編者按：亞馬遜的雲計算 AWS 已經在行業內處於領先地位，成為亞馬遜的重要盈利點之一，著名科技評論 Ben Thompson 在本文講述了Google在雲服務方面的戰略，是如何和亞馬遜 AWS 競爭的。
大公司經常因“錯過”未來而受到批評 ：他們處於一個目前舒適的棲息地，説未來已經過去。雖然未來仍然是未來,但現在往往是最重要的。最好的例子可能是微軟：該公司沒有“錯過移動” （Windows Mobile於2000年出現）。但是，卻毀於它忠於其基於許可的模塊化商業模式以及無法展望世界趨勢，在這個世界裏，其核心產品Windows作為行星圍繞“移動”這個太陽轉動。關於Windows Mobile設計的一切假設都與現實恰恰相反。
人們可以對Google和這個企業提出同樣的評論; G Suite（全稱Google Apps for Your Domain）和Google Docs於十年前推出，並取得了小幅成功，尤其是在小型企業和教育領域。毫不奇怪，兩個市場與Google的核心消費者用户羣具有廣泛相似的特徵：有限的配置和較低的價格。然而，在大型企業中，轉變更難以實現，而且事實上在過去幾年中，Office 365比G Suite出色不少，不僅增長速度快，而且贏得了客户。
儘管如此，為了微軟與Office 365的成功，真正的雲計算巨人，同時也是企業計算的未來， 像往常一樣在公司裏是始料未及的。同年Google 決定使用微軟亞馬遜推出的Amazon Web Services。使AWS如此引人注目的是它反映亞馬遜本身的運作方式：為規模化和具有清晰定義和強化的接口而構建的。一開始從亞馬遜內部，到後來世界各地的公司都可以訪問源代碼，使得這個源代碼可以混合和匹配，以構建一個更有效、可擴展和安全的後端，這個後端幾乎比任何公司建立自己的系統都有優勢。
AWS的源代碼
今年早些時候，在“The Amazon Tax”這篇文章裏，我已經解釋了亞馬遜的AWS戰略是如何使公司從一開始就成功了：
該公司由多個相對獨立的團隊管理，每個團隊都有自己的損益、責任和分佈式決策。 The Everything Store的作者Brad Stone解釋了早期的Bezos創始：
他説，整個公司可以將自己重組，這就是所謂的“兩個比薩餅團隊”。員工將組織成少於十個人的自治團體。這樣的團隊很小，所以當工作到很晚時，兩個比薩能讓所有的組員吃飽。 這些團隊可以獨立解決亞馬遜最大的問題。 Bezos正在用一種混亂理論來管理團隊，並且承認他期待把複雜的組織分解成最基本的部分，之後再進行合併，希望會有令人驚喜的結果出現。
Stone後來寫道，兩個比薩餅團隊不是在任何地方都行得通。但正如他在後續文章中指出的那樣，公司仍然保持着扁平化，責任廣泛分佈。並且在那些“最基本的部分”，那些源代碼使得他們進行測量和實驗。請記住上面的引用描述了Bezos和他的團隊是如何達成AWS的想法的：
如果亞馬遜想刺激開發商的創造力，它不應該試圖猜測他們可能想要什麼樣的服務。這種猜測基於過去的模式。 相反，它應該創新，構建計算模塊，然後走自己的路。
Steven Sinofsky喜歡指出組織傾向於傳遞他們的組織結構。雖然我一開始提出亞馬遜重複AWS模型，但事實證明，AWS模型在許多方面是亞馬遜本身的代表（就像iPhone 在許多方面反映了蘋果的整體組織）：創建一堆原語，躲避開來，成功的瞞天過海。
AWS的產品無論在進一步的提取（例如Lambda 的”無需管理服務器”），還是從堆棧到平台和軟件服務方面，都遠遠超出了基礎設施，例如（虛擬化）處理器、硬盤驅動器和數據庫等基礎架構，但是它成功的基礎仍然是亞馬遜這個純平台的方法：它們為企業提供了幾乎所有想要東西。
Google是個產品公司
與此同時，Google從未真正成為一個平台公司。事實上，雖然Google經常被當做是蘋果的相反面（後者被稱為產品公司，前者是服務公司），但是隻有當你假設只有硬件才算是產品時，這個觀點才有意義。 “產品”的一個更廣泛的定義是：一個可以向終端用户提供完美解決方案的東西 。這個定義顯示出這兩家公司事實上非常相似。
不要誤解：雲服務和硬件之間的區別是非常深遠的（我在Apple’s Organizational Crossroads這篇文章中提到），但是作為一個產品公司和作為一個平台之間的區別也是如此。無論是智能手機還是搜索框，這些簡單理想的產品以及良好的用户體驗，都需要在設計和工程方面的巨大努力。理論上來説，這些努力終端用户從來看不到。 事實上，這就是為什麼集成產品在消費者市場中獲勝，並且毫無疑問。Google以消費者為中心的服務傳統更注重集成後端體驗，這點與iphone一樣。
不過請注意，這不僅是亞馬遜，也是IT時代卓越的平台公司微軟所採用的完全對立的模式：不是集成多個部分來交付產品，相反，AWS分解了所有部分，並將後端服務構建為完全模塊化的部件； 微軟的Win32 API也是同樣的設計。是的，這意味着Windows是一個最終用户體驗比Mac OS更糟糕的平台，但是它更強大並且可擴展。這個方法使得它有數以百萬計的業務應用程序，甚至在今天Windows仍然保持在業務的中心。 AWS在後端服務中做了同樣的事情，並且AWS的靈活性和模塊化是它打敗Google 2008年推出的最初的雲產品Google App Engine的主要原因。使用Google App Engine需要同意大量Google條款，而AWS讓您構建您所需的。
Google平台的解藥
Windows示例在思考Google如何改變其方法時是有指導意義的：圍繞Microsoft擴展API構建的龐大的生態系統以最終的鎖定為結局。 最明顯的是，為Windows構建的應用程序不容易移植到其他操作系統上，但同樣重要的是合作伙伴和增值經銷商的巨大網絡，使Windows成為企業唯一可行的選擇。 亞馬遜正在努力建設完全相同的生態系統。
然而，不使用Windows，不管是消費者還是企業，也是可行的。原因在於網絡：這是一個新的時代，優於Windows，但並不依賴於它，而在消費者一方Google是最大的贏家。 實際上，瀏覽器的興起也解釋了AWS的運作：任何新的業務應用程序都是為網絡構建的，（包括那些基於網絡運行的API的應用程序）並且可以在任何設備上訪問。
事實證明，在過去幾年中，Google已經採用了一種瀏覽器方法來實現企業計算。 在2014年，Google公開了Kubernetes框架，一個基於Google的內部Borg服務的開源容器集羣管理器。管理器包含Google的大規模基礎設施，使得任何Google服務可以即時訪問他們需要的所有計算，而不用擔心細節。中心規則是包容，我在2014年寫道：工程師建立一個標準的界面，保留了幾乎完全的靈活性，而不需要知道底層硬件或操作系統的任何東西（這是一個超越虛擬機的革命性進展）。
Kubernetes與Borg不同之處在於它完全可移植：它可以在AWS上運行，在Azure上運行，在Google Cloud Platform上運行，可以在內部部署的基礎設施上運行，甚至可以在自己的家裏運行。 與這篇文章更相關的是，它是開局十年來AWS在基礎設施即服務方面的完美矯正：雖然Google在自己的基礎設施產品方面取得了不可小覷的進步，但Kubernetes基於包容的特殊潛在影響，使你不管用哪個基礎設施提供商，都不會影響AWS的使用。 難怪它是增長最快的開放源碼項目之一：因為沒有鎖定。
但是，這如何幫助Google？ 畢竟，即使Kubernetes成為企業雲的標準，亞馬遜的更廣泛的生態系統鎖定仍然存在（公司有自己的包容戰略，那需要進一步鎖定客户進入AWS）; Google需要變得不同。
成本與經驗
這裏桌面是有指導意義的：基於開放性的網絡，可以在任何平台上的瀏覽器上使用。可是這個開放性並沒有使Google成功; 相反，開放的網絡為最好的技術獲勝創造了條件。 這不僅是因為Google擁有最好的搜索引擎，重要的是它依賴鏈接而並非簡單的網頁內容。這些意味着隨着網絡越來越大，與它的競爭對手不同，Google卻會越來越好。
我認為這是一個可以廣泛適用的想法。事實上，它是Aggregation Theory的核心部分：隨着分配或交換成本的降低，用户體驗的重要性增加。 換句話説，當你可以訪問任何服務，無論是新聞還是汽車共享或酒店，還是視頻或者搜索等等，最好的一個不僅可以贏得最初的勝利，而且可以看到其複合優勢。
這是Google對企業雲的賭注：開源Kubernetes是Google試圖在雲基礎設施之上有效地構建瀏覽器，從而降低交換成本的創造; 該公司與Google Search相同的服務將是機器學習。
機器學習和數據
可以肯定的是，機器學習將越來越多地被雲服務所主導：它們都涉及處理規模和大量數據，並且只有一小部分巨頭將具有經濟能力來建立所需的基礎設施和僱用世界上最好的機器學習工程師。乃至於對於大多數企業來説，機器學習所產生的差異，首先取決於他們的數據是否在雲端（這將有內部部署的解決方案，但我預計它們會隨着時間的推移越來越落後 ），其次才是從它們選擇的雲提供商。
這提高了雲提供商自身的風險; 優秀的機器學習產品不僅可以是提供差異化，而且是可持續的：更優的產品將吸引更多的客户，從而獲得更多的數據，而數據是機器學習改進的動力。 因為這些數據使得Google是AWS在雲中的最大威脅。
我之前描述了Google的企業業務受到其消費者焦點的限制，但Google的巨大優勢是，它已經使用大量的數據將近二十年，並在過去幾年開發功能強大的機器學習算法。儘管如此，數據是最重要的。最好的證據如下：去年，當Google講解機器學習的藍圖TensorFlow開源時：正如我在TensorFlow and Monetizing Intellectual Property這一篇中講述，Google願意分享其方法是在變相承認，其優越的數據和處理基礎設施是一個可持續的優勢。
我們剛剛開始看到這種優勢適用於Google的雲產品。 就在感恩節之前，Google利用其數據優勢做了一系列產品公告：
- 雲自然語言API，它使用機器學習來分析文本，延伸到一般可用性
- 高級版的Cloud Translation API，它使用機器學習大幅提高翻譯八種語言的準確性（超越並且延伸到了支持超過100種語言的標準版本）
- Cloud Vision API的大幅降價，它使用機器學習來分析圖像
- 新的Cloud Jobs API，它使用機器學習來匹配潛在員工與工作職位
這四個加入了使用機器學習能力的Cloud Prediction API 來做預測。 它以及上面的前三個API明確來自各種Google消費產品; Jobs API可能建立在內部Google工具以及Google的大量數據的網絡上。 在每種情況下，Google都花了幾年時間來磨鍊其算法，以便將它們應用於企業數據集時，結果可能更優，或者至少遠遠低於培訓漏斗。 我期望這個優勢可以持續下去並且變得更有意義。
儘管如此，Google必須付出更多，這就是為什麼另一個重要聲明是由李菲菲和Jia Li領導的Google雲端機器學習小組成立：這個小組將負責開發專門的商業機器學習API ; 換句話説，他們的任務是研發Google的機器學習功能。
這一點用迂迴的方式獲得了Google的戰略精髓：亞馬遜依賴於最好的平台在第一波雲計算的戰鬥中戰勝了Google; 通過開源Kubernetes試圖將該行業轉移到供應商不可知的容器，Google正在試圖將競爭平面轉向產品。 畢竟，改變競爭規則通常比改變公司的性質更容易。
可以肯定的是，Google能否成功還沒有定論：公司仍然必須應對新的業務模式：銷售與廣告，並且建立銷售以及企業支持所需的組織。 兩者都是亞馬遜的領先領域，並且亞馬遜擁有一個龐大的合作伙伴生態系統和一個更大的功能集。
當然，AWS還有自己的機器學習API，以及IBM和微軟。 微軟很可能在這方面有強大優勢：公司不僅從事多年研究，也有經驗的針對商業的生產技術。Google長期以來以消費者為焦點有時可能是一個障礙，而且像Kubernetes一樣廣受歡迎的觀點是：Google還沒有分到自己的那一杯羹。
不過，Google將是一個強大的競爭對手：其戰略是健全的，而且更重要的是，找到一個新的業務線的緊迫性在今天來看比2006年更緊迫。最重要的是，向雲計算的轉變仍然在處於初始階段。雖然亞馬遜似乎生活在最遠的未來，但是未來還沒有發生。看到Google試圖改變未來將要運行的規則將是非常有趣的。
翻譯來自：蟲洞翻翻 譯者ID：王煒
資料來源：36Kr
請按此登錄後留言。未成為會員? 立即註冊