Google是如何挑戰AWS的霸主地位的

大公司經常因為“錯過”未來而受到批評 — 因為處于目前舒適的環境中，他們會認為未來也不過如此罷了。雖然老牌公司一般都處于領先地位，但未來仍然是未來，充滿了未知的可能性。微軟可能就是最好的例子：該公司沒有“錯過移動” — Windows Mobile 于 2000 年出現。但是，它過于忠守其基于許可證的模塊化商業模式，而沒有展望未來的發展趨勢，就好比 Windows 是一個行星，在不斷地圍繞“移動”這個太陽轉。可以說，關于 Windows Mobile 的一切假設都沒有與實際接軌。

人們可以對 Google 和其企業得出同樣的論點，G Suite 和 Google Docs 于十年前推出，并取得了小幅成功，尤其是在小型企業和教育領域。這不奇怪，因為這兩個市場與 Google 的核心消費者用戶群具有廣泛相似的特征 — 有限的可支配資源和價格較低的產品。雖然在大型企業中前進是很困難的，但事實上在過去幾年中，Office 365 趕超 G Suite，不僅增長更快，而且贏得了客戶。

盡管如此，為了微軟與 Office 365 的成功，云計算的真正巨人，也就是企業計算的未來，像往常一樣充滿未知性：同年 Google 決定使用微軟亞馬遜推出的 Amazon Web Services。AWS 能如此引人注目是因為它反映了亞馬遜是運行方式：它為規模和具有清晰定義以及強化的接口而構建的。 客戶，從一開始的亞馬遜內部人員，到后來世界各地的公司，都能訪問“原始性”代碼，并用于混合和匹配，以構建一個更具可擴展性和更安全的后端，它能比任何自己建立系統的公司更有效。

AWS 的原始性

今年早些時候在 The Amazon Tax 我解釋了亞馬遜的 AWS 戰略是如何通過同一個方法，使公司成功名列第一：

該公司由多個相對獨立的團隊組織，每個團隊都有自己的損益，責任和分布式決策。 [The Everything Store 作者 Brad] Stone 解釋了早期的 Bezos 計劃：

他說整個公司會將自身重組為他所說的“兩個披薩團隊”。員工將被組織成少于 10 個人的自治團體（足夠小），當工作到很晚時，團隊成員可以得到兩個比薩餅。這些團隊將獨立擺脫亞馬遜最大的問題…Bezos 正在將一種混沌理論應用于管理，通過將其分解為最基本的部分以認識到他的組織的復雜性，希望可能出現令人驚訝的結果。

Stone 后來寫道，“兩個披薩團隊”不是在任何地方都行得通，但正如他在后續文章中指出的那樣，公司仍然保持著扁平化，責任廣泛分布。 而那些“最基本的部分”，是原始的規模和試驗。記住上面的報告描述了 Bezos 和團隊如何實現 AWS 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么樣的服務，這種猜測會基于過去的模式。 相反，它應該創建原始性 — 計算的構建塊，然后拋棄這種方式。

Steven Sinofsky 喜歡指出組織傾向于發布他們的組織圖，雖然我開始時建議亞馬遜重復 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統一組織）：創建一堆原物，然后又將其拋棄，當做這一切都沒發生一樣。

AWS 的產品無論在進一步的提取（例如 Lambda “無服務器”計算）方面，還是從堆棧到平臺和軟件服務方面，都遠遠超出了（虛擬化）處理器，硬盤驅動器和數據庫等的基礎架構，但其成功的基礎仍然是亞馬遜的純平臺方法：它們為企業提供了幾乎任何他們想要的東西。

Google 屬于產品公司

與此同時，谷歌從未成為一家真正的平臺公司。它和蘋果走的也是不同的路線，前者專注于服務，而后者專注于產品，當然，需要前提是硬件算得上產品，這個說法才成立。“產品”還有一個更廣泛的定義——一個提供給終端用戶的完全解決方案，從這一點來看，谷歌與蘋果公司的性質還是十分接近的。

平臺公司與產品公司的差別非常大，就像云服務與硬件之間的差異一樣（我在 Apple’s Organizational Crossroads 中進行過探討）。要創造一款理想的產品，無論它是智能手機還是搜索框，為了給用戶帶來良好的體驗，都需要在設計和工程上下足功夫。但這些努力是終端用戶是看不到的。而集成產品恰恰與之相反，這也是為什么谷歌以消費者為中心的服務集成在后端的原因，這點和 iPhone 一樣。

“與集成多個部件來交付產品不同，AWS 選擇將構建后端服務的所有部件分解成完全模塊化”，不過，這種經營模式不僅是亞馬遜在用，作為 IT 時代卓越平臺公司的 Microsoft 在 Win32 API 的做法也是這樣。雖然 Windows 這么設計帶來的最終用戶體驗比不上 Mac OS，但它性能更強，并且可擴展。而 AWS 的靈活性和模塊化也成為了它打破 2008 年 Google 最初云產品（Google App Engine）的主要因素。另外，AWS 有一個明顯的優點就是可以讓您隨心所欲構建自己所需要的，而使用 App Engine 則需要接受 Google 的一些規則。

Google 的反平臺策略

當涉及到 Google 的轉變方式時，Windows 提供的示例還是具有指導意義的，即圍繞廣泛 API 構建大規模生態系統。Windows 很強勢的地方就是，為 Windows 構建的應用程序不容易被移植到其他操作系統。而且，Windows 與合作伙伴之間還存在著龐大商業網絡，它使 Windows 成為企業必備的工具。因此，現在的亞馬遜也在朝著這個方向努力。

對于消費者和企業級用戶而言，不使用 Windows，如今也是可行的，而之所以如此的原因在于 web 技術：現在有了一個新的運行時，我們可以將它放在 Windows 上面運行，但它并不依賴于 Windows 系統，而這樣的運行時讓 Google 成了消費者陣營中的最大贏家。實際上，瀏覽器的興起也對 AWS 進行了詮釋：任何新的業務應用程序都是為網絡（包括基于網絡的 API 運行的應用程序）構建的，并且可以在任何設備上訪問。

事實證明，在過去幾年中，Google 已經采用了一種瀏覽器方法來實現企業計算。 在 2014 年，谷歌發布 Kubernetes，一個基于谷歌的內部 Borg 服務的開源容器集群管理器，其摘錄 Google 的大規模基礎設施，使所有 Google 的服務都可以即時訪問他們所需的所有計算能力，而不必擔心細節。它的重點是容器，我曾在 2014 年寫道：工程師建立一個標準的接口，只需保留其完全的靈活性，而不需要知道底層硬件和操作系統的相關內容。

Kubernetes 與 Borg 的不同之處在于它的完全可移植性：它可運行在 AWS 和 Azure 上，也能運行在 Google Cloud Platform 和內部部署的基礎設施上，甚至可以在家里運行。與本文更相關的是，它是開局十年來 AWS 在基礎設施即服務方面的完美矯正：雖然谷歌在自己的基礎設施產品方面取得了巨大的進步，但 kubernetes 的特殊性和基于容器開發的廣泛適用性，使你不管用哪個基礎設施提供商，都不影響 AWS 的使用。難怪它是增長速度最快的項目之一：因為沒有鎖定。

但如何能幫助 Google 呢？畢竟，即使 Kubernetes 成為企業云的標準，亞馬遜的廣泛生態系統鎖定仍然存在（公司有自己的容器戰略，進一步鎖定客戶進入 AWS）; 如此看來。 Google 必須采取不一樣的措施。

成本與經驗

這里桌面也起了指向作用：在平臺無關的瀏覽器上運行的網絡，其開放性并沒有促使 Google 成功。相反，網絡的開放為最佳技術創造了獲勝條件。Google 的優勢不僅是因為具備最好的搜索引擎，還因為它的依賴連接使得網絡越做越大，這一點谷歌做的比競爭對手好。

我認為這是一個可以廣泛試用的想法。事實上，它是聚合理論的核心部分：隨著分配（或交換）成本的降低，用戶體驗的重要性增加。換句話說，當你可以對所有服務進行訪問的時候，不管是新聞、汽車共享，還是視頻或搜索，最好的取勝方法不是贏在最初的優勢，還是贏在之后的優勢復合。

Google 在提到企業云時打賭說：Kubernetes 的開源表明著谷歌試圖有效地在云基礎架構上構建瀏覽器，從而降低交換成本。該公司與 Google Search 性質相當的將是機器學習。

機器學習與數據

幾乎可以肯定的是，機器學習將越來越傾向于云服務：這兩者都在于處理大數據。然而只有少數巨頭有財政能力來建立所需的基礎設施和聘請最好的機器學習的世界工程師。這意味著大多數企業從機器學習將首先從他們的數據是否在云上產生分化（會有內部部署的解決方案，但我希望他們掉越來越多的過去時間），其次是他們所選擇的云服務供應商。

這提高了云計算供應商自身的風險；優秀的機器學習產品是可持續的：更好的產品吸引到更多的客戶，從而獲取更多的數據，而數據是機器學習的原材料。也正因為數據，谷歌才成為 AWS 的最大威脅。

谷歌的最大優勢是它在近二十年來收集到的大量數據，以及在過去的幾年里開發了強大的機器學習算法。所有問題的關鍵都在于數據，去年谷歌開源的 tensorflow 就是最好的例子：正如我在 TensorFlow 和貨幣化的知識產權 所說的，谷歌愿意分享其方法，就是含蓄地承認了其優越的數據處理基礎設施是一個可持續的優勢。

我們已經可以看到應用到谷歌云產品的優勢了，感恩節前谷歌發布的一系列產品，就可以清楚地看到其利用了自身的數據優勢：

• Cloud Natural Language API 使用機器學習來逐字分析，從而獲得通用可行性
• 升級版的 Cloud Translation API 使用機器學習大規模提高翻譯八種語言的精度（超過支持超過 100 種語言的標準版）
• Cloud Vision API 使用機器學習來分析圖像后價格大大降低
• 新的 Cloud Jobs API 使用機器學習來匹配員工與工作

前三個 API 顯然起源于多樣化的谷歌消費產品，Jobs API 四核和谷歌網頁財產統計的數據一樣，基于谷歌內部工具創建。這些谷歌都花了幾年時間來磨練它的算法，使其被應用到一個企業數據集的結果很有可能優于或至少遠低于培訓漏斗。我希望這一優勢能夠堅持下去，并產生更多的意義。

不過，谷歌不得不做更多的事，頂級 AI 專家李飛飛、李嘉帶領的機器學習團隊將會發布構建和訓練智能應用定制模型的云端機器學習框架 Google Cloud Machine Learning：這個團隊將負責建立一個新的機器學習商業 API，換句話說，他們的任務是讓谷歌的機器學習轉向產品化。

這是被第一次云計算浪潮中成為中國最好的平臺——亞馬遜打敗的谷歌公司的迂回策略，它試圖通過開源項目 Kubernetes 來把競爭目標轉移到產品。畢竟，改變競爭規則比改變作為一家公司的基本性質更為容易。

當然谷歌的成功岌岌可危：公司要處理一個新的商業模式——銷售和廣告，以及建立必要的銷售和企業支持組織。這兩個領域亞馬遜均已處于領先地位，它有很多的合作伙伴和很大的一般性功能集。

當然，AWS、IBM 和微軟都擁有自己的機器學習 API。微軟可能在這方面尤為強大：不僅對此有多年的研究，還有具體的商業產品化技術的經驗；而谷歌長期關注消費者可能成為它的障礙，而同樣受歡迎的 Kubernetes，可以說是谷歌還沒吃自己的狗食。

不管怎么說，谷歌將是一個強大的競爭對手：因為它有完整的戰略，并且，現如今找到一個新業務線遠比 2006 年更為緊迫。而最重要的是，它才剛剛開始轉移到云計算，而亞馬遜似乎已經發展到了遙遠未來，未來尚未可知，它將看著谷歌試圖改變規則，那一定很有意思。

來自: 開源中國社區