IT思维

文章页右侧顶部广告

谷歌、微软、亚马逊押注MLaaS,三家战略、战术大阅兵

2018-01-19 10:54:43 0 业界资讯 | , ,

编辑:cecilia  马文 弗朗西斯

公众号/新智元

谷歌昨天宣布推出AutoML Vision,是其机器学习即服务(MLaaS)的重大改进,试图弥补在过去一年左右与微软的竞争差距。

亚马逊AWS去年11月份在AWS Re:Invent大会上也宣布推出自己的新的MLaaS工具和服务,让AI应用程序的开发人员在AWS云上构建智能应用程序。

MLaaS今天还处于起步阶段,但它可能会成为企业的主导AI平台,企业更愿意将开发细节交给别人,通过云租赁AI服务。

下文总结了谷歌、微软和亚马逊三家巨头公司的战略和战术,看看谁是赢家,谁是输家。

MLaaS:承诺和存在的问题

机器学习是很难的,尤其是复杂的深度学习领域。深度神经网络训练数以百万计的数据样本,通过英伟达的GPU进行分析,目的是提取和识别数据的特征和类别。

这是“AI时代”的曙光,所以企业和政府机构当然在争先恐后地行动以避免错过“下一个大事件”。为此,他们必须决定投资哪些项目,雇佣稀缺人才,购买大量的服务器和GPU,清洗数据用于监督学习,然后建立和优化自己的深度神经网络(DNN)。

听起来很难?那么,MLaaS提供了一个更简单的选择:采取捷径,使用预训练的神经网络来处理由主要云服务提供商提供的图像,视频,语音和自然语言数据。

既然可以写一个基于云的应用程序,通过一个简单的API来访问预训练好的网络,为什么还要花时间和金钱自己去训练一个神经网络呢?

谷歌、微软和AWS:各自的优势和策略

图:谷歌的Cloud AutoML提供了一个控制板,使开发人员能够轻松评测AI模型的精确度。

谷歌MLaaS

战略:利用谷歌在人工智能和深度学习方面的领先专长(谷歌内部拥有超过7000个AI项目,在全球有超过100万AI用户),为AI开发提供最先进的开发工具和最高性能的硬件平台。谷歌的平台完全是关乎开发者的,因为谷歌的用户与微软的差别很大。

 

战术:让TensorFlow成为AI硬件和软件之王。

将AI应用于AI的开发。谷歌声称其最近发布的Google Cloud AutoML可以极大地简化DNN开发过程的复杂任务。

Cloud AutoML不是通过额外的自定义数据(例如微软提供的)来增强预训练的API,而是从客户自己的数据开始,构建一个自定义的深度学习模型。

AutoML带有非常酷的控制板(dashboard),你可以在开发和调试模型时轻松地查看模型的性能。谷歌甚至将内部的数据标记作为一项服务提供——这是人们认为最终将由AI自动化完成的人工流程。

扩大谷歌在数据中心之外的影响力。谷歌AI的影响力已经扩展到边缘设备和消费类设备,以及自动驾驶汽车,覆盖Google Cloud平台上的所有的AI开发项目。

微软MLaaS

战略:利用微软庞大的企业和政府安装基础,以及其广泛的生产力工具和业务流程工具的组合,成为企业ML技术的默认供应商。

 

战术:

提供丰富的机器学习API来处理各种数据类型,因为根据其业务的不同,不同公司或机构的数据类型不同。使用户能够将神经网络的训练数据扩展到包含自身组织的产品、人员、词汇等等(微软是第一个走这条道路的公司,微软现在已经提供29个API——其中许多API支持定制DNN训练数据)。

 

为需要构建自己的深度神经网络的客户提供最高性能的机器学习框架,特别是为自然语言处理的客户。

使用AI增强所有微软的产品——为Office 365,Dynamics,Windows,以及最终,为每个产品提供智能功能。

亚马逊AWS MLaaS

 

战略:使用AWS的超大规模和丰富的工具集为AI应用程序提供最具成本效益的开发和部署平台。

战术:

首先,为亚马逊的大型在线业务开发的工具和平台提供为AWS服务。为Alexa和Amazon自己的电子商务开发的工具现在已经提供给开发者,用于轻松构建聊天机器人或语音激活的产品或服务。

提供世界最好的开发工具,如MXNet框架,Lex,Rekognition和SageMaker,以降低开发难度。这些工具都非常具有粘性,确保在开发过程完成后AWS会成为部署的平台。SageMaker特别有趣,为整个机器学习开发的生命周期提供了一个完全托管的平台。

为每个开发人员提供最具成本效益的云基础架构,无论开发人员选择哪种CPU,GPU或AI 框架。

总结

首先,无论这些AI服务如何好,企业都需要认识到MLaaS的局限性。问题当然在于细节。

如果预训练好的网络作为一种服务不能充分地包含你想要识别的面孔,词汇和对象呢?如果要在自己的基础架构上运行AI应用程序,将所有有价值的数据都保存在本地,至少看起来是安全的?

在任何一种情况下,MLaaS可能都不是企业理想的入口匝道。微软和谷歌正试图解决MLaaS的这些功能限制,但谷歌的方法可以产生更准确的结果——AutoML实际上是让用户构建一个自定义的AI模型,而不是简单地提供一个可定制的预处理层。

顺便提一下,我很惊讶地发现AutoML是在NVIDIA GPU上运行的,而不是在Google TPU(也被称为GTP)。预计这种情况可能很快就会改变。

尽管如此,我相信谷歌在人工智能方面的实力将帮助公司达到并可能超过微软目前在MLaaS技术方面的领先地位,而微软在企业软件市场的实力将帮助其通过其应用程序组合实现在AI上的投入。

把这一切都整合起来,我认为微软将赢得传统的企业市场,而谷歌和亚马逊将继续争夺在云计算新的AI应用开发领域的领导地位。Google Cloud平台将托管在 TensorFlow(和Keras)上开发的应用,而AWS可能会为其他AI开发人员和应用程序托管市场提供服务。

科技巨头如何破解巨头垄断

《经济学人》近日发表一篇评论称,谷歌、微软和Facebook三家巨头的垄断地位对消费者和行业竞争本身都不是好事。

曾几何时,担任西方一家科技公司的老板是一份令人艳羡的工作。随着不断发展,谷歌、微软和Facebook等科技巨头被认为机构过大、反对竞争、令人上瘾、破坏民主。监管机构对他们罚款,政客声讨他们,曾经的支持者也警告其权力正在造成危害。

这种对于技术的抨击大部分是被误导的。“大企业一定是邪恶的”这种推断是错误的。苹果成为世界上最有价值的上市公司,原因很简单,因为人们想买苹果的产品。智能手机和闷闷不乐之间并不是强相关。

但是,大的技术平台,特别是Facebook,谷歌和亚马逊,确实引起了对于公平竞争的担忧。这部分是因为他们经常受益于法律豁免。与出版商不同,Facebook和谷歌很少对用户在他们的平台上所做之事负责。

多年来,大部分美国的亚马逊买家都没有缴纳销售税。巨头不只是在市场上竞争。它们逐渐成为市场本身,为大部分数字经济提供基础设施(或“平台”)。

他们的许多服务似乎都是免费的,但是用户为平台提供了数据,这成为了用户“付钱”的方式。尽管这些巨头已经很强大了,但据股市估值显示,预计未来十年投资者的数量将增加一倍甚至三倍。

因此有理由担心,科技巨头会利用自己的力量来保护和扩大自己的统治地位,损害消费者。决策者面对着棘手任务:限制这些科技巨头,但不能过度地扼杀创新。

这些平台因为受到“网络效应”的影响而占据主导地位。数量环环相扣:亚马逊的卖家更多,就能吸引更多的买家,这样就会吸引更多的卖家,如此循环往复。据估计,亚马逊占据了美国网上购物总量的40%以上。

Facebook拥有超过20亿的月度用户,掌控着传媒行业。公司离不开谷歌,谷歌在一些国家处理超过90%的网络搜索。 Facebook和谷歌控制着美国在线广告收入的三分之二。

进入科技行业的门槛正在上升。 Facebook不仅拥有世界上最大的个人数据库,而且还拥有其最大的“社交图表”:名单以及他们之间的联系关系。亚马逊比其他公司有更多的定价信息。

亚马逊的Alexa和Google Assistant一类的语音助手,将更好地控制人们在互联网上的体验。中国的科技企业有能力去竞争,但无法很轻易地接触到西方消费者。

如果这个趋势顺其自然,消费者就会因为科技行业缺乏活力而吃亏。创业公司将会投入更少的钱,大多数好的创意都将被巨头收购,而且利润将被巨头所蚕食。

已经有一些苗头了。欧盟委员会指控谷歌使用其移动操作系统Android的控制权来提供自己的应用程序。

Facebook一直在收购那些有朝一日能吸引用户的公司:Instagram,WhatsApp和最近的tbh,一个让青少年匿名向别人发送称赞的应用程序。尽管总体来说,亚马逊面临的竞争还在不断加剧,但从杂货到电视等行业可以证明,亚马逊可以发现竞争对手并把他们从市场上挤出。

有两个补救措施。首先是更好地利用现有的竞争法。 反托拉斯者应该仔细研究兼并,以衡量交易是否有可能抵消潜在的长期威胁。这样的审查可能阻止了Facebook收购Instagram和Google收购导航软件Waze。

为了确保平台不偏袒自己的产品,可以设立监督小组来审议对手的投诉,有点像2001年针对微软的反托拉斯案的独立“技术委员会”。

其次,反托拉斯者需要重新思考科技市场是如何运作的。个人数据其实是客户购买服务的货币。通过数据,科技巨头收到关于用户的行为,朋友和购买习惯的宝贵信息,以换取他们的产品。

正如美国在19世纪制定了有关知识产权的复杂规则,所以它需要一套新的法律来管理数据的所有权,目的是保障个人权利。

实质上,这意味着让人们对自己的信息有更多的控制权。如果用户愿意,关键数据应该实时提供给其他公司,因为现在欧洲的银行需要处理客户的账户信息。

监管机构可能迫使平台公司向竞争对手提供匿名化的批量数据,以换取费用,有点像对一项专利的强制许可。这样的数据共享需求可以根据企业的规模进行调整:越大的平台越需要共享。这些机制将使得巨头私藏数据并压制竞争转为用户分享和促进创新。

本文部分观点来自Karl Freund,是咨询公司Moor Insights & Strategy深度学习 & HPC领域的高级分析师,不代表新智元观点。

IT思维

IT思维(itsiwei.com)是互联网首个定位在科技与电商“思维”韬略的平台,我们时刻关注互联网电商行业新动向; 诚邀行业资深从业者加入“思维客家族”!
Return to Top ▲Return to Top ▲