标签： IBM

根据 Zdnet 的报道，Gartner 最新的全球云计算基础设施即服务的魔力象限发布，如下图所示。

而在去年，Gartner 的魔力象限是这样的：

Gartner 的魔力象限包括纵轴和横轴两个指标，其中横轴是前瞻性（Completeness of Vision），反应的是企业的产技术能力、市场领导力、创新能力等；纵轴是执行力（Ability to Execute），主要考量产品的易用性、服务能力和技术支持能力。

通过两个指标，Gartner 划分出四个象限，从而形成了对市场格局的基本判断：

• Niche Players：特定市场或领域的重要公司，2018 年，阿里云位列此象限就是因为其在中国市场的巨大市场份额；
• Challengers：这个象限展示的是一些执行力很强的公司，但在基础技术上还有差距；
• Visionaries：这个象限里的公司，在技术前瞻性上颇具潜力，但产品打磨以及服务能力还比较欠缺，2017 年的魔力象限中，Google Cloud 就属于这个类型的公司；
• Leaders：无论是技术前瞻性还是产品以及服务能力，都在这个领域有巨大影响力，亚马逊、微软在云计算领域长期霸占这个象限，这也是和他们的市场份额所匹配的；

两相对照，很多人不禁要问，为什么今年的公司这么少，Gartner 对此解释道：

This year, we chose more stringent inclusion criteria, which had the effect of only including global vendors that currently have hyperscale integrated IaaS and PaaS offerings, or that are currently developing those offerings. These changes reflect Gartner’s belief that customer evaluations are currently primarily focused on vendors for strategic adoption across a broad range of use cases.

简而言之，Gartner 将那些还没有整合到 PaaS 和 SaaS 的云服务供应商剔除出了这个魔力象限，因此只剩下了这六家。或者换句话说，云计算的基础设施即服务的战争已经结束，IaaS已经不再是单纯地地基础设施服务，而更应该具备进一步向上的能力，也就是从 IaaS 到 PaaS 甚至 SaaS 层。

其次，Google Cloud 的进步速度非常明显，从去年的「Niche Player 」象限一跃进入「领导者」象限。如果按照 Gartner 这次的评价角度，毫无疑问，Google Cloud 过去一年，利用机器学习能力拓展 PaaS 、SaaS 的客户，得到了市场的广泛认可，至此，也正式形成了亚马逊、微软、Google 在云计算基础设施服务的领先者格局¹。

我曾在本月初的一期会员通讯里提到 微软 Azure 和 Google Cloud 的现状，至少从营收层面，两家公司还无法追赶 AWS：

长期以来，微软和 Google 都没有将公有云业务单独列入财报。比如微软，就把公有云业务 Azure 放在智能云的业务体系里，这个业务体系还包括面向企业的 Office 365 等产品。根据微软的财报数字，智能云业务收入为 79 亿美元，其中 Azure 云收入的增长速度为 93%。

 

而 Google 对云服务的数字披露更保守。虽然其 CEO Ruth Porat 透露云计算、硬件等非广告收入贡献越来越大，但并没有触及核心数字。

 

Google 的云服务体系，包括云计算平台（也就是 Google Cloud）和 Google 办公套件（G Suite）。按照上一财季 Google CEO 皮查伊的说法，这两块业务已经变成了一个高达每季度 10 亿美元收入的业务。再结合本季财报分析师会议上的说法，Google 云计算的整个营收应该在 10–15 亿美元之间。

 

但不管是微软还是 Google，还难以撼动亚马逊在云计算领域的霸主地位。根据本周亚马逊公布的财报数字：AWS云服务第一季度净销售额为 54.42亿美元，比上年同期的36.61亿美元增长49%；运营利润为14亿美元，高于上年同期的8.90亿美元。

第三，与「领导力」象限相比，「Niche Player」象限的竞争更值得关注。原因就在于 IBM、Oracle 和阿里云，几乎是三个类型完全不同的公司，但云毫无疑问又成为这三家公司未来发展的重要推动力，甚至是唯一推动力²。比如在 IBM 最新一季的财报中，IBM 透露出两个明显变化：其一，IBM 的传统业务，也就是硬件和操作系统业务的收入在缩减。

第二个变化则是 IBM 的战略部门业务的收入继续成长，这里包括云、认知计算（比如 Watson）等业务，如下图所示，这个业务的增长势头非常好。

另外，IBM 来自云计算的收入也达到 42 亿美元，这也从另一方面显示了市场对于蓝色巨人云计算的认可。也正是这样的增长速度，确保 IBM 能在连续 5 年营收下滑后，实现了首次增长。

再来看看 Oracle。在 3 月份的最新一季财报中，云服务增长了 32%，达到 15.7 亿美元。

但这个收入和 Oracle 传统业务的 64 亿美元相比，其实是个非常小的数字。而如果再细心去看 Ocacle 的云业务收入，会发现其中来自 SaaS 的收入高达 11.5 美元，而且其 33% 的增长率也远远落后于竞争对手们动辄 100% 的增长。即便是算上 PaaS 层的 4.15 亿美元收入，Oracle 无论是营收还是增长，都已经掉队。

美国科技媒体 Information 也爆料称，Oracle 在云业务的客户拓展上采用了非常激进的措施，Oracle 希望利用在数据库上市场占有率，影响客户在采购云服务时的决策，但 Information 发现却事与愿违，该网站援引前 Orcale 雇员的话说：

There is a huge struggle going on between Oracle and many of their clients. Oracle is pushing cloud everywhere, even where customers don’t want it and can’t use it.

不过，对 Oracle 等 Niche 市场从业者而言，云计算的市场规模还在扩大，而且新的变量，如人工智能、边缘计算也在创造出新的增长空间，同时也可能是这些 Niche 市场企业弯道超车的好机会，Google Cloud 的进步很好说明了这个问题，如今，阿里云也在加码人工智能领域的投入，不断扩展 ET 大脑的技能树，而 Oracle 也在近期完成一笔重磅收购。

多个消息源确认，Oracle 已经买下了一家名为 DataScience 的数据分析公司，该公司在数据科学领域拥有完善的产品覆盖，包括数据平台、数据解决方案等，Oracle 有望利用这笔收购，进一步加强其云端产品的竞争力，尤其是机器学习和数据分析的能力。

本周，几乎被人「遗忘」的 IBM Watson 发布新产品 DLaaS，全称为 Deep Learning as a Service，也就是「深度学习即服务」。简单来说，这是一个基于云端的开发工具，人工智能的开发者们可以将在自身原有的开发套件里调取 Watson 的这个服务。

这个产品在人工智能领域并不新鲜，比如微软就有类似 Azure ML Studio 的服务。但在 IBM 来看，有两点是其 DLaaS 的强项，其一是可拖拽的深度神经网络搭建界面，有望大幅降低深度学习的使用门槛；其二则是这个工具可以自动调节优化神经网络的参数，这是深度神经网络训练时比较耗时的工作。

相比于这个产品，IBM 本周与苹果的又一个合作进展更值得关注。根据 TechCrunch 的报道，两家公司将在机器学习领域展开进一步合作，将 Watson 的机器学习能力和苹果的 Core ML 能力打通。

过去几年，IBM 和苹果已经在硬件设备，比如 iPhone、iPad 在企业市场的销售进行了很多合作，此次联手打造围绕机器学习的产品，最后的落脚点依然是促进 IBM Watson 服务以及 iOS 设备的销量。TechCrunch 介绍了两个产品的协作流程：

For instance, a company may want to help field service techs point their iPhone camera at a machine and identify the make and model to order the correct parts. You could potentially train a model to recognize all the different machines using Watson’s image recognition capability.

The next step is to convert that model into Core ML and include it in your custom app. Apple introduced Core ML at the Worldwide Developers Conference last June as a way to make it easy for developers to move machine learning models from popular model building tools like TensorFlow, Caffe or IBM Watson to apps running on iOS devices.

After creating the model, you run it through the Core ML converter tools and insert it in your Apple app. The agreement with IBM makes it easier to do this using IBM Watson as the model building part of the equation. This allows the two partners to make the apps created under the partnership even smarter with machine learning.

二

然而对于包括 IBM、苹果等美国公司来说，在前沿技术的挑战之外，中美两国逐步升温的贸易战也为这些公司的中国生意，蒙上一层阴影。新浪科技的一篇报道称，多位美国企业高管会参加中国发展高层论坛：

苹果CEO蒂姆·库克（Tim Cook）、谷歌CEO桑达尔·皮查伊（Sundar Pichai）以及IBM CEO罗睿兰（Ginny Rometty）将会参加中国发展高层论坛，这个一年一度的论坛旨在帮助西方企业维护与中国的关系。

库克将会担任本次论坛的外方主席，在所有美国科技企业中，苹果最为看重中国市场，他们的iPhone等设备在中国非常受欢迎，但是在上一财年中，苹果在中国的营收却出现了下滑。不久前，苹果还将中国iCloud账户的数据迁入了中国境内。

也有媒体注意到一个现象，与过往历次中美贸易战不同，此次贸易战尽管依然夹杂着意识形态的冲突，还隐含着技术之争，更准确地说，是人工智能技术之争，比如自媒体 DT 深科技就这样写道：

值得注意的是，包括华为在内的手机产品过去并不是没有在美国市场销售过，从功能型手机（Feature Phone)、到智能型手机都是如此，以华为为例，其荣耀品牌智能手机就在2017年全面杀入美国市场。

但为何荣耀手机得以进入美国市场，Mate 10手机却惨遭美国拒于门外？

当时，许多人将此视为美国一贯对于中国产品的抵制，但事实上，有一个没有被特别提及的点在于，华为Mate 10手机是全球第一款强调具有人工智能功能的智能手机，而人工智能，才是挑动美国国会与监管单位敏感神经的关键。

这篇文章多少有点阴谋论的意味，也不能（当然也不敢）陈述另一个事实：大量中国人工智能公司与中国政府之间的复杂关系，才是让美国以及其他西方国家担心的主要缘由。

三

本周，CBinsights 也在一份研究报告里详细分析了大量中国机器学习公司，特别是机器视觉公司与政府的关系，比如 LLvision 公司（亮亮视野公司），下图是春运期间郑州火车站执勤民警的装备，就是来自 LLvision公司。

或许是担心出现恐慌，这个新闻在国内被严格限制了传播范围，官方媒体中，只有人民日报海外版予以了简单报道:

民警使用人像比对警务眼镜对旅客中的重点人员进行人像识别。自2018春运安保开始以来，郑州铁路警方在全国铁路率先使用人像比对警务眼镜，这款警务眼镜可以高效地筛查出旅客中的网上在逃和冒用他人身份证件的违法行为人。

仔细去看 LLvision 的这款产品，其核心技术来自英特尔的 Movidius Myriad 视觉处理器，并加载了一个可进行边缘计算的神经网络框架，这意味着其大量计算可以放在眼镜上完成，公安机关只需要把逃犯数据库安装到眼镜上就可以快速实现检索、比对。

下图里，CBinsights 的数据进一步展示了中国机器视觉公司是多么有钱。

其中，旷视科技去年完成一笔高达 4.6 亿美元的融资。我曾在去年 11 月的一期会员计划里分析了这笔投资：

这轮融资的投资方包括中国国有资本风险投资基金、蚂蚁金服、富士康集团。其中中国国有资本风险投资基金成立于 2016 年，管理机构为中国国新控股，该公司是「经国务院批准设立的国有独资公司和国家授权的投资机构，由国务院国资委代表国务院履行出资人职责，是国有资本运营公司试点企业。」

大量国有基金的介入，一方面彰显出国家层面对于人工智能发展的重视程度，另一方面也会给这些创业公司带来一定的负面效应，尤其是人工智能越来越成为国家之间竞争的关键领域。以旷视科技为例，这家公司的主要研发领域是人脸识别，借助于中国形同虚设的隐私法律法规，该公司能够通过海量数据提升算法，其精准度已经跃居全球前列，其主要应用领域也是安防和城市交通领域等政府领域，这也一定程度上制约了该公司在其他领域的发展可能性，比如国际化。

这是 CBinsights 给旷视科技这一轮融资绘制的信息图：

四

如果将视线放回国内，可能会觉得，这些「别有用心」的西方媒体多少有点「杞人忧天」。在深圳交通部门将闯红灯的人脸识别照片公开放在其网站后，更多人的反应是对其技术拍手叫好。

《大西洋月刊》的一篇文章里，也列举了北京天坛公共厕所里的人脸识别取手纸、济南利用人脸识别乱穿马路的人等等，但文章更指出了一个残酷的事实：

The technology’s veneer of convenience conceals a dark truth: Quietly and very rapidly, facial recognition has enabled China to become the world’s most advanced surveillance state.

正如《连线》杂志 1月号的封面（上图）所指，当局对于未来的社会管理，有着明确的目的：

A hugely ambitious new government program called the “social credit system” aims to compile unprecedented data sets, including everything from bank-account numbers to court records to internet-search histories, for all Chinese citizens. Based on this information, each person could be assigned a numerical score, to which points might be added for good behavior like winning a community award, and deducted for bad actions like failure to pay a traffic fine. The goal of the program, as stated in government documents, is to “allow the trustworthy to roam everywhere under heaven while making it hard for the discredited to take a single step.”

另一个来自官方媒体的消息多少也进一步佐证了人脸识别已经被广泛应用到各地政府部门。这篇《工人日报》的文章虽然有着浓重的 PR 目的，不过透露了一组数字：

这套系统被称作人脸识别的“天网”，目前已经应用在全国16个省、市、自治区。依靠布控在大街小巷各个角落的摄像头，公安机关可在第一时间发现犯罪嫌疑人或失踪人口出现的位置，系统还可绘制出人在城市的轨迹，警方由此顺藤摸瓜用于抓捕，或者发现更多有价值的信息。
……
“天网”依靠的是动态人脸识别技术，能够准确识别超过40种人脸特征，可以根据视角不同、光线明暗差异、动态静态条件等情况，准确识别出人脸。此外，该系统速度也非常惊人，可实现每秒比对30亿次，花1秒钟就能将全国人口“筛”一遍，花2秒钟便能将世界人口“筛”一遍。动态人脸识别技术的准确率也非常高，目前1:1识别准确率已经达到99.8%以上，而人类肉眼的识别准确率为97.52%。

对了，去年 BBC 记者 John Sudworth 在贵阳体验的人脸识别技术，其供应商也来自这家名叫深醒科技的公司，视频链接在这里，欢迎来到无处可藏的电幕时代。

「人工智能智能内参」旨在提供一份中文互联网领域权威、可读的人工智能商业化应用邮件列表。本期你将看到 百度正在变成什么样子、德尔福收购自动驾驶创业公司、IBM 低调神秘发布新品、AWS 里程碑的收入增长、Yan LeCun 怒斥人工智能与「终结者」划等号……点击这里查看过往内容。

号外：百度这一周：财报向好、前研究院院长离职、牵手首汽约车

百度在美国时间 10 月 26 日（北京时间 10 月 27 日）发布 2017 年第三季度财报，当季营收 253.3 亿元人民币，同比增长 29%，净利润 79 亿人民币，同比增长 156%。这是百度连续两个季度营收、利润大幅上涨，当日收盘后，百度的市值达到 903 亿美元，此时距离陆奇进入百度，不过 10 个月时间。

撇开所谓百度就是人工智能公司这样的 PR 口号，百度到底在发生什么变化以及百度未来会是个什么样子？这个问题的答案虽然模糊不清，但依然可以从百度最近的动作以及财报里看出端倪。 （更多…）

这封会员通讯将对近期人工智能领域一些事件做深度的梳理和整合，包括国家政策、创业方向、巨头转型以及人才等多个角度。

（更多…）

「阅读清单」将不定期筛选全球最具阅读价值的 3 到 5 篇科技深度文章。今天你将看到如下四篇文章：

• 孙宏斌与柳传志的恩怨情仇；
• 英特尔的数据中心保卫战；
• 被云计算杀死的两个巨人：IBM 和 Oracle；
• Elon Musk 到底在忙什么？

（更多…）