精品国产一级在线观看,国产成人综合久久精品亚洲,免费一级欧美大片在线观看

大公司總是因為沒能“把握”好未來而飽受詬病。在當下舒服地等待未來是自然而然的事，但未來畢竟還是未來。Microsoft也許就是一個很好的例子，它似乎并沒有錯過移動浪潮——Windows Mobile在2000年問世——但Microsoft過度依賴它的模塊許可業務模型，而且沒能在它的核心產品（Windows）和移動業務之間開辟出一片新天地，從而阻礙了Windows Mobile的發展。Windows Mobile所有的設計都與人們期望的背道而馳。

Google和企業之間似乎也經歷了類似的尷尬。G Suite（一組Google應用）和Google Docs在10年前推向市場，并取得一定的成功，在商業和教育領域也小有成就。然而，跟Google的核心用戶一樣，這兩個產品的用戶也同樣希望只花少量的錢使用他們需要的功能。吸引大企業不是一件容易的事情，而在過去幾年，Office 365遠遠趕超了G Suite，它不僅成長迅速，而且贏回了用戶。

類似Microsoft在Office 365方面的成功，在被視為企業計算未來的云計算領域，真正的巨頭往往以人們始料未及的方式到來：也就是在Google決定向Microsoft反擊的同一年，Amazon發布了Amazon Web Services（AWS）。AWS之所以這么強勢，是因為它是Amazon自身的寫照：它擁有極強的伸縮性和清晰定義的接口。AWS的用戶除了Amazon自己，還有來自世界各地的公司，他們訪問AWS提供的“基本體”，通過組合這些“基本體”構建出更高效、伸縮性更強、更安全的后端服務，而幾乎沒有一家公司能夠憑借自身的能力構建出如此強大的服務。

AWS的基本體

在今年早些時候，我在“The Amazon Tax”這篇文章里解釋了AWS的策略跟當初讓Amazon走向成功的策略如出一轍：

公司由很多獨立的團隊組成，每個團隊有自己的P&L、職責和決策權。“The Everything Store”一書的作者Stone是這樣介紹Bezos當初的創業動機的：

他說，整個公司被分成很多“雙披薩團隊”。員工被自主地分配到不同的團隊里，每個團隊不超過十個人，如果團隊加班到很晚，他們可以一起吃掉兩個披薩。這些團隊需要獨立解決Amazon面臨的大難題……Bezos在管理上應用了混沌理論，通過把組織拆分成基本單元以降低組織的復雜性，并期待出現令人驚喜的結果。

Stone后來解釋說，雙披薩團隊模式并非在所有地方都能產生效力。不過在后續的文章里，他寫到，公司仍然保持著扁平化，每個人在公司里都要承擔起職責。這些“基本單元”就是把AWS帶向了規模發展的原始因素。請注意之前對Bezos和他的團隊如何推出AWS服務的描述：

如果Amazon要在開發人員中間模擬創新，它不應該試圖去猜測他們可能需要哪些服務，因為這些猜測是基于過去的經驗，它應該去創建基本體——計算構建塊——然后去解決更大的挑戰。

Steven Sinofsky總是說組織容易發展出自己的組織結構，在我認為Amazon是在復制一個AWS模型的時候，種種跡象表明AWS模型在很多方面就是Amazon自己的寫照（就像iPhone在很多方面反映了Apple公司統一的組織結構一樣）：創建很多基本體，解決更大的挑戰，成為一方霸主。

AWS所能提供的服務遠遠不止那些虛擬基礎設施，如處理器、硬盤和數據庫，在更高層次的抽象（比如Lambda“無服務”計算）和平臺及軟件服務發展方面，AWS也同樣在施展拳腳。而Amazon的平臺戰略仍然是這些成功的基石：為企業提供他們所需要的任何東西，幫助企業構建他們所需要的一切。

Google是一個產品公司

Google從來都不是一個平臺公司。事實上，Google經常被視為Apple的對立面。如果你認為硬件才算得上產品，那么Apple就是一個產品公司，而Google是一個服務公司。不過根據“產品”的另一種廣義定義，也就是說如果產品是指完整呈現給終端用戶的解決方案，那么這兩家公司其實是同一類型的公司。

不犯錯：在云服務和硬件服務之間存在巨大差別（我從Apple的組織轉變中得出的結論），而成為一個產品公司和成為一個平臺公司之間也是如此。理想的產品，不管它是智能手機也好，還是搜索框也好，都要做到簡單，并在設計和工程方面投入大量精力來提升用戶體驗，盡管工程方面的東西用戶可能是看不到的。這也就是為什么一體化產品總能贏得市場，而且不會犯錯。Google的親用戶服務已經跟iPhone一樣跟后端緊緊集成。

而Amazon和Microsoft采用的卻是相反的模式。作為IT時代杰出的平臺公司，Amazon并沒有把各個組件集成起來作為一體產品來銷售，而是對這些組件進行拆分，構建出模塊化的后端服務。Microsoft在Win32 API上也采用了相同的策略。

所以說，從設計上看，Windows的用戶體驗比不上Mac OS，不過它比Mac OS更強大，擴展性更強，Windows平臺數以百萬計的應用程序讓它至今保持著市場的領先地位。AWS的后端服務走的是一樣的路線，AWS的靈活性和模塊化是它擊敗Google最初的云平臺和Google App Engine的主要因素，盡管Google的這些產品早在2008年就已推向市場。在使用Google App Engine的時候，Google會為你做很多事情，而AWS則讓你自己構建你所需要的一切。

Google的平臺化法寶

Google在策略上的轉變，可以從Windows身上找到答案：基于Microsoft API建立起來的大型生態系統牢牢地將用戶鎖定。很顯然，為Windows構建的應用很難被移植到其它操作系統上，不過更重要的是，大量合作者和增值服務提供商讓Windows成為企業的不二選擇。Amazon正在努力構建類似的生態系統。

離不開Windows的首先是個人用戶，然后是企業用戶，其背后的原因是Web：Web運行時雖然運行在Windows之上，但它并不依賴Windows，

而在個人用戶方面，Google是個大贏家。事實上，瀏覽器的崛起也就是對AWS最好的解釋：所有的應用程序都建立在Web之上（包括那些使用了Web API的應用），它們可以被任何一種設備訪問。

事實證明，在過去的幾年，Google試圖在把一種以瀏覽器為基礎的模式帶入企業計算領域。在2014年，Google開源了Kubernetes，Kubernetes是一款基于Google Borg的容器集群管理器。Borg對Google的基礎設施進行了抽象，借助這個平臺，Google所有的服務都可以立即訪問到它們所需要的計算資源，而無需關心底層的細節。容器是這一切的根本，我在2014年曾經這樣寫道：工程師可以基于一組靈活的標準接口構建應用程序，而無需知道底層硬件或操作系統的細節（相比虛擬機，這是一個進步）。

Kubernetes跟Borg不同的地方在于它是完全可移植的，它可以運行在AWS、Azure和Google Cloud Platform上，也可以運行在本地的基礎設施上。而這正是Google能夠動搖AWS在基礎設施即服務領域十年領先地位的法寶：Google已經在基礎設施方面取得長足的進步，Kubernetes潛在的影響力和基于容器開發趨勢的爆發式增長讓基礎設施的選擇變得無關鍵要。毫無以為，Kubernetes是一直以來發展最快的開源項目，而且它不會強制鎖定任何東西。

不過這對Google來說有什么好處呢？就算Kubernetes會成為企業云的標準，但Amazon的生態系統仍然存在（而且Amazon有自己的容器策略可以把客戶長久地鎖定在AWS上），所以Google需要其它殺手锏。

成本與體驗

桌面系統仍然很有用，Web運行在與平臺無關的瀏覽器上，但這本身并不能幫助Google取得成功，Google的成功需要借助Web的開放性為科技帶來的各種可能性。

Google擁有最好的搜索引擎，而比這個更重要的是，它信賴的是超鏈接而不是簡單的網頁內容，所以當Web變得越來越大，Google就會從中受益。

我認為可以從中總結出一套可以被廣泛應用的理論，事實上，這就是“聚合理論”的核心概念：當發行（切換）成本降低時，用戶體驗的重要性就會增加。換句話說，當你可以訪問所有的服務時，不管是新聞、汽車、旅館、視頻或者搜索，最好的那個服務不僅僅可以贏得先機，而且可以保持各方面的優勢。

Google在進軍企業云時就是以此作為賭注：Google把Kubernetes開源，試圖在云基礎設施上建立一個瀏覽器窗口，并以此降低切換成本；Google的機器學習在這里就相當于搜索引擎。

機器學習和數據

毫無疑問，云服務將會促進機器學習的發展：這種發展同時體現在處理規模和海量數據兩方面，并且只有少數幾個巨獸公司才有經濟實力來構建符合要求的基礎設施，并雇傭世界頂級的機器學習專家。這意味著，對大多數企業來說，他們在機器學習領域能否異軍突起首先取決于他們的數據是否存在云端（雖然可以存放在本地，但我認為那樣只會拖他們的后腿），其次是他們選擇的是哪個云服務供應商。

對云服務供應商來說機遇與風險并存。提供優秀的機器學習服務不僅僅要有差異化，而且必須足夠強壯：這樣才能吸引到更多的客戶，從而得到更多的數據，而數據是機器學習不斷發展的動力。數據也讓Google成為AWS在云領域的最大威脅。

我在上面提到，Google因為專注于個人用戶業務而限制了企業業務的發展，不過Google最大的優勢在于它已經基于海量數據運作了將近二十年，而且在過去的幾年一直在開發強大的機器學習算法。不過數據仍然是最重要的，去年Google開源了TensorFlow就是一個最好的證明。TensorFlow為機器學習提供了藍圖，就如我在“TensorFlow and Monetizing Intellectual Property”一文中所寫的那樣，Google此舉正暗示著它的超級數據和基礎設施是一個絕對的優勢。

我們現在開始看到這個優勢在Google云服務方面的應用。在感恩節前，Google發布了一些列產品，而這些產品正是利用了它在數據方面的優勢：

以上四種API都結合使用了Cloud Prediction API。Cloud Prediction API使用機器學習來作預測，它和上述前三種API都是來自Google的個人用戶產品，而Jobs API是基于Google內部的一個工具和整個Web的數據建立起來的。

對于每一種API，Google都花費了數年時間來研究算法。在把這些API應用在公司數據上可以得到令人滿意的結果，至少比訓練漏斗要好得多。我希望這個優勢可以保持下去，并變得更有意義。

Google還有很多事情要做，于是它成立了由李飛飛和李佳領導的Google Cloud Machine Learning Group。這個小組將負責構建商用的機器學習API，換句話說，他們的任務是把Google的機器學習進行產品化。

Google策略的精明之處在于：在第一波云計算潮流中，它被Amazon趕超，因為成功取決于平臺戰略；而通過開源Kubernetes，它試圖把整個行業引向與廠商無關的容器領域，它正嘗試把籌碼壓在它的產品上面。畢竟改變競爭規則要比改變公司的基因要容易得多。

不過可以肯定地說，Google能夠成功并非板上釘釘的事：它仍然需要在另一個新的商業模型上付出努力——銷售與廣告，并讓自己成長為一個不僅可以銷售還能為企業提供支持的公司。Amazon是這兩個領域的領頭羊，它擁有廣闊的合作者生態系統和一組龐大的特性集。

AWS也有自己的機器學習API，IBM和Microsoft也不例外。Microsoft似乎想在這方面表現得奪人眼球，它不僅花費了數年時間在機器學習研究上，而且還有把技術應用于商業的經驗，而Google長時間對個人用戶的關注有時候會成為一種弱勢。而隨著Kubernetes可能越來越受歡迎，人們更關心的是Google還沒有開始使用自己的平臺。

不過Google仍然是一個令人敬畏的競爭者：它的策略是明智的，而且更重要的是，在今天找到新的商業模式要比在2006緊迫得多。Google向云計算轉型還處在初始階段，Amazon似乎會在未來占有長足的一席之地，不過未來還沒有到來。Google將如何在未來扭轉乾坤，讓我們拭目以待！

查看英文原文：How Google Is Challenging AWS