昨天，谷歌重磅發布Cloud AutoML，這個無需寫代碼，全自動訓練的AI工具被視為谷歌在機器學習服務（MLaaS）領域全力加速追趕其它科技巨頭的核武器，微軟和亞馬遜在機器學習服務領域早有動作，三家PK戰況如何，各有哪些產品，目前MLaaS還處于起步階段，未來的展望又有哪些？

谷歌昨天宣布推出AutoML Vision，是其機器學習即服務（MLaaS）的重大改進，試圖彌補在過去一年左右與微軟的競爭差距。

亞馬遜AWS去年11月份在AWS Re：Invent大會上也宣布推出自己的新的MLaaS工具和服務，讓AI應用程序的開發人員在AWS云上構建智能應用程序。

MLaaS今天還處于起步階段，但它可能會成為企業的主導AI平臺，企業更愿意將開發細節交給別人，通過云租賃AI服務。

下文總結了谷歌、微軟和亞馬遜三家巨頭公司的戰略和戰術，看看誰是贏家，誰是輸家。

MLaaS：承諾和存在的問題

機器學習是很難的，尤其是復雜的深度學習領域。深度神經網絡訓練數以百萬計的數據樣本，通過英偉達的GPU進行分析，目的是提取和識別數據的特征和類別。

這是“AI時代”的曙光，所以企業和政府機構當然在爭先恐后地行動以避免錯過“下一個大事件”。為此，他們必須決定投資哪些項目，雇傭稀缺人才，購買大量的服務器和GPU，清洗數據用于監督學習，然后建立和優化自己的深度神經網絡（DNN）。

聽起來很難？那么，MLaaS提供了一個更簡單的選擇：采取捷徑，使用預訓練的神經網絡來處理由主要云服務提供商提供的圖像，視頻，語音和自然語言數據。

既然可以寫一個基于云的應用程序，通過一個簡單的API來訪問預訓練好的網絡，為什么還要花時間和金錢自己去訓練一個神經網絡呢？

谷歌、微軟和AWS：各自的優勢和策略

圖：谷歌的Cloud AutoML提供了一個控制板，使開發人員能夠輕松評測AI模型的精確度。

谷歌MLaaS

戰略：利用谷歌在人工智能和深度學習方面的領先專長（谷歌內部擁有超過7000個AI項目，在全球有超過100萬AI用戶），為AI開發提供最先進的開發工具和最高性能的硬件平臺。谷歌的平臺完全是關乎開發者的，因為谷歌的用戶與微軟的差別很大。

戰術：讓TensorFlow成為AI硬件和軟件之王。

將AI應用于AI的開發。谷歌聲稱其最近發布的Google Cloud AutoML可以極大地簡化DNN開發過程的復雜任務。

Cloud AutoML不是通過額外的自定義數據（例如微軟提供的）來增強預訓練的API，而是從客戶自己的數據開始，構建一個自定義的深度學習模型。

AutoML帶有非常酷的控制板（dashboard），你可以在開發和調試模型時輕松地查看模型的性能。谷歌甚至將內部的數據標記作為一項服務提供——這是人們認為最終將由AI自動化完成的人工流程。

擴大谷歌在數據中心之外的影響力。谷歌AI的影響力已經擴展到邊緣設備和消費類設備，以及自動駕駛汽車，覆蓋Google Cloud平臺上的所有的AI開發項目。

微軟MLaaS

戰略：利用微軟龐大的企業和政府安裝基礎，以及其廣泛的生產力工具和業務流程工具的組合，成為企業ML技術的默認供應商。

戰術：

提供豐富的機器學習API來處理各種數據類型，因為根據其業務的不同，不同公司或機構的數據類型不同。使用戶能夠將神經網絡的訓練數據擴展到包含自身組織的產品、人員、詞匯等等（微軟是第一個走這條道路的公司，微軟現在已經提供29個API——其中許多API支持定制DNN訓練數據）。

為需要構建自己的深度神經網絡的客戶提供最高性能的機器學習框架，特別是為自然語言處理的客戶。

使用AI增強所有微軟的產品——為Office 365，Dynamics，Windows，以及最終，為每個產品提供智能功能。

亞馬遜AWS MLaaS

戰略：使用AWS的超大規模和豐富的工具集為AI應用程序提供最具成本效益的開發和部署平臺。

戰術：

首先，為亞馬遜的大型在線業務開發的工具和平臺提供為AWS服務。為Alexa和Amazon自己的電子商務開發的工具現在已經提供給開發者，用于輕松構建聊天機器人或語音激活的產品或服務。

提供世界最好的開發工具，如MXNet框架，Lex，Rekognition和SageMaker，以降低開發難度。這些工具都非常具有粘性，確保在開發過程完成后AWS會成為部署的平臺。SageMaker特別有趣，為整個機器學習開發的生命周期提供了一個完全托管的平臺。

為每個開發人員提供最具成本效益的云基礎架構，無論開發人員選擇哪種CPU，GPU或AI 框架。

總結

首先，無論這些AI服務如何好，企業都需要認識到MLaaS的局限性。問題當然在于細節。

如果預訓練好的網絡作為一種服務不能充分地包含你想要識別的面孔，詞匯和對象呢？如果要在自己的基礎架構上運行AI應用程序，將所有有價值的數據都保存在本地，至少看起來是安全的？

在任何一種情況下，MLaaS可能都不是企業理想的入口匝道。微軟和谷歌正試圖解決MLaaS的這些功能限制，但谷歌的方法可以產生更準確的結果——AutoML實際上是讓用戶構建一個自定義的AI模型，而不是簡單地提供一個可定制的預處理層。

順便提一下，我很驚訝地發現AutoML是在NVIDIA GPU上運行的，而不是在Google TPU（也被稱為GTP）。預計這種情況可能很快就會改變。

盡管如此，我相信谷歌在人工智能方面的實力將幫助公司達到并可能超過微軟目前在MLaaS技術方面的領先地位，而微軟在企業軟件市場的實力將幫助其通過其應用程序組合實現在AI上的投入。

把這一切都整合起來，我認為微軟將贏得傳統的企業市場，而谷歌和亞馬遜將繼續爭奪在云計算新的AI應用開發領域的領導地位。Google Cloud平臺將托管在 TensorFlow（和Keras）上開發的應用，而AWS可能會為其他AI開發人員和應用程序托管市場提供服務。

科技巨頭如何破解巨頭壟斷

《經濟學人》近日發表一篇評論稱，谷歌、微軟和Facebook三家巨頭的壟斷地位對消費者和行業競爭本身都不是好事。

曾幾何時，擔任西方一家科技公司的老板是一份令人艷羨的工作。隨著不斷發展，谷歌、微軟和Facebook等科技巨頭被認為機構過大、反對競爭、令人上癮、破壞民主。監管機構對他們罰款，政客聲討他們，曾經的支持者也警告其權力正在造成危害。

這種對于技術的抨擊大部分是被誤導的。“大企業一定是邪惡的”這種推斷是錯誤的。蘋果成為世界上最有價值的上市公司，原因很簡單，因為人們想買蘋果的產品。智能手機和悶悶不樂之間并不是強相關。

但是，大的技術平臺，特別是Facebook，谷歌和亞馬遜，確實引起了對于公平競爭的擔憂。這部分是因為他們經常受益于法律豁免。與出版商不同，Facebook和谷歌很少對用戶在他們的平臺上所做之事負責。

多年來，大部分美國的亞馬遜買家都沒有繳納銷售稅。巨頭不只是在市場上競爭。它們逐漸成為市場本身，為大部分數字經濟提供基礎設施（或“平臺”）。

他們的許多服務似乎都是免費的，但是用戶為平臺提供了數據，這成為了用戶“付錢”的方式。盡管這些巨頭已經很強大了，但據股市估值顯示，預計未來十年投資者的數量將增加一倍甚至三倍。

因此有理由擔心，科技巨頭會利用自己的力量來保護和擴大自己的統治地位，損害消費者。決策者面對著棘手任務：限制這些科技巨頭，但不能過度地扼殺創新。

這些平臺因為受到“網絡效應”的影響而占據主導地位。數量環環相扣：亞馬遜的賣家更多，就能吸引更多的買家，這樣就會吸引更多的賣家，如此循環往復。據估計，亞馬遜占據了美國網上購物總量的40％以上。

Facebook擁有超過20億的月度用戶，掌控著傳媒行業。公司離不開谷歌，谷歌在一些國家處理超過90％的網絡搜索。 Facebook和谷歌控制著美國在線廣告收入的三分之二。

進入科技行業的門檻正在上升。 Facebook不僅擁有世界上最大的個人數據庫，而且還擁有其最大的“社交圖表”：名單以及他們之間的聯系關系。亞馬遜比其他公司有更多的定價信息。

亞馬遜的Alexa和Google Assistant一類的語音助手，將更好地控制人們在互聯網上的體驗。中國的科技企業有能力去競爭，但無法很輕易地接觸到西方消費者。

如果這個趨勢順其自然，消費者就會因為科技行業缺乏活力而吃虧。創業公司將會投入更少的錢，大多數好的創意都將被巨頭收購，而且利潤將被巨頭所蠶食。

已經有一些苗頭了。歐盟委員會指控谷歌使用其移動操作系統Android的控制權來提供自己的應用程序。

Facebook一直在收購那些有朝一日能吸引用戶的公司：Instagram，WhatsApp和最近的tbh，一個讓青少年匿名向別人發送稱贊的應用程序。盡管總體來說，亞馬遜面臨的競爭還在不斷加劇，但從雜貨到電視等行業可以證明，亞馬遜可以發現競爭對手并把他們從市場上擠出。

有兩個補救措施。首先是更好地利用現有的競爭法。 反托拉斯者應該仔細研究兼并，以衡量交易是否有可能抵消潛在的長期威脅。這樣的審查可能阻止了Facebook收購Instagram和Google收購導航軟件Waze。

為了確保平臺不偏袒自己的產品，可以設立監督小組來審議對手的投訴，有點像2001年針對微軟的反托拉斯案的獨立“技術委員會”。

其次，反托拉斯者需要重新思考科技市場是如何運作的。個人數據其實是客戶購買服務的貨幣。通過數據，科技巨頭收到關于用戶的行為，朋友和購買習慣的寶貴信息，以換取他們的產品。

正如美國在19世紀制定了有關知識產權的復雜規則，所以它需要一套新的法律來管理數據的所有權，目的是保障個人權利。

實質上，這意味著讓人們對自己的信息有更多的控制權。如果用戶愿意，關鍵數據應該實時提供給其他公司，因為現在歐洲的銀行需要處理客戶的賬戶信息。

監管機構可能迫使平臺公司向競爭對手提供匿名化的批量數據，以換取費用，有點像對一項專利的強制許可。這樣的數據共享需求可以根據企業的規模進行調整：越大的平臺越需要共享。這些機制將使得巨頭私藏數據并壓制競爭轉為用戶分享和促進創新。