作者丨Ben Thompson
譯者丨薛命燈
編輯丨小智
前言
大公司總是因為沒(méi)能“把握”好未來(lái)而飽受詬病。在當下舒服地等待未來(lái)是自然而然的事，但未來(lái)畢竟還是未來(lái)。
Microsoft也許就是一個(gè)很好的例子，它似乎并沒(méi)有錯過(guò)移動(dòng)浪潮——Windows Mobile在2000年問(wèn)世——但Microsoft過(guò)度依賴(lài)它的模塊許可業(yè)務(wù)模型，而且沒(méi)能在它的核心產(chǎn)品（Windows）和移動(dòng)業(yè)務(wù)之間開(kāi)辟出一片新天地，從而阻礙了Windows Mobile的發(fā)展。Windows Mobile所有的設計都與人們期望的背道而馳。
Google和企業(yè)之間似乎也經(jīng)歷了類(lèi)似的尷尬。G Suite（一組Google應用）和Google Docs在10年前推向市場(chǎng)，并取得一定的成功，在商業(yè)和教育領(lǐng)域也小有成就。然而，跟Google的核心用戶(hù)一樣，這兩個(gè)產(chǎn)品的用戶(hù)也同樣希望只花少量的錢(qián)使用他們需要的功能。吸引大企業(yè)不是一件容易的事情，而在過(guò)去幾年，Office 365遠遠趕超了G Suite，它不僅成長(cháng)迅速，而且贏(yíng)回了用戶(hù)。
類(lèi)似Microsoft在Office 365方面的成功，在被視為企業(yè)計算未來(lái)的云計算領(lǐng)域，真正的巨頭往往以人們始料未及的方式到來(lái)：也就是在Google決定向Microsoft反擊的同一年，Amazon發(fā)布了Amazon Web Services（AWS）。
AWS之所以這么強勢，是因為它是Amazon自身的寫(xiě)照：它擁有極強的伸縮性和清晰定義的接口。AWS的用戶(hù)除了Amazon自己，還有來(lái)自世界各地的公司，他們訪(fǎng)問(wèn)AWS提供的“基本體”，通過(guò)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(wù)，而幾乎沒(méi)有一家公司能夠憑借自身的能力構建出如此強大的服務(wù)。
AWS的基本體
在今年早些時(shí)候，我在《The Amazon Tax》這篇文章里（見(jiàn)：https://stratechery.com/2016/the-amazon-tax/）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(gè)團隊有自己的P&L、職責和決策權?！癟he Everything Store”一書(shū)的作者Stone是這樣介紹Bezos當初的創(chuàng )業(yè)動(dòng)機的：
他說(shuō)，整個(gè)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(gè)團隊不超過(guò)十個(gè)人，如果團隊加班到很晚，他們可以一起吃掉兩個(gè)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(guò)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(lái)解釋說(shuō)，雙披薩團隊模式并非在所有地方都能產(chǎn)生效力。不過(guò)在后續的文章里，他寫(xiě)到，公司仍然保持著(zhù)扁平化，每個(gè)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(fā)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(wù)的描述：
如果Amazon要在開(kāi)發(fā)人員中間模擬創(chuàng )新，它不應該試圖去猜測他們可能需要哪些服務(wù)，因為這些猜測是基于過(guò)去的經(jīng)驗，它應該去創(chuàng )建基本體——計算構建塊——然后去解決更大的挑戰。
Steven Sinofsky總是說(shuō)組織容易發(fā)展出自己的組織結構，在我認為Amazon是在復制一個(gè)AWS模型的時(shí)候，種種跡象表明AWS模型在很多方面就是Amazon自己的寫(xiě)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(chuàng )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(wù)遠遠不止那些虛擬基礎設施，如處理器、硬盤(pán)和數據庫，在更高層次的抽象（比如Lambda“無(wú)服務(wù)”計算）和平臺及軟件服務(wù)發(fā)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(yè)提供他們所需要的任何東西，幫助企業(yè)構建他們所需要的一切。
Google是一個(gè)產(chǎn)品公司
Google從來(lái)都不是一個(gè)平臺公司。事實(shí)上，Google經(jīng)常被視為Apple的對立面。如果你認為硬件才算得上產(chǎn)品，那么Apple就是一個(gè)產(chǎn)品公司，而Google是一個(gè)服務(wù)公司。不過(guò)根據“產(chǎn)品”的另一種廣義定義，也就是說(shuō)如果產(chǎn)品是指完整呈現給終端用戶(hù)的解決方案，那么這兩家公司其實(shí)是同一類(lèi)型的公司。
不犯錯：在云服務(wù)和硬件服務(wù)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(gè)產(chǎn)品公司和成為一個(gè)平臺公司之間也是如此。理想的產(chǎn)品，不管它是智能手機也好，還是搜索框也好，都要做到簡(jiǎn)單，并在設計和工程方面投入大量精力來(lái)提升用戶(hù)體驗，盡管工程方面的東西用戶(hù)可能是看不到的。這也就是為什么一體化產(chǎn)品總能贏(yíng)得市場(chǎng)，而且不會(huì )犯錯。Google的親用戶(hù)服務(wù)已經(jīng)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(shí)代杰出的平臺公司，Amazon并沒(méi)有把各個(gè)組件集成起來(lái)作為一體產(chǎn)品來(lái)銷(xiāo)售，而是對這些組件進(jìn)行拆分，構建出模塊化的后端服務(wù)。Microsoft在Win32 API上也采用了相同的策略。
所以說(shuō)，從設計上看，Windows的用戶(hù)體驗比不上Mac OS，不過(guò)它比Mac OS更強大，擴展性更強，Windows平臺數以百萬(wàn)計的應用程序讓它至今保持著(zhù)市場(chǎng)的領(lǐng)先地位。
AWS的后端服務(wù)走的是一樣的路線(xiàn)，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(chǎn)品早在2008年就已推向市場(chǎng)。在使用Google App Engine的時(shí)候，Google會(huì )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(lái)的大型生態(tài)系統牢牢地將用戶(hù)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(guò)更重要的是，大量合作者和增值服務(wù)提供商讓W(xué)indows成為企業(yè)的不二選擇。Amazon正在努力構建類(lèi)似的生態(tài)系統。
離不開(kāi)Windows的首先是個(gè)人用戶(hù)，然后是企業(yè)用戶(hù)，其背后的原因是Web：Web運行時(shí)雖然運行在Windows之上，但它并不依賴(lài)Windows，
而在個(gè)人用戶(hù)方面，Google是個(gè)大贏(yíng)家。事實(shí)上，瀏覽器的崛起也就是對AWS最好的解釋?zhuān)核械膽贸绦蚨冀⒃赪eb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(fǎng)問(wèn)。
事實(shí)證明，在過(guò)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(yè)計算領(lǐng)域。在2014年，Google開(kāi)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(jìn)行了抽象，借助這個(gè)平臺，Google所有的服務(wù)都可以立即訪(fǎng)問(wèn)到它們所需要的計算資源，而無(wú)需關(guān)心底層的細節。
容器是這一切的根本，我在2014年曾經(jīng)這樣寫(xiě)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(wú)需知道底層硬件或操作系統的細節（相比虛擬機，這是一個(gè)進(jìn)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A(yíng)WS、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(dòng)搖AWS在基礎設施即服務(wù)領(lǐng)域十年領(lǐng)先地位的法寶：
Google已經(jīng)在基礎設施方面取得長(cháng)足的進(jìn)步，Kubernetes潛在的影響力和基于容器開(kāi)發(fā)趨勢的爆發(fā)式增長(cháng)讓基礎設施的選擇變得無(wú)關(guān)鍵要。毫無(wú)疑問(wèn)，Kubernetes是一直以來(lái)發(fā)展最快的開(kāi)源項目，而且它不會(huì )強制鎖定任何東西。
不過(guò)這對Google來(lái)說(shuō)有什么好處呢？就算Kubernetes會(huì )成為企業(yè)云的標準，但Amazon的生態(tài)系統仍然存在（而且Amazon有自己的容器策略可以把客戶(hù)長(cháng)久地鎖定在A(yíng)WS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(wú)關(guān)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(kāi)放性為科技帶來(lái)的各種可能性。
Google擁有最好的搜索引擎，而比這個(gè)更重要的是，它信賴(lài)的是超鏈接而不是簡(jiǎn)單的網(wǎng)頁(yè)內容，所以當Web變得越來(lái)越大，Google就會(huì )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(shí)上，這就是“聚合理論”的核心概念：當發(fā)行（切換）成本降低時(shí)，用戶(hù)體驗的重要性就會(huì )增加。換句話(huà)說(shuō)，當你可以訪(fǎng)問(wèn)所有的服務(wù)時(shí)，不管是新聞、汽車(chē)、旅館、視頻或者搜索，最好的那個(gè)服務(wù)不僅僅可以贏(yíng)得先機，而且可以保持各方面的優(yōu)勢。
Google在進(jìn)軍企業(yè)云時(shí)就是以此作為賭注：Google把Kubernetes開(kāi)源，試圖在云基礎設施上建立一個(gè)瀏覽器窗口，并以此降低切換成本；Google的機器學(xué)習在這里就相當于搜索引擎。
機器學(xué)習和數據
毫無(wú)疑問(wèn)，云服務(wù)將會(huì )促進(jìn)機器學(xué)習的發(fā)展：這種發(fā)展同時(shí)體現在處理規模和海量數據兩方面，并且只有少數幾個(gè)巨獸公司才有經(jīng)濟實(shí)力來(lái)構建符合要求的基礎設施，并雇傭世界頂級的機器學(xué)習專(zhuān)家。
這意味著(zhù)，對大多數企業(yè)來(lái)說(shuō)，他們在機器學(xué)習領(lǐng)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(huì )拖他們的后腿），其次是他們選擇的是哪個(gè)云服務(wù)供應商。
對云服務(wù)供應商來(lái)說(shuō)機遇與風(fēng)險并存。提供優(yōu)秀的機器學(xué)習服務(wù)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(hù)，從而得到更多的數據，而數據是機器學(xué)習不斷發(fā)展的動(dòng)力。數據也讓Google成為AWS在云領(lǐng)域的最大威脅。
我在上面提到，Google因為專(zhuān)注于個(gè)人用戶(hù)業(yè)務(wù)而限制了企業(yè)業(yè)務(wù)的發(fā)展，不過(guò)Google最大的優(yōu)勢在于它已經(jīng)基于海量數據運作了將近二十年，而且在過(guò)去的幾年一直在開(kāi)發(fā)強大的機器學(xué)習算法。不過(guò)數據仍然是最重要的，去年Google開(kāi)源了TensorFlow就是一個(gè)最好的證明。
TensorFlow為機器學(xué)習提供了藍圖，就如我在“TensorFlow and Monetizing Intellectual Property”一文中所寫(xiě)的那樣，Google此舉正暗示著(zhù)它的超級數據和基礎設施是一個(gè)絕對的優(yōu)勢。
我們現在開(kāi)始看到這個(gè)優(yōu)勢在Google云服務(wù)方面的應用。在感恩節前，Google發(fā)布了一些列產(chǎn)品，而這些產(chǎn)品正是利用了它在數據方面的優(yōu)勢：
Cloud Natural Language API，它使用機器學(xué)習來(lái)分析文本，已經(jīng)基本可用
Cloud Translation API高級版本，它使用機器學(xué)習來(lái)改進(jìn)八種語(yǔ)言的翻譯準確性（標準版支持超過(guò)100種語(yǔ)言）
Cloud Vision API降價(jià)，這套API使用機器學(xué)習來(lái)分析圖像
一套新的Cloud Jobs API，使用機器學(xué)習為職位匹配潛在的候選人
以上四種API都結合使用了Cloud Prediction API。Cloud Prediction API使用機器學(xué)習來(lái)作預測，它和上述前三種API都是來(lái)自Google的個(gè)人用戶(hù)產(chǎn)品，而Jobs API是基于Google內部的一個(gè)工具和整個(gè)Web的數據建立起來(lái)的。
對于每一種API，Google都花費了數年時(shí)間來(lái)研究算法。在把這些API應用在公司數據上可以得到令人滿(mǎn)意的結果，至少比訓練漏斗要好得多。我希望這個(gè)優(yōu)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(lǐng)導的Google Cloud Machine Learning Group。這個(gè)小組將負責構建商用的機器學(xué)習API，換句話(huà)說(shuō)，他們的任務(wù)是把Google的機器學(xué)習進(jìn)行產(chǎn)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(guò)開(kāi)源Kubernetes，它試圖把整個(gè)行業(yè)引向與廠(chǎng)商無(wú)關(guān)的容器領(lǐng)域，它正嘗試把籌碼壓在它的產(chǎn)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(guò)可以肯定地說(shuō)，Google能夠成功并非板上釘釘的事：它仍然需要在另一個(gè)新的商業(yè)模型上付出努力——銷(xiāo)售與廣告，并讓自己成長(cháng)為一個(gè)不僅可以銷(xiāo)售還能為企業(yè)提供支持的公司。Amazon是這兩個(gè)領(lǐng)域的領(lǐng)頭羊，它擁有廣闊的合作者生態(tài)系統和一組龐大的特性集。
AWS也有自己的機器學(xué)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(shí)間在機器學(xué)習研究上，而且還有把技術(shù)應用于商業(yè)的經(jīng)驗，而Google長(cháng)時(shí)間對個(gè)人用戶(hù)的關(guān)注有時(shí)候會(huì )成為一種弱勢。而隨著(zhù)Kubernetes可能越來(lái)越受歡迎，人們更關(guān)心的是Google還沒(méi)有開(kāi)始使用自己的平臺。
不過(guò)Google仍然是一個(gè)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(yè)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(huì )在未來(lái)占有長(cháng)足的一席之地，不過(guò)未來(lái)還沒(méi)有到來(lái)。Google將如何在未來(lái)扭轉乾坤，讓我們拭目以待！
本文翻譯已獲授權，原文鏈接：
https://stratechery.com/2016/how-google-cloud-platform-is-challenging-aws/
本文譯者：薛命燈
今日薦文
點(diǎn)擊下方圖片即可閱讀
聯(lián)系客服
