置等。使用机器学习来告知“付费墙”可以在何时提供读者免费阅读，以及预测读者是否会付费。

再比如通过对用户画像的刻画，面向不同的读者，推送不同的内容：

将散落的庞大用户大数据聚合起来，为付费读者画像，洞察他们的行为和喜好。内容商们就可以更清晰地了解目标群体，有针对性地进行内容生产。

在AI的支持下，创作者也可以催生出新的调查方式和写作手法。很多在过去因资源匮乏而无法推进和创作的故事，都有可能被孵化出来。

第四，企业应用 AI 技术的担忧不容忽视。这其中，网络安全被认为是等级最高的担忧。不过，有 43% 的受访者担心基于 AI 的决策失败，另外还有 39% 的受访者认为决策的合法性、关键情况下的决策失败非常关键。

这与公众尤其是部分名人，比如 Elon Musk所掀起的「AI 威胁论」形成了鲜明的对照¹。坦率来说，企业高层对于 AI 的担忧不仅反映了技术的局限性，更重要的是，企业人员的理性、务实态度，更能看清楚这些局限性对于企业发展的巨大隐患。

无独有偶，李开复日前接受了 Bloomberg 科技节目主持人 Emily Chan 的专访，其中谈到了人工智能现状、中美竞争以及 AI 的价值观，专访的视频详见这里。

李开复在这个视频的最后，完全否定了马斯克对于 AI 的判断，他随后在 Twitter 上表示：

AI is being applied widely. We need to deal with many issues, but singularity/robot overlords isn’t one of them.

那么，到底什么才是人类最担心 AI 的地方呢？

代码里的智能远没有代码里的道德更重要

如果你看过电影《少数派报告》，一定会意识到一点：相比于那个强大的犯罪预测系统，操作这个系统的人更可怕。

这也是最近一段时间以来，围绕人工智能的各个话题最值得探讨的一个：所谓 AI 应用/程序里的道德如何界定？

已经有数不胜数的案例摆在我们面前。Google Photo 曾将相册里黑人识别为大猩猩，部分意义上也折射了程序设计者的价值取向；而包括 IBM、微软在内的多家公司的人脸识别产品，在识别深颜色以及女性时，精准度直线下降；而在纽约警察局的一份庞大的犯罪嫌疑人数据库里，预计有 95% ——到 99% 的人是非洲裔美国人、拉美人以及亚裔美国人……

而与之相对的则是，美国、英国、中国的各个城市，相继开始在城市的街头铺设被 AI「武装」的摄像头，用于搜索犯罪嫌疑人。

这也意味着，作为普通民众，每天必须面对早已被植入价值观的 AI 摄像头捕捉自己的行踪。

科技公司们所扮演的角色，则是不断增加新的焦虑，下图展示了仅仅在 2018 年硅谷公司所面临的 AI 道德困境。

上图出现在上周举行的 AI Now Symposium 大会上，MIT 的一篇文章提出一个非常关键的问题：面对所谓的 AI 道德困境，到底谁来准确定义「道德」？以及谁来执行道德标准？

文章提到，MIT 做过一个关于道德的众包调查，将曾经一个经典的「电车悖论」放在自动驾驶汽车的场景下，全球数百万位用户提交了他们心目中的最优结果，最终的结果显示，不同地区对于道德的认知也是完全不同的。

另一方面，即便是制定了所谓的道德标准，似乎也无法执行。以 Google 为例，尽管 Google 曾在今年 6月表示自己不再参与军方的 Maven 项目，并发布了 Google AI 的原则和底线，但如果不是 Google 员工的抵制，上月 Google 或许也不会宣布放弃与军方的另一个项目。在当时皮查伊撰写的公开信里，我注意到有这么一段话：

We want to be clear that while we are not developing AI for use in weapons, we will continue our work with governments and the military in many other areas. These include cybersecurity, training, military recruitment, veterans’ healthcare, and search and rescue. These collaborations are important and we’ll actively look for more ways to augment the critical work of these organizations and keep service members and civilians safe.

我在当时的一期会员通讯里指出：

这意味着，Google 不会停止与政府的合作，只是不会和政府合作涉及到战争的项目。也正是这段话，让 Google 此次发布的这些原则和底线都更像是一个纯粹的 PR 行为。Google 即没有设置相应的监督机制，也没有提出必要的防御措施，整个表态也就失去了其意义，此次 Maven 项目的争议中，Google 内部上千名工程师的签名信以及辞职威胁的作用到底有多大，以及在其他公司又有多少可复制性，都是一个巨大的问号。

而在这场大会上，众多专家提出了各自的解决办法，来自纽约大学法律学院的教授 Philip Alston 认为，应该将人权纳入到人工智能道德标准之中。他的论据是，由于人权受宪法保护，因此，通过判断人工智能是否违背人权来判断是否有道德。

遗憾的是，类似这样的讨论还不会在中国社会出现，当下人工智能作为一项国家战略，俨然成为政客、投资（机）者、机会主义创业者共同打造的利益共同体。国家话语体系里的「与美国掰手腕」与企业宣传中的「提升效率」成为这片土地上人工智能的主流话语，至于代码里的道德、个体的权益，从来不是这个国家所关心的事情。

或许正因为此，当BBC 记者 John Sudworth 在贵阳体验当地的「天网」系统时（视频在这里），贵阳的管理者们天然以为这又是一个「弘扬国威」的好机会，毕竟，这可谓全球最领先的系统，但最后的传播结果却是全世界都看到了，在这片广袤的土地上，一群群人被如此这般强大的系统监控着……

6 个 AI 新兴国家

毫无疑问，美、中、英三国是目前人工智能领域的领先者，但随着人工智能的快速发展，其他国家也开始认识到人工智能之于未来国家发展的重要性，并结合各自的实际，制定了相关战略，下面就来看看其中的 6 个主要代表。

1. 新加坡。新加坡在 2017 年 5 月发布了「AI Singapore」，计划将政府、研究机构与公司的 AI 能力整理在一起，未来五年投入 1 亿美元用于相关项目建设。与此同时，新加坡也是首个向自动驾驶出租车开放城市公共道路的国家。
2. 阿联酋。阿联酋是中东地区首个发布 AI 战略的国家，也是全球唯一一个在政府设立「人工智能部」的国家。利用这些国家层面的支持，阿联酋希望获得更多国际关注，吸引技术和人才，参与本地的 AI 人才培养与项目建设。
3. 以色列。以色列在医疗人工智能领域处于绝对领先的地位，拥有十多家医疗 AI 创业公司；以色列政府宣布会在 5 年投入 2.8 亿美元，用于医疗数据数字化并继续挖掘这些数据背后价值。
4. 印度。印度在今年夏天发布国家层面的 AI 战略。印度的野心很大，他们希望将本国的 AI 发展转变为推动其他发展中国家经济发展的「燃料」，主要关注医疗、农业、教育、智慧城市以及交通建设。
5. 法国。法国政府在今年早些时候发布了一份长达 150 页的报告，详细介绍了法国在人工智能领域的思考，计划投入 20 亿美元，用于医疗、环境、交通与安全领域；在英国脱欧后，法国也努力成为欧盟地区人工智能的中心，目前 Google、Facebook 在当地都有人工智能研究机构。
6. 加拿大。加拿大拥有人工智能领域两位杰出的科学家 Yoshua Bengio 和 Geoffrey Hinton，他们的学术号召力吸引着全球范围内的人才涌入到加拿大，而硅谷的公司，包括 Google、Uber、Facebook 等也在加拿大设立分公司或研究机构；更重要的一点，考虑到美国当前的移民限制，加拿大的人才优势还将进一步凸显出来。

以上就是本期 Dailyio 会员计划的全部内容，感谢大家的订阅和支持！

ZDNet 上周有一篇很有趣的文章，提到人工智能领域 9 个毛骨悚然的案例。文章链接在这里，感兴趣的读者可以直接点开阅读，我在这里仅就其中的几个案例做一些简要分析。

如果每个案例用一句话来概括，大概是这个样子的：

1. AI 程序同类相食；
2. FB Chatbot 创造了自己的语言；
3. 被人类教坏的 Twitter 机器人 Tay；
4. Google Assistant 之间的「对话」；
5. 机器人 Sophia 对人类命运的「预言」；
6. Target 超市的精准预测；
7. Tay 2.0 继续被人类教坏；
8. 将乌龟识别成为来复枪的图片识别应用；
9. 特斯拉自动驾驶系统将前方卡车识别成天空，造成的车毁人亡。

类似这样数字开头的文章，无论中文还是英文，不管内容质量如何，都有着不小的传播能量。仅就 ZDNet 的这篇文章来看，还是有几个值得探讨的地方。

首先，Target 超市和特斯拉的案例，放在人工智能领域多少有点牵强。前者更多的数据挖掘，而且是 2010 前后的事情，当时被认为是「大数据」的一个重要应用案例，现在被包装为人工智能智能决策的「新故事」。

而后者，根据最后美国国家安全交通局的报告，特斯拉车主的这起事故，与特斯拉自动驾驶系统没有关系，而是驾驶员在自动驾驶系统已经发出提醒的时候，没有及时采取刹车措施，最终造成了惨剧。

其次，关于 FB Chatbot 创造了「语言」的事儿，则是媒体的误解。这事是 Facebook 人工智能实验室用生成对抗网络（Generative Adversarial Networks）开发了一套系统。简单来说，Generative Adversarial Networks，很多人简称为 GNN，可以理解为两个神经网络相互对抗的架构，利用这个架构，可以快速提升整个系统的智能水平。

而所谓机器人产生了新语言，Facebook 人工智能实验室是这样解释的：

While the idea of AI agents inventing their own language may sound alarming/unexpected to people outside the field, it is a well-established sub-field of AI, with publications dating back decades.

Simply put, agents in environments attempting to solve a task will often find unintuitive ways to maximize reward. Analyzing the reward function and changing the parameters of an experiment is NOT the same as “unplugging” or “shutting down AI.” If that were the case, every AI researcher has been “shutting down AI” every time they kill a job on a machine.

该研究小组的成员之一，佐治亚理工学院的访问学者 Dhruv Batra 同时强调媒体渲染「AI 创造了新语言」的报道是「（骗取点击）的标题党以及不负责任的行为」。

从这个案例进一步引申，所谓 AI 程序同类相食的事情，也有夸大之嫌。这个案例来自 Quora 的回答，AI 研究者 Mike Sellers 回忆自己早年间在 DARPA 的一段工作经历。

Mike 设计两个 AI 程序，分别命名为「亚当」和「夏娃」，Mike 模拟了苹果树的场景，然后让两个 AI 程序吃树上的苹果，并将吃苹果这件事和感到愉快绑定起来，而吃其他的，如树、木头则不会感到愉快。

随后，Mike 又引入另一个程序，名字叫「斯坦」，这个 AI 程序被设置为「喜欢独处」，并经常在「亚当」、「夏娃」吃苹果的时候自己溜达。

然后就发生了一个惊人的一幕，当「亚当」和「夏娃」吃完苹果的时候，她们发现「斯坦」似乎也很好吃，于是两个 AI 程序开始轮流咬起了「斯坦」，最终「吃掉」了「斯坦」。

表面看起来，这个案例的确是「AI 程序同类相食」，但被忽视的一面则是，从始至终，这三个程序的设计和模拟过程，都是有人类参与的；每一次程序的操作所引发的权重变化（比如程序是否「感到愉快」），也是人类工程师所设定的。因此，发生上述场景，与其说是 AI 程序「觉醒」，倒不如说是程序设计的 Bug。

Mike 在这个回答的最后写道：

We had to reconstruct some of this after the fact from the agents’ internal telemetry. At the time it was pretty horrifying as we realized what had happened. In this AI architecture, we tried to put as few constraints on behaviors as possible… but we did put in a firm no cannibalism restriction after that: no matter how hungry they got, they would never eat each other again. We also fixed their body mass, how fast they got full, and changed the association with someone else from one of food to the action of eating: when you have lunch with someone often you may feel like going to eat when you see them again — but you wouldn’t think of turning them into the main course!

第三，可怕的 Tay，是人类社会丑恶面的真实体现。Tay 是微软在 2016 年 3 月推出的一个 Twitter 机器人，她的说话方式非常类似于十九岁的美国女性，然后通过和 Twitter 用户的互动（比如回复、转推）来进一步学习如何发表观点。

但很快，Tay 就失控了，比如下面这个回复，Tay 说出了「我在警察面前嗑药」。而其他的发言，还包括种族主义的言语。

接着，微软将其下线。微软最后也发表了公开道歉：

We are deeply sorry for the unintended offensive and hurtful tweets from Tay…

Tay is now offline and we’ll look to bring Tay back only when we are confident we can better anticipate malicious intent that conflicts with our principles and values.

Although we had prepared for many types of abuses of the system, we had made a critical oversight for this specific attack. As a result, Tay tweeted wildly inappropriate and reprehensible words and images. We take full responsibility for not seeing this possibility ahead of time.

尽管随后 Tay 再次上线，也就是 Tay 2.0 ，但依然没有「从良」的迹象，最终微软将其永久下线。

在这个机器人「觉醒」的案例里，Tay 从「出生」开始似乎就是一张白纸，一如人类的孩子。而通过社交媒体的大环境，Tay 所「学」到的，只是一套污言秽语甚至种族歧视的语言，从这个角度去看，与其说这是一个关于人工智能的实验，倒不如说，这是一个关于社交媒体的社会实验。也从一个层面说明了一点：所谓人性的善恶，更像是环境所制造的结果。

第四，将乌龟识别成为来复枪这个案例，更有意义的解读则是当下人工智能尤其是图像领域的局限性。正如这个实验谈到的，「一像素攻击（One Pixel attack）」对于误导图像识别非常关键。比如在这篇论文里，研究者发现仅仅修改一个像素，就可以干扰 70.97% 的图像识别，因此论文作者认为，深度学习网络设计者必须考虑此类看似低维的攻击。

不久前也就有一个类似的案例。研究者在一个图像识别系统里设计了一个客厅的场景，系统非常正确地识别到椅子、人和书架（如上图）。接着，研究者将一个大象的图像引入到这个场景里，此时系统就开始出现了「故障」（如下图），比如在进行了一番「识别」之后，系统将椅子识别为沙发，而把大象识别成了椅子。

研究人员用「The Elephant in the Room」这样一个一语双关的标题发表了一篇论文。该论文认为，当下图像识别系统是不稳定的，而且一些局部变化还能引起全局影响，最终造成整个图像识别的错误。

综上来看，ZDNet 所选取的几个所谓 AI 可怕行为，除了一些被偷换概念的案例外，更多的「可怕」，则是媒体在报道上的误解与无知，以及在某些宏大命题，如人类被机器取代、人机对立上的炒作。

事实上，这些「可怕」更是人工智能当下局限性的真实写照。程序设计的不完善、算法的不透明以及 AI 程序生存环境之恶劣（参考 Tay 的遭遇），才是 AI 程序如此「可怕」的根本原因。

上周五的《纽约时报》上，两位 AI 领域的资深研究者 Gary Marcus 和 Ernest Davis 撰文指出，人工智能根本无力解决假新闻问题，虽然这篇文章是对扎克伯格寄希望于人工智能帮助 Facebook 度过难关的回应，但同样也可以用在本文的结尾，以回答所谓 AI 的可怕行为：

Understanding the significance of the passage would also require understanding multiple viewpoints. From the perspective of the international organization for scouts, making condoms available at a global gathering of 30,000 to 40,000 hormone-laden adolescents is a prudent public health measure. From the point of view of WND, the availability of condoms, like the admission of girls, gays and lesbians to the Boy Scouts, is a sign that a hallowed institution has been corrupted.

We are not aware of any A.I. system or prototype that can sort among the various facts involved in those four sentences, let alone discern the relevant implicit attitudes.

如果你细心留意最近一两年人工智能领域的进展，不难发现一个颇为有趣的现象，如果说 2016、2017 年是这个概念被炒作、被「PPT 化」的时间段，那么到了 2017 年下半年，尤其是从 2018 年元旦到春节这段时间，人工智能领域的热度「意外」地被区块链、比特币以及其他加密货币所取代。

这个关注度的转变直接引发了两个深刻的变化：其一，所谓 AI 创业不再是最炫酷的领域，这意味着融资变得困难；其二，随着 AI 热度的下降，从创业者、巨头到投资人，都开始关注人工智能的落地实践，由此也奠定了 2018 年人工智能发展的总基调：从产品到客户、从技术到案例、从影响 C 端消费者到惠及 B 端企业。

麦肯锡 AI 报告

我曾不止一次地在 Dailyio 会员通讯里谈过这个变化，同时我也多次表示，这其实是一个非常利好的变化。通过这个变化，可以让全行业对于 AI 的边界——能做什么、不能做什么——有一个正确的认知，不管是从短期的行业应用还是中长期的全行业 AI 化都有巨大好处。

在本月麦肯锡发布的一份分析报告里，也对 AI 边界做了一番分析。首先，AI 所带来的经济变革，具有巨大的经济效应，麦肯锡给出的一个数字：未来，AI 将在 19 个垂直行业里每年创造出 3.5 万亿到 5.8 万亿美元的价值。

所下图所示，旅游、运输/快递、零售将是最有可能被 AI 驱动进而快速增长的行业。

在下图里，可以进一步看到未来 3 年不同行业对于 AI 的投入变化。

事实上，AI 之于行业以及国家经济发展的判断已经得到越来越多的关注。

根据加拿大政府本周发布的一条消息，今年 12 月份加拿大将举办 G7 成员国的人工智能峰会。虽然目前的具体日程还尚未公布，但有个细节值得关注，此次会议将在加拿大蒙特利尔举行，会议举办地和举办时间基本也和 NIPS（Neural Information Processing Systems）重叠，后者是深度学习、机器学习领域最大规模的年度会议，两个会议之间会不会擦出一些火花，也非常值得期待。

其次，要实现上述的美好远景，当下 AI 也面临诸多困难。比如当下人工智能发展的「主力部队」其实是机器学习，它不仅需要海量的数据，还需要大量由人类参与并标注的数据，倘若没有这些标注的数据，所谓机器学习、深度学习的算法几乎没有任何用武之地。

再比如机器学习决策的「黑盒子」效应，算法的不可解释性让 AI 决策的道德边界受到质疑，尤其是在算法设计过程中，人为的偏见，从种族到性别再到年龄、职业的偏见，是否会影响最终决策的公平、公正，一直是行业关注的话题。

由于日益成长的市场需求，特别在欧盟 GDPR 出台后，基于数据的 AI 决策亟需解释。包括 IBM、微软等公司都在试图解开这个「黑盒子」里的秘密，以 IBM 新发布的 OpenScale 为例，这个基于云端的 SaaS 产品，可以去扫描、检测系统中的 AI 产品，从中检测出可能的决策偏见并提供相关解释，但这个领域还处在相对早期的阶段，离完美解释一个 AI 决策还有相当长的时间。

AI 与 FB 的新「战斗」

尽管没有足够的证据证明，俄罗斯人利用 Facebook 操纵了两年前的美国总统大选，但 Facebook 上泛滥的假新闻、仇恨内容已经是不争的事实。

随着 11 月份美国中期选举即将到来，Facebook 也拿出了应对策略，他们设立「War Room（选情战情会议室）」，这个会议室成员来自 20 多个产品团队，包括情报分析、数据科学、运营、法律政策以及产品人员，他们的目的就是快速定位 FB 信息流里的选举相关内容，鉴别到底是虚假内容还是仇恨言论。

本周 FB 邀请众多媒体参观了这个位于 Facebook 总部的会议室，你可以在这里查看 CNN 的视频报道。

《纽约时报》曾在一个月前做过一次独家探访，并介绍了运作模式：

Once a problem reaches the War Room, the dashboards will be set to spot and track unusual activity, while data scientists and security experts take a closer look. Mr. Chakrabarti said the team was particularly on guard for posts that manifested “real-world harm,” and planned to remove posts that tried to disenfranchise voters by giving incorrect polling data or spreading hoaxes like encouraging people to vote by text message.

简而言之，面对各方压力，扎克伯格的 Facebook 已经放弃了一贯以来所坚持的「技术至上」主义，试图通过人力来弥补技术，尤其是 AI 的不足。

如果回顾 2018 年扎克伯格在 Facebook 未来发展与 AI 技术之间的表态和行动，也可以进一步看出当下人工智能的局限性。

4 月初的国会听证会上，扎克伯格表示会持续推进人工智能应对仇恨言论的研发工作：

Zuckerberg said that the company is increasingly developing AI tools to flag hate speech proactively, rather than relying on reactions from users and employees to flag offensive content. But according to the CEO, because flagging hate speech is so complex, he estimates it could take five to 10 years to create adequate A.I. “Today we’re just not there on that,” he said.

但对于当下，扎克伯格承认，还需要大量人类员工来解决这类问题：

For now, Zuckerberg said, it’s still on users to flag offensive content. “We have people look at it, we have policies to try and make it as not subjective as possible, but until we get it more automated there is a higher error rate than I’m happy with,” he said.

为此，FB 将在今年年底将内容审核人员扩充到 20000 人。

4 月底的财报分析师会议上，扎克伯格说出的这段话多少令人不适：

One of the pieces of criticism we get that I think is fair is we’re much better able to enforce our nudity policies, for example, than we are hate speech,The reason for that is it’s much easier to make an AI system that can detect a nipple than it is to determine what is linguistically hate speech, so this is something I think we will make progress on and we’ll get better at over time. These are not unsolvable problems.

撇开这句话的表述是否恰当，这里反应出了人工智能在产业界的困境：计算机视觉的发展速度远远快速自然语言理解。

而这段表述也成为今年 5 月 Facebook 年度开发者大会 F8 的主旨，Facebook CTO Mike Schroepfer 又一次强调，人工智能将成为保证 Facebook 社区安全运行的重要工具。比如他在接受 Wired 记者采访时这样说道：

If I told you that there was a human reading every single one of your posts before it went up it would change what you would post……

我曾在当时的会员通讯里指出了一点：

也正是这样的假设，构成了今后 FB 应对舆论质疑的重要观点，这是硅谷对于技术、效率的迷恋，FB 也将自己的未来与人工智能的未来，尤其是自然语言理解的未来捆绑在一起。

但正如 Quartz随后所报道的那样，很多分析师并不认同扎克伯格对于「AI 一定会拯救 FB」的承诺：

“Mark Zuckerberg is being realistic when he says ‘we will have A.I. tools that can get into some of the nuances’ in 5–10 years, but there are a lot of nuances and not all of them will be able to be automated away,” Babakar says.

Other researchers disagree on Zuckerberg’s timeline, with the disclaimer that technological predictions are always difficult to make.

这一系列略显乐观的承诺随着 7 月份新一季财报的数字而失去任何意义，当 FB 高层认为由于众多原因（包括操纵选举的指控、剑桥分析分析滥用用户数据等），导致用户增长以及用户活跃度下降后，FB 的股价也应声下跌，创造了有史以来美国股票单日的最大跌幅纪录。

一个可以遇见的情况是，Facebook 还将持续在人工智能领域发力，比如上月推出有屏智能音箱 Portal，就试图通过社交与视频、图像技术的结合，进一步增加用户粘性；再比如其在 AI 基础研究的投入，根据福布斯的报道称，预计到 2020 年，FB AI 实验室人员的规模将翻番，从现在的 200 人左右增长到 400 人，这些研究成果，包括图像、自然语言理解的研究突破，都会应用到 Facebook 产品中。

但另一个显而易见的问题也摆在 FB 面前，AI 技术的局限性，目前尚无法让这个庞大的社交媒体自动化运行，还需要巨大的人参与其中。而且这也远非过往仅仅依靠底层甚至第三国家的审核员可以应付，「War Room」如此高的科学家、工程师配置，目前也尚不知晓能否应对即将到来的中期大选，那么两年后的总统大选呢？如果类似「War Room」成为一种常态，Facebook 是否也应该重新定义 AI 的位置呢？这一切疑问只能留个时间来回答了。

Google 如何赋予手机相机 AI 能力

本月，随着 Google Pixel 3 系列和华为 Mate 20 系列手机的发布，2018 年的智能手机「军备竞赛」已经落幕。全球范围内的几个玩家，包括苹果、三星、华为、Google 都拿出了不同的解决方案，在撇开外观、性能对比之后，如果将目前消费者最看重的相机来进行对比，则呈现出三大阵营：

• 苹果、三星：软（调教算法）硬（摄像头配置）均衡并一体化；
• 华为：优先保证硬件配置，其次是软件的优化；
• Google：AI 算法优先，硬件配置或许无所谓；

上述三个阵营里，Google 的做法略显极端，但如果你领教过 2017 年 Pixel 2 的成像效果，或许你也会惊叹到 Google 为何能在一个后置摄像头的前提下，做出一个如此强大的手机相机。

在本月中旬发布的 Pixel 3 系列里，Google 继续以一个后置摄像头横行天下。硬件层面，Google 在 Pixel 里继续内置了一个专属的图像处理器，在这个基础之上，将 Google 的 AI 能力，尤其是计算机视觉能力，输出到这台小小的手机上。

据两个例子，Top Shot，类似于 iPhone 中的 Live Photo，会记录用户按下快门前后的几秒图像，但 Google 做到了一点：让手机自动帮助用户挑选最好看的照片。

另一个就是 Night Sight，也就是夜视功能，不同于其他手机夜拍时的多张合成，而是通过对大量图片的机器学习，Pixel 3 的相机可以自动增强照片的颜色，所带来的就是更好的夜拍成效效果，下图就是一个非常直观的案例对比。

其他的创新功能还有很多，详细的介绍可以参加这篇文章。过去一年多时间，围绕手机拍照领域的变化非常快，华为利用硬件堆积加软件调校走出了一条全新的道路，也引发了行业的震动。而 Google 继续坚持 AI 唯上的理念，不断将过往基于云端的图像处理能力——如果你用过 Google Photo，一定会机器自动修复的照片所震撼——下沉到智能手机上，也给整个行业带来新的思考：到底 AI 给予智能手机拍照的提升，是仅仅局限在后期的磨皮还是前期的成像？以及，当 AI 拍照的场景识别逐渐沦为积累的时候，AI 还能如何主动、自动给相机带来质的变化？（完）

硅谷科技公司历来有一个传统：在「让世界更美好」的伟大愿景下，这些科技公司会努力和每个生意伙伴建立友好但又有底线的关系，尤其是遇到极权国家的时候。

当 8 月份The Intercept 率先爆料 Google 重返中国的神秘项目之后，Google 官方曾保持了相当长时间的沉默。而随着上月底 Google CEO 皮查伊给美国国会参议员的信件曝光¹，外界也看到了 Google 高层对于审查版搜索的基本立场。

皮查伊表示，当下中国互联网市场发展迅速，也诞生了一大批世界级的互联网巨头公司，Google 向中国用户提供审查版的搜索产品，对于中国市场的内外参与者都有益处：

……We hope to stay at the forefront of technology developments and believe that Google’s tools could help to facilitate an exchange of information and learning that would have broad benefits inside and outside of China. For example, the lack of Google Play has meant that many Chinese users are using Android phones that are more prone to malware, fraud, and other issues.

本周的 Wired 25 周年峰会上，皮查伊面对 Steven Levy 的提问，也再次谈到了面向中国的审查版搜索产品的进展：

It turns out we’ll be able to serve well over 99 percent of the queries……There are many, many areas where we would provide information better than what’s available…… Today people either get fake cancer treatments or they actually get useful information……

正如皮查伊写给参议员的信中所言，皮查伊在现场发言里将 Google 的使命，也就三「整合全球信息，供大众使用，使人人受益」与向中国提供搜索产品绑定在一起：

We are compelled by our mission [to] provide information to everyone, and [China is] 20 percent of the world’s population.

不过，新的中国版 Google 搜索，尽管还没有发布，但透过多方信源的消息来看，Google 默许了官方的内容审查机制，并自动过滤所谓敏感词，这和 Google 退出中国一段时间内持续向用户告知某些搜索内容正在被审查的做法已经倒退很多。

《纽约时报》专栏作者 Farhad Manjoo 曾在今年 8 月的一篇文章里指出：「Google Tried to Change China. China May End Up Changing Google」。过去 8 年中国互联网的发展速度某种意义上定义了新的市场规则，使得美国的互联网公司们不得不低头，接受这样的规则，苹果如此，亚马逊（AWS）如此，微软如此，如今，Google 也接受了这样「当地法律」。

二

而最近，硅谷公司的另一个生意伙伴也有一些麻烦，这就是沙特阿拉伯。

事情的起因并不复杂。59 岁的沙特知名记者贾马尔·卡舒吉（Jamal Khashoggi）10 月 2 日前往沙特驻土耳其伊斯坦布尔领事馆领取一份文件后失踪。

路透社的报道称，卡舒吉是沙特知名记者，长期对沙特的政策提出批评。他居住在美国，并为华盛顿邮报撰写专栏评论……土耳其认为他已遭杀害。沙特政府对此予以否认。

美国总统特朗普表示，若证实卡舒吉是在沙特领事馆遇害。将「严厉惩罚」利雅得，但他并称，若停止对沙特的军售也会「惩罚」美国自身。

此事的蹊跷之处在于，沙特、土耳其各执一词，同时越来越多的证据都指向了沙特王室，尤其涉及到沙特现任王储穆罕默德·本·萨勒曼，这位在外界看来颇为开明的王储，自去年 6 月成为王室继承人后进行了一系列社会和经济改革，比如，他允许女性可以开车。

对于硅谷公司而言，沙特的影响无处不在。《纽约时报》上周的一篇文章就用寥寥数语勾勒出沙特在硅谷的巨大影响力：

Somewhere in the United States, someone is getting into an Uber en route to a WeWork co-working space. Their dog is with a walker whom they hired through the app Wag. They will eat a lunch delivered by DoorDash, while participating in several chat conversations on Slack. And, for all of it, they have an unlikely benefactor to thank: the Kingdom of Saudi Arabia.

这其中，Uber 在 2016 年的时候直接获得来自沙特主权财富基金（Public Investment Fund）的 35 亿美元投资，该基金的幕后老板就是沙特王储萨勒曼。

2016年10月，沙特主权基金与软银合作，加入到软银一个规模高达 930 亿美元的愿景基金里，其中沙特出资 450 亿美元，该基金主要瞄准的是美国西海岸的技术创业公司。

这种千丝万缕的关系，在沙特记者失踪后不久，软银股价应声下跌。

与此同时，在软银正在筹备的第二支 1000 亿美元的投资基金里，原计划沙特主权基金会投入 450 亿美元。

而现在，对包括 Uber、软银以及其他还在和沙特主权基金讨论投资意向的公司而言，沙特人的钱还能接受吗？

三

事实上，硅谷已经做出了某种回应。

维珍集团创始人 Richard Branson 表示该公司已经暂停与沙特方面的投资合作，The Verge 的报道称，这意味着，自去年以来维珍集团一直在谈的一笔 10 亿美元的投资可能会失败，这笔投资将是维珍集团进军太空领域的重要资金支撑。

原本两周后将在沙特首都利雅得进行一场规模宏大的「Future Investment Initiative」大会正在被抵制。根据 Bloomberg 的统计，目前已经表示需要再考虑是否前往利雅得参会的科技公司老板包括：

• Viacom CEO Bob Bakish
• Uber CEO CEO Dara Khosrowshahi
• 风险投资人 Steve Case （暂停，需要进一步消息）
• 《洛杉矶时报》老板 Patrick Soon-Shiong
• HP 公司执行总裁 Joanna Popper
• Android 系统之父 Andy Rubin

Bloomberg Media CEO Justin B. Smith 也透过 Twitter 表示，Bloomberg 放弃此次大会的媒体合作伙伴，同时自己也不会作为演讲嘉宾参加这次大会。

《纽约时报》执行主编 Clifford Levy 也宣布了类似举措：

@nytimes has withdrawn as a media sponsor of the so-called “Davos in the Desert” conference in Saudi Arabia after the outcry over the disappearance of Jamal Khashoggi, the Saudi journalist.

《金融时报》的声明也更有力：

Official statement: The Financial Times will not be partnering with the FII conference in Riyadh while the disappearance of journalist Jamal Khashoggi remains unexplained

这些发言、声明充分展现了科技公司、资本市场以及新闻行业的反应。某种意义上，我们不能过度指责 Uber 当初接受沙特主权投资基金时乐观心态——这家当时还意气风发的创业公司，已然见证了沙特女性可以开车的巨大历史变革，或许他们还会认为，随着 Uber 进一步扩展到中东地区，也将给这里的女性驾驶员带来新的工作以及人生选择。

这一幕也如同 Google 早年间进军中国的豪情壮志，而上述公司、公众人物的举动也一如 Google 8 年前所做出的那个「艰难的决定」。从商业层面上考虑，任何一家公司都需要考虑为股东、员工赚钱，当硅谷的公司们过往在赚钱与保持价值观底线的平衡被打破时，这个命题已成为越来越多科技公司所需要面对的难题。

而 8 年后，随着 Google 搜索入华计划的曝光，Google 产品工程负责人 Ben Gomes 在一段内部讲话里，向员工解释了公司的初衷：

There are two ways in which I think about Google. One of them is technology and the other one is product and serving users. So from the point of view of serving users, there is no question — we are talking about the next billion users. But actually I was looking at it, there’s like 5 billion adults in the world, so why are we thinking about the next billion users? Well, some of them are not enabled, internet-enabled, and so on. And of the people who are internet-enabled, a huge fraction of the ones we are missing out are in China.

不过，这番讲话并没有打消一些工程师的担忧，「Dragonfly」被曝光后引发的工程师离职，以及在工程师要求下， Google 宣布明年起不再参与五角大楼的 Maven 项目，并取消竞标五角大楼的云计算项目，似乎也显示出这家公司目前略显混乱的价值观。

那么问题来了，假如沙特被证实杀害了这位记者，Uber、Slack、软银的员工会有怎样的回应？

再进一步，假如若干年后，上述这些公司的员工实现财务自由后再次创业，会接受沙特主权基金的投资吗，以及，他们会遵守「中国本土法律」，从而进入中国市场吗？

前 IBM CEO 郭士纳（Lou Gerstner，Jr．）曾写过一本名叫《谁说大象不能跳舞？》的畅销书，讲述了郭士纳如何带领 IBM 在上世纪 90 年代实现华丽转型的故事。

而现在，又一只「大象」站在了舞台中央，它也想随风起舞，这就是华为。

本周，华为召开了一年一度的全联接大会，这是华为每年最值得关注的会议之一，尤其是随着云计算成为华为当下最重要的发展方向，现在的全联接大会，已经成为观察华为接下来战略走向的重要窗口。

这次全联接大会的确也吸引到众多关注。首先，从会议主题上，「+智能，见未来」的口号彰显出此次会议的重要议程：人工智能。

这是一个颇不寻常的变化。事实上，早在 2017 年 4 月，我就曾一篇会员通讯里谈及：

当被问及华为如何看待人工智能时，华为轮值 CEO 徐直军直言：华为从来不把人工智能当作新技术或新产业，而是将人工智能作为使能内外部产品进化的层面。下面这张 Keynote 来自徐直军在华为 2017 分析师大会上演讲：

在徐直军看来，基于人工智能领域的技术进步，手机也将迎来真正的「智能时代」（从 Smart 到 Intelligence），去年华为推出的荣耀 Magic 有着一定意义投石问路的意义，尽管目前效果还不明显，但至少已经跳出了智能手机要么押注窄边框、要么押注美颜相机的同质化竞争层面。

而在去年 9 月的华为全联接大会上，华为发布基于公有云业务的企业智能产品（Enterprise Intelligence，下文简称为「EI」），试图在云端提供一系列面向企业的人工智能服务。

不过，在华为透露的一系列合作案例里，外界并不能真正理解人工智能之于华为云以及华为的意义。尽管 EI 拥有计算平台和众多服务，如下图所示，但整个产品线看起来依然像是一个基于公有云的 PaaS 或 SaaS 产品。

而一个被外界忽视的细节是，2017 年 11 月份的时候，华为掌门人任正非在华为内部 GTS（全球技术服务）做了一番讲话，其中就谈到了人工智能。我曾在当时的会员通讯里提及，这可能是理解华为人工智能发展方向的重要参考，这个讲话有以下几个关键点：

1. 人工智能聚焦内部效率提升；
2. 加快研发公司统一的人工智能平台；
3. 加强内部的协同效应。

请注意标粗的第二点，「统一的人工智能平台」恰恰是今年全联接大会的主旨，华为轮值董事长徐直军本周发布了被广泛认为是近年来华为最具变革意义的项目：全栈全场景的人工智能平台。

至此，华为过去两年做了两件颇具象征意义的转型，或者说战略变化：进军公有云市场；推出人工智能平台。

二

所谓全栈全场景的人工智能平台，分别是从技术和业务的角度去定义这个平台。站在技术研发的角度，该平台可以实现端到端的研发；而以业务部署的角度去看，可适配公有云、私有云、混合云以及其他各种边缘设备等。

在上图里，红色部分是此次华为发布的一系列新产品，横跨了芯片、芯片算子库、神经网络计算框架、预集成多项方案的全流程服务。

这可能是放眼全球都屈指可数的解决方案，华为的优势在于过往十几年所积累的 ICT 经验，使其具备了云（主要是私有云）、管（网络）、端（物联网设备和手机）的研发整合能力，更重要的一点还在于，华为作为一家体量如此庞大的公司，能够在过去一年半的时间，从集团层面实现人工智能战略的贯彻实施，这已经构成了一个重要「胜利」。

但不论是国内还是海外，此次外界更多的关注点，还是聚焦在华为发布的人工智能芯片：Ascend 910。这是一款面向数据中心的人工智能芯片，华为官方将其性能定义为「目前全球已发布的单芯片计算密度最大的AI芯片」，将在明年二季度通过华为的公有云提供相关服务。

这是一个与 Google Cloud 的 TPU 颇为类似的做法，2016 年，Google 率先发布了一款基于云端的人工智能专用芯片 TPU（tensor processing unit），截止到 2018 年 5 月，Google TPU 已经更新到第三代。

相比于传统的 CPU、GPU 和 FPGA，TPU 由于是一款专用处理器，因此能提供更强的性能，并在功耗上有巨大优势，Google 希望将其作为 Google 人工智能以及 Google Cloud 的重要卖点，因此，想使用 Google TPU 所带来的人工智能训练能力，必须购买 Google Cloud 的公有云服务，这也是 Google Cloud 过去两年快速发展的助推器。

回到此次华为发布的人工智能专属芯片上，目前可以确定的消息是，华为不会直接售卖这款芯片，而是将其打包到整个人工智能开发框架之中，也就是上文提及的全栈全场景的人工智能平台。开发者或者企业，只有在这个平台上，才能使用华为的这款芯片，这也让未来华为人工智能的商业模式愈发和公有云绑定在一起，或者可以这么理解：华为希望依靠人工智能来实现快速追赶阿里云的目标。

三

如上文所言，华为的确有这样的底气。以终端为例，自去年开始，华为就在智能手机上加速推进人工智能部署，我曾在当时分析麒麟 970 处理器的会员通讯里，提及一个有趣的现象：

一个特别有趣的现象，华为 PR 此次特别嘱咐不要提及寒武纪在麒麟 970 研发中的作用，或许，华为已经开始自主研发下一代麒麟处理器的神经网络处理单元了。

类似地，不久前的麒麟 980 发布后也出现了类似的「叮嘱」，科技媒体「深科技」也在昨天的一篇文章中写道：

在 2017 年底，麒麟 970 发布会之初，其实市场就已经抓到不少华为正在布局 AI 功能的蛛丝马迹，而随后的发布会内容虽然提到新款麒麟芯片采用了 AI 核心，但华为不只拒绝透露其架构来源，而当中国科学院计算技术研究所送出恭贺采用寒武纪架构麒麟芯片正式量产的公开祝贺信，华为的态度并非欣然接受，而仅强调其 AI 能力主要来自于自家研发 10 年的积累。

参考此次华为发布的 Ascend 系列芯片，除了用于数据中心的 910 之外，还有已经上市的 Ascend 310，这款芯片面向边缘侧，也是目前面向边缘计算最强算力的芯片，而如果以华为对于全场景的描述， Ascend 系列倘若覆盖手机 AI 芯片，可谓一点也不稀奇。

芯片之外，华为更希望得到开发者的认可。在面向开发者的 PaaS 层面，提供了如下几个类型的产品选择；

• AI 开发平台 ModelArts；
• 视觉AI应用开发平台 HiLens；
• 探索性的量子计算模拟器与编程框架 HiQ；

这其中，除 HiQ 之外，ModelArts 和 HiLens 都将成为华为人工智能开发能力的集中展现。有趣的是，这两个产品与去年亚马逊 AWS 发布了两个产品非常类似：ModelArts 对应的是 SegeMaker，而HiLens 对应的是则是 DeepLens，感兴趣的朋友可以再去对比下。

这注定是一场不同寻常的战役。如果从企业基因的角度去看，且不说华为是服务运营商所起家的公司，只看华为其他产品的客户，无一不是大客户，这样的商业模式，使得华为长期以来形成了「以客户为中心」的产品导向和文化。

但在人工智能领域，客户不再是可以豪掷千万的央企、跨国巨头，越来越多的人工智能「客户」变成了中小企业甚至个人开发者，从讨好大客户到讨好开发者，这种变化将成为技术之外，华为所面临的巨大挑战。

当然，华为也给开发者们开出了优厚的条件，在一项命名为「华为 AI 沃土开发者使能计划」的生态规划里，华为面向开发者、合作伙伴以及高校、科研机构提出了多个措施，包括开发者的入门训练、举办 AI 开发者大赛、针对合作伙伴的免费产品，尤其是对于高校和科研机构，华为承诺要拿出 10 亿人民币用于 AI 人才培养。

上述这一系列做法都归结于一点，人工智能之争离不开生态之争。但与阿里巴巴、百度相比，华为长期以来坚持不做任何股权投资，这当然使得华为云以及华为人工智能平台有底气标榜自己是「中立的平台」，但另一方面，由于缺乏所谓的「干儿子」，也会导致华为在生态建设速度上不及 BAT。

当阿里系以卖赛道式的方式砸钱图像识别的时候，当百度围绕 DuerOS、Apollo 两大平台频繁投资收购的时候，华为所承诺的「底线」到底能不能再次形成一条独特的发展道路？这一切都是未知数。

写在前面：这将是 Dailyio 9 月份的最后一期会员通讯了。从这周开始，我将和家人开始两周的休假，期间，包括 Dailyio、DailyMe 都会停止更新。下一期的更新将十一假期结束之后，祝大家假期愉快！

上周云栖大会的第二天，我参加了一场名为「机器智能」的峰会，主办方来自阿里巴巴 AI Lab，也就是研发天猫精灵的部门。我原以为这又是一场关于智能音箱、语音交互的发布会，却又猝不及防地看到各种「机器人」甚至自动驾驶汽车，而没有一款依托智能语音的家庭物联网产品。

颇为巧合的是，仅仅一天后，亚马逊在西雅图召开了一场硬件发布会，围绕 Alexa 语音交互体系，亚马逊发布了一系列产品。这次发布的数量可能连亚马逊设备部门高级副总裁 Dave Limp 也没搞清楚，科技媒体们也大概给出了一个非常模糊的数字：「70+」。

这一先一后的新产品发布也让阿里巴巴与亚马逊在语音交互领域有了新的区分。对阿里而言，布局的意义远远大于深耕细作，毕竟，天猫精灵目前已经成为智能音箱的全球第三，中国第一。

而亚马逊此次发布如此海量语音交互产品意义，更多的还是基于自身业务的需求，尤其是其核心的电商业务需求。我曾在早先的会员通讯里多次提到一点，亚马逊需要更多触达用户的方式，才能保证电商业务的快速发展，同时，亚马逊也在努力打造一个基于 Alexa 语音交互的生态体系，Bloomberg 资深记者 Brad Stone 在一封 Newsletter 里写道：

The more Alexa stuff Amazon seeds into the market and into our lives, the stronger its case that Alexa—and not Siri or the Google Assistant—has become a ubiquitous new computing platform.

由此，也引发了我对两家巨头的更多的疑问，尤其是在云计算、语音交互之外，两家公司的核心电商业务，到底呈现出怎样的发展态势？

不过需要特别说明的是，美国天然是亚马逊的主场，同样，中国市场也被阿里巴巴所统治，因此，我会将视角放在一些中立地区，尤其是印度和东南亚这样的新兴市场，目前这两大地区还属于电商的早期阶段，两家公司又是如何布局的呢？

二

先来看看印度。印度目前的人口结构中，千禧一代（1982—2000 期间出生的人）约占总人口的三分之一，而随着印度当地互联网的普及，该国电商商务的发展潜力非常巨大。

对于印度市场，亚马逊的策略就是砸钱，这是 CBinsights 的一个信息图。

亚马逊早在 2013 年就推出了印度版的亚马逊电商平台。随后，乔治·贝佐斯宣布投入 20 亿美元用于当地的电商发展，比如投资大量当地创业公司。亚马逊在印度的股权投资也从 2013 年的 543 次增加到去年的 2019 次。

亚马逊在印度的早期探索中，当地消费者更热衷使用现金来支付商品，这也极大限制了亚马逊电商平台的效率以及体验，另外，还有一部分消费者会选择当地支付钱包来在线支付，不过这些钱包都需要提前充值。

2014 年，亚马逊投资了当地礼品卡公司 QwikCilver，随后，亚马逊将礼品卡系统加入到在线商城平台。

接着，亚马逊又在 2015 年投资了在线金融产品搜索公司 BankBazaar 和家庭服务按需供应商 HouseJoy。2016 年，亚马逊又收购了 EMVANTAGE，该收购大大加快了亚马逊在印度的支付平台建设，如今印度的亚马逊平台已经可以接受信用卡支付。

2016 年，贝佐斯继续加码印度市场，投资 30 亿美元用于当地电商业务扩展。一年后，亚马逊以超过 2800 万美元投资了印度当地一家创业公司 Shoppers Stop，这家创业公司是印度当地发展势头迅猛的时尚零售商之一，拥有海量的品牌资源和规模庞大的用户群体。

依托不断砸钱的电商业务，亚马逊也在印度市场拓展其会员业务。2017 年开始，印度客户每年需要大约 15 美元的费用，可以享用到免运费以及其他特权，比如会员视频等，虽然比 Netflix 晚些时候进入该市场，但印度用户对于「免费」的特权还是比较青睐。

Amazon Now 是亚马逊的食品零售业务。主要在班加罗尔、德里、孟买等主要城市开展，消费者在 Amazon Now 购物后，亚马逊会在两小时内完成商品配送

目前亚马逊在印度 13 个州建立了 66 个配送中心，用于支撑不断增长的 Amazon Now 业务需求。

如果去翻看亚马逊近年来的财报，从 2015 年到 2017 年，印度市场被提及了 59 次，这也充分说明了印度市场正在成为亚马逊的第二个主要市场。

三

阿里巴巴在印度市场的投资力度也不小。2015 年 1 月，也就是亚马逊开始投资印度创业公司不久，阿里巴巴和蚂蚁金服就向印度当地的移动支付公司 Patym 投资了 2 亿美元。Patym 公司自 2010 年已经在印度拥有 2 亿用户，而到了 2015 年10 月的时候，阿里巴巴又投资了 6.8 亿美元，目前阿里已经拥有这家公司 40% 的股份。

与此同时，阿里巴巴又看到了 Patym 子公司的潜力。参与了 Paytm 在线商城的 A 轮投资，目前这家电商公司的交易额达到 30 亿美元，预计 2019 年 3 月会突破 100 亿美元。

也是在 2015 年，阿里巴巴还投资了印度当地最受欢迎的电商商务零售商之一 Snapdeal，后者也是印度最大电商平台 Flipkart 的主要竞争对手。

阿里巴巴的印度战略，还有一个或许是无心之举的投资。2014 年，阿里巴巴收购移动浏览器公司 UCWeb，这家浏览器公司在印度拥有海量的用户，截止到 2018 年 1月，UC 在印度市场的月活跃用户为 1.3 亿，占据印度 40% 的浏览器市场。

这也意味着，阿里巴巴在印度拥有了一个巨大的流量入口，接下来的操作手法，就和中国市场没有太多区别了。

2016 年，阿里巴巴通过入股香港彩票公司 AGTech 进入数字领域，紧接着，阿里巴巴促成了 AGTech 与 Paytm 合资成立一家名为 Gamepind 的移动游戏和电商平台。

阿里巴巴表示，Gamepind 将向商家提供一个营销和推广平台。Gmaepind 可以让用户通过游戏来获得电商平台的折扣券和优惠，Gmaepind 将和 Paytm 多达 3 亿的海量用户平台打通。

综上来看，亚马逊和阿里巴巴在印度市场的追求的目标并不知一致。亚马逊更多还是是利用电商业务的规模效应来推动亚马逊会员的发展，而阿里巴巴则更像是做一个大局，类似于在中国的策略，通过收购、入股、整合，打造一个所谓的「超级 App」。

比如，阿里巴巴已经通过 Paytm 掌控了印度的移动支付市场，阿里在娱乐、媒体、百货、物流、游戏方面也持续投资，或许不久以后，这些应用也将被封装到 UC 浏览器或者 Paytm 的移动支付里。总体来看，印度的电商市场还处在早期阶段，即便是当地电商领军企业的 Flipkart，也在持续亏损，因此，这个市场的烧钱、投资还将继续，亚马逊和阿里巴巴的对决也是刚刚开始。

四

亚马逊和阿里巴巴在东南亚市场的博弈很有趣，对亚马逊而言，新加坡就等于东南亚，而在阿里巴巴的市场版图里，东南亚是仅次于中国的第二大市场。

根据 Google 和淡马锡的报告称，东南亚拥有 6.2 亿人口，预计 2015 年电商市场规模达到 88 亿美元。

阿里巴巴在东南亚的重要布局是投资并控股当地电商公司 Lazada。2017 年，在阿里巴巴再次投资 20 亿美元后，已经拥有了该公司 83% 的股份，并由前蚂蚁金服董事长彭蕾来操盘。

Lazada 覆盖了东南亚六个国家，包括印度尼西亚、马来西亚、菲律宾、新加坡、泰国和越南。

该地区发展势头也非常迅猛。两年时间（2015–2017）里，Lazada 的商家数量增长迅速，已超过 10 万家，商品 SKU 数量也突破 8000 万。

2016 年 11 月，Lazada 以大概 3000 万 到 4000 万美元的金额，收购了新加坡的一家零售创业公司 Redmart，并将其定位为直接对标 Amazon Now 的公司。

在阿里的战略里，未来阿里巴巴的主要收入可能还在中国，但只有多样化的市场策略，才能降低单一市场风险。截止到 2018 年 3 月的这个财年里，阿里巴巴国际市场电商业务规模在 10 亿美元左右，Lazada 的快速增长功不可没，下图是阿里巴巴的全球布局。

另一方面，阿里巴巴还在印尼独自参与了当地电商巨头 Tokopedia 的 F 轮融资，投资金额为 11 亿美元，这笔投资使得阿里巴巴在东南亚市场拥有两个重要布局。

如上文所言，目前新加坡就是亚马逊东南亚市场的全部。

2017 年 7 月，亚马逊开始在新加坡提供服务。由于国土面积太小，亚马逊的会员及时达业务（Prime Now）可以覆盖整个新加坡。

2017 年12 月，亚马逊全面升级了新加坡的会员业务，新的会员计划包括订单超过 30.20 美元后的免国际运费以及会员视频、会员 Twitch 订阅等。

不过需要注意的是，阿里巴巴的 Lazada 早已和 Netflix 和 Uber 联合起来，整合为一个名叫 LiveUP 的产品，来对抗亚马逊的会员视频产品。

五

马云曾这样定义阿里巴巴和亚马逊的不同：

亚马逊是一个好公司，但他们是电子商务公司，阿里巴巴不是。阿里巴巴帮助别人成为电商公司。

但这句话只说对了一半，或者说，这句表述是放在中美这样的相对成熟的电商环境里才成立的。即便是亚马逊，电商公司属性之外，它也是一家操作平台公司（Alexa）以及云计算公司（AWS）。

而在更广大的新兴市场，无论是阿里巴巴还是亚马逊，都秉承了两家公司的基本属性，也就是电商公司的基因，从上文也可以看出，阿里巴巴与亚马逊在印度、东南亚的开拓，始终围绕着电商业务。

未来三到五年，印度、东南亚以及澳洲，都将是两家公司争夺的重点市场，而其操作方法，无外乎投资入股、收购、整合等方式。

如果把视线再放长远一些，随着拉丁美洲和非洲互联网的发展，5 到 10 年时间里，这两个地区或许也将成为阿里巴巴与亚马逊所关注的新兴市场。