從一開始，谷歌云平臺（Google Cloud Platform，GCP）的核心價值定位就是讓企業享受到谷歌自己用來運行自身業務所用的相同基礎設施和高級軟件。

回顧歷史，這也是Amazon Web Services最初的價值定位。由于亞馬遜運行著一個遍及全球的交易業務，為什么不讓企業客戶一同參與其中呢？十年過去了，我們現在知道了這個想法的實現情況。

谷歌的秘密武器就是其計算基礎設施的高度自動化，以及融入其自身業務的人工智能。作為消費者，我們看到了這些成果：我們在Google Maps上消耗流量數據，通過使用安卓手機拍下的大量照片看到背后的故事，當然，還有使用谷歌的搜索結果。作為IT人，我們討論了谷歌NoOps對IT管理的愿景。

考慮到谷歌作為大眾消費服務的傳統，所以谷歌更多地是以面向消費者——而不是專注企業——這早已不足為怪了。

而且考慮到下一代NoOps是專注于谷歌的IT基礎設施，所以Google Compute Cloud的早期企業參考大多都是不太可能實現的——而非有點希望的——也就不奇怪了。例如，可口可樂考慮GCP是因為它有可以針對全球營銷活動進行擴展的基礎設施，讓消費者可以獲得他們在2014年世界杯上的圖片放到Happiness Flag上。

如果你觀察已經發布了的機器學習API，這些仍然很大程度上反映了谷歌在消費級領域的傳統。例如旨在目標中識別朋友、情緒或者表達的視覺功能，或者識別像埃菲爾鐵塔這樣的地標。

通過這一波發布，谷歌在消費者業務上的中心將發生變化——這是谷歌從一開始就強調的。谷歌意識到，機器學習作為一項業務，如果抱著“讓開展的業務順其自然發展”的心態，那么就不會實現成長。所以現在谷歌正在打造一個專注于機器學習的產品部門，涉足專業服務以幫助企業客戶找出如何利用機器學習，并開始更多地從產品角度思考問題。

核心產品——谷歌云機器學習（Google Cloud Machine Learning）在經過了大量漏洞修復的測試期之后于近日剛剛開始全面供貨。谷歌進入的這個市場，其他提供商像是Amazon和微軟（還有像Databricks這樣的利基公司）都已經提供了機器學習服務——IBM也剛剛宣布推出了一款產品。

現在還相當于機器學習的早期階段，每家廠商的云服務幾乎沒有可比性。例如，作為谷歌云機器學習的“心臟”——TensorFlow是針對深度學習（模仿人類思維和決策），Amazon的機器學習服務解決像分類這樣的不那么野心勃勃的任務。

除了面向數據科學家的谷歌云機器學習之外，谷歌還有大量機器學習云服務現在是面向開發者的，云翻譯、語音、視覺和自然語言處理API。

一個早期結果就是還在測試中的Jobs API。這是一個谷歌內部需求催生的API，目標是通過更智能的、更多以數據的方式將職位與后選擇進行匹配來完善招聘。這是谷歌和其他公司需要將機器學習更多地運用到更主流的企業級市場中的一種垂直應用。最終，對于更加垂直的機器學習應用的需求將至受限于我們的想象力。

雖然很多大學計劃培育更多的數據工程師和數據科學家，但是這些還不足以讓他們像SQL開發者那樣普遍。

其他例子包括針對大批量任務——例如翻譯數千個點電子郵件或者文檔——的高級版Translate API，這對于那些需要大范圍采用該技術的企業是很有用處的。針對視覺API來說，有新的以業務為中心的功能可以檢測像企業標識這樣的東西。

對消費者來說，機器學習已經存在于我們身邊，當Amazon或者eBay向你顯示下一個最優報價或者當Netflix提出項目建議的時候，其實你已經在使用機器學習了。谷歌在向企業售賣機器學習和人工智能中，顯示了他們從零開始做這件事時就已經面對的挑戰。