IoT圈的东邪西毒,阿里专造“导弹”;亚马逊只活“一天”

移动互联 2017-07-03

------ 【导读】 ------

亚马逊自2006年推出AWS后,实现了从零到占集团营业利润3/4的大发展,顺利甩掉了“电商”公司的帽子。阿里尚在挣扎摆脱外界对其“电商”的定义。 如此大角度的转型与革新,东邪与西毒的底气都是来自对未来I2oT的赌注。

这是我在物联网智库 |物女心经专栏| 写的第030篇文章。

话说《射雕》一开篇,第一次华山论剑就已经结束好几年了,中土武林各个“生态圈”的座次也已经排定:简单说,就是东邪西毒南帝北丐,四大势力鼎足而立,中神通王重阳带领全真教成为唯一的“超级大国”。

无独有偶,细观IoT圈,虽说群雄逐鹿风起云涌,势力格局变化多端,但是“东邪西毒南帝北丐”却已初现端倪。这次咱们就来说说其中两位,东邪和西毒。

IoT圈的东邪西毒非同一般,论实力都堪称独霸一方,细究他们之间的关系,还会发现极为“暧昧”的惺惺相惜,不仅战略思维高度一致,而且武功招法也形意神似,都是修炼AI+IoT的个中高手。

这里还是得叮嘱一句,我的文章一向极为烧脑,请读者们自觉上调大脑带宽。

接下来,在正式揭开东邪西毒的面纱之前,我们先来一起复习复习IoT圈的各种“暗号”。

1. 物联网,Internet of Things,简称:IoT;

2. 工业物联网,Industrial Internet of Things,简称:IIoT;

3. 人工智能+物联网,AI+IoT,起个简称:I2oT(Intelligent Internet of Things);

4. 人工智能+工业物联网,AI+IIoT,起个简称:IAI(Industrial Artificial Intelligence);

还望各位修成正果之后使用暗号与本人接头。

铺垫工作终于结束,轮到东邪西毒正式登场,他们就是, 阿里巴巴和亚马逊。

西毒亚马逊,永葆“Day 1”心态

按照规矩,还是先从远的开始,来说说西毒。

1997年,亚马逊发表了著名的“Day 1”致股东信,创始人贝佐斯说,Day 1心态的公司,是正要开始发挥潜力的公司;Day 2心态的公司则是停滞的公司,它们在市场上会越来越不重要,然后逐渐衰败灭亡。所以,公司必须永远保持在Day 1的状态。

果不其然,在过去的20年间,亚马逊一直保持在Day 1状态。20年后的2017年,贝佐斯再次在股东信里强调:“Day 2公司将停滞不前,接着将变得无关紧要,然后将经历痛苦的衰退,直至最终死亡。这就是为何我们总是要做Day 1公司的原因。”

在之前的文章 《边缘计算+IoT云平台,物联网既要能上天,还要接地气!》 中,我已经分析过亚马逊的IoT策略。本文作为进阶攻略,必须点明,亚马逊的所作所为其实已经超出了“边缘计算+IoT云平台”的范畴,进入了I2oT阶段,也即开始了称霸西毒之路。

为了永葆Day 1心态,亚马逊一直以身作则的快速拥抱新趋势。在2016年11月底举办的亚马逊re:invent大会上,AWS正式推出了自己的AI产品线和IoT边缘计算方案。以此为标志,亚马逊正式展开了I2oT的全线布局。

在亚马逊的架构中,I2oT从AWS基础设施层以上,还包含AI框架、AI平台和AI服务3个主要层次:

  • AI服务: 在最高层,AWS提供了一系列预训练、预调且高度可扩展的托管AI服务组合,包括用于图像和面孔分析的Amazon Rekognition、用于文本转语音的Amazon Polly以及用于构建带自动语音识别和自然语音理解NLU功能的对话式聊天机器人Amazon Lex。

  • AI平台: 借助Amazon Machine Learning,开发者可以使用自己的数据训练自定义机器学习模型,而无需任何高深的机器学习技能或专业知识。另外,Amazon EMR上的Apache Spark包括适用于可扩展机器学习算法的MLlib。

  • AI框架: 最后,亚马逊支持所有主要AI框架,便于想要构建复杂的前沿智能系统的研究人员和数据科学家使用。Apache MXNet、TensorFlow、Caffe、Theano、Torch、Keras、CNTK 等框架提供灵活的编程模型,可以进行大规模的自定义模型训练。

  • AI基础设施: Amazon EC2 P2提供功能强大的英伟达GPU,大大缩短了完成这些计算所需的时间。此外,借助AWS Lambda,可以简化无服务器机器学习预测操作,借助AWS Greengrass,可以在AWS云和本地设备之间无缝运行I2oT应用程序。

在这里你也许发现了,我把AWS基础设施层单独拎出来说, 因为这层是I2oT能够“接地气”的做到既有名又有实的关键。 毕竟I2oT的战略布局如想跑通,手握IoT中各种“物物”的数据是前提。基础设施层中, 可圈可点的是亚马逊最近正式发布的边缘计算服务Greengrass,这是一种允许用户以安全方式为互联设备执行本地计算、消息收发和数据缓存的方案。 即使在无法连接到云平台的状态下,Greengrass设备仍然可以通过本地网络,进行数据的通信与处理,等待与云平台的连接恢复之后,再把数据上传并同步到云端。

读懂了亚马逊的I2oT架构之后,当你再来回顾亚马逊的一系列最新动作时,就会感觉豁然开朗。

就在过去的这几周,亚马逊大力推进边缘计算、部署无人超市Amazon Go、收购全食超市、申请无人机巨型蜂巢专利…背后的目的只有一个,争夺I2oT数据。

此前有不少分析文章认为,亚马逊并购全食超市,是看中了全食位于美国全境各个城市人口聚居区的460家门店,将其转化为亚马逊的“迷你分拣中心”,牢牢占据“最后一公里”配送上的领先优势。这只是表象。

这桩并购案给亚马逊带来的真正价值,在于全食超市积累的大量顾客数据。数据作为打通新零售的任督二脉,为亚马逊I2oT战略积累了实体的实践场景。

如果把全食超市的交易数据、无人机巨型蜂巢和亚马逊的I2oT能力相结合,通过以智能音箱Echo为代表各种智能家居产品,内置的Amazon Lex对话式聊天机器人,让亚马逊完全可以“预知”顾客的需求,并自动将相应的食材送货上门,提供个性化的“自动买菜”体验。

通过“包圆”3亿美国顾客的数据宝藏,亚马逊比你更清楚你家冰箱里装着什么,在你刚想起该添置油盐酱醋的时候,亚马逊无人机承运的各种包裹就已经摆在你家门口了。

贝佐斯说,能抓住大的趋势,就能乘风而起。亚马逊已经成为了全球最大的科技公司之一,现在她正在将I2oT向全世界渗透与蔓延。

东邪阿里巴巴,潜心研究“导弹”

东邪与西毒遥相呼应。今年3月,马云在阿里巴巴技术峰会上,首次重磅推出了阿里“NASA”计划,聚焦机器学习、芯片、IoT、操作系统和生物识别,这5大技术领域,一再撇清“电商”标签,转型为“技术”公司。马云说:“以前我们的技术是跟着业务走,是兵工厂模式,但手榴弹造得再好,也造不出导弹来。我们必须思考建立导弹的机制,成立新技术研发体系,聚焦到几个核心领域的研究”。

作为阿里巴巴的“大嘴巴”创始人,马云最近又发表了雷人言论:“我们在公司从不讨论AI,我讨厌人们讨论AI。未来最重要的事情,是物联网IoT。”阿里巴巴CTO张建锋也说:“现在阿里巴巴集团只谈云和IoT”。

只有看清了阿里巴巴的组织布局,才能知道I2oT东邪到底想怎么搞。

阿里巴巴的组织架构每半年例行调整一次,整个架构比较复杂,划分为几个大的事业群,其中与I2oT直接相关的事业群是阿里云。今年3月,阿里云事业群之下成立了IoT事业部,整合了以前的智能生活事业部以及其他部门的物联网业务,专注于解决物联网业界相关问题,包括智能家居、智慧城市、智能工业等领域。

在I2oT领域,阿里巴巴早有布局,而其在纽约的上市活动可以说是重要的分水岭。2014年9月,上市之后阿里巴巴紧接着就在硅谷宣布成立一个新的部门:iDST(数据科学与技术研究院institute of Data Science & Technologies)。

iDST有两位创始人,其一,漆远,1995年时开始做人工智能与机器学习,2008年开始研究GPU芯片,做机器学习加速。其二,金榕,美国密歇根州立大学终身教授,曾获得过美国国家科学基金会奖,有超过200位诺贝尔奖得主都获得过这个奖金的资助。

但是到了2015年7月,由于种种原因,iDST的人马分成了3个部分:漆远和几位同事加入蚂蚁金服;金榕和他的团队加入了淘宝和天猫的搜索部门;漆远做语音的团队留在了阿里云。iDST这个名称仍然保留,只是从直属集团,变成阿里云下的一个部门。

今年6月,原亚马逊资深主任科学家任小枫正式确认加入阿里巴巴,担任人工智能核心团队iDST的副院长和首席科学家,而院长由重回iDST的金榕担任。任小枫他对图像分类,物体识别、跟踪、检测,事件检测均有全面且深入的理解,并将继续留在西雅图工作,招募组建世界一流的计算机视觉团队。

任小枫的加入,无疑是瞄准了亚马逊用于图像和面孔分析的Amazon Rekognition。

目前,阿里巴巴的人脸支付技术曾经入选了《MIT科技评论》2017十大突破技术榜单。之前在2015年3月德国汉诺威博览会现场,马云使用支付宝的“刷脸支付”震撼全场,但当时给支付宝提供此项技术的并非是阿里自身的研发团队,而是旷视科技。短短两年,阿里巴巴的“人脸支付”技术位列榜单,其技术积累和崛起速度实为惊人。与之对应,阿里云已经有5款应用在数据市场上公测,包括:人脸关键点提取、人脸年龄识别、人脸特征提取和人脸性别识别。

另一方面,与阿里云iDST部门相互独立的阿里人工智能实验室,也在积极推进相关AI服务。这个实验室研究的领域包括深度学习、NLP、搜索/推荐算法、知识表示及推理问答系统等。首席科学家是王刚,今年3月加入,他此前在新加坡南洋理工担任副教授。

就在前两天,阿里人工智能实验室的发布会邀请函遭到曝光。邀请函显示,阿里人工智能实验室将于7月5日召开2017夏季新品发布会,业内纷纷揣测,这次Ali A.I.Labs将为消费者带来一款消费级智能音箱产品。 产品事小,战略事大。因此我认为,比智能音箱影响更为深远的是,其背后与亚马逊Amazon Lex对标的对话式聊天机器人。

除了AI服务层之外,阿里在AI平台层和AI框架层也已早有储备。

大名鼎鼎的“飞天”操作系统诞生于2009年2月份,是整个阿里云的核心技术部分,也是阿里云产品服务的基石。今年飞天完成了新的进化,巧妙的把AI植入其中,让计算和数据的能力变成人工智能的新推手,并输出给全社会。

可视化机器学习平台DT PAI在今年3月,也升级到了2.0版本,它将人工智能和机器学习服务作为一种普惠的科技和计算能力,提供给用户。开发者可通过简单拖拽的方式即可完成对海量数据的分析挖掘,以及对用户行为、行业走势等的预测。

除了水平形态的AI服务,AI平台和AI框架各层之外,阿里还在垂直领域进入各个行业深耕,阿里ET就是典型代表。ET是整个阿里云技术的前端体现,包括语音识别、语音合成、自然语言理解、实时图像识别、机器学习,以及阿里云“飞天”操作系统的强大计算能力。

截止今年6月,阿里云相继上线了ET城市大脑、ET工业大脑、ET医疗大脑,以及ET环境大脑。ET城市大脑解决了杭州的交通拥堵问题,交警到达现场的时间从15分钟降到3分钟;ET医疗大脑帮助浙江大学附属医院,预防及早期发现甲状腺结节与肺癌,医疗准确性大幅提升;ET工业大脑让光伏生产商协鑫的良品率提升了1%,一年节省成本上亿。

将来阿里云会面向更多行业推出相应的ET大脑,各个ET大脑的问世,表面上看是阿里云业务发展的细分行为,本质上则是各类企业升级转型的强需求,倒逼阿里I2oT不得不加速落地的步伐。

同样,阿里巴巴的I2oT基础设施层也需要着重强调。结合现有业务来看,阿里不太可能重新造轮子,自己去做芯片和硬件。

2016年底,阿里巴巴投资了软件定义网络SDN芯片公司Barefoot Networks,其开发了世界上第一个SDN芯片,名为Tofino,比现在市场上任何其他芯片都快,能以6.5Tb/s的速度处理网络数据包。

至于人工智能专用芯片,东邪的打法是结合阿里云已有优势,给开发者和企业提供底层的芯片架构和计算能力。2017年1月,阿里云发布异构计算解决方案:弹性GPU实例和FPGA解决方案。GPU解决方案擅长AI领域的模型训练,实现高速计算能力,FPGA解决方案适合AI领域的在线的预测/分类,实现高吞吐和低延迟。

在边缘计算领域,阿里选择与合作伙伴联手布局。2014年7月上海庆科联袂阿里云推出全球首款物联网操作系统MiCO,同时发布了一系列基于MiCO系统的物联网开发套件MiCOKit,进一步降低物联网开发门槛。

对于数据宝藏,阿里自然也是极为看重。前段时间更是为了争夺数据,不惜与顺丰“撕破脸”,上演了一出“数据封杀门”。另一方面,在亚马逊收购全食超市之前,阿里也已开始了对实体店的收购,东邪对人们线上线下购物习惯进行数据收集,优化店铺设计和库存管理。

对标Amazon Go的“无人零售计划”已经进入了现场搭建阶段。这一计划在阿里实验室中筹划N久,首先搭建的是无人咖啡馆“淘咖啡”,7月初将在淘宝造物节上面世。“淘咖啡”将是一个占地200平米的线下实体店,集商品购物、餐饮于一身,可容纳用户50人以上。

可以说,IoT圈的东邪西毒有着很多相似之处,同是电商起家,同是云计算的领头羊。亚马逊自2006年推出AWS后,实现了从零到占集团营业利润3/4的大发展,顺利甩掉了“电商”公司的帽子。阿里尚在挣扎摆脱外界对其“电商”的定义。 如此大角度的转型与革新, 东邪与西毒的底气都是来自对未来I2oT的赌注。

I2oT,要AI和IoT在一起才最好

最后,不得不来解读一下东邪西毒共同看中的武功秘籍“I2oT”。AI与IoT可谓相濡以沫、相辅相成:如果没有AI,IoT不会很智慧,如果没有IoT,AI不会很强大。

AI之于IoT,感知者和引导者

估计你也被AI的各类文章淹没了吧,的确,AI绝对是技术行业的热门话题。根据CB Insights的数据,2016年有超过550家AI初创公司共募集资金超过50亿美元。各个国家各个公司对于人工智能的投资和布局如火如荼。在人工智能获得非凡进步的同时,物联网IoT获得了更大的发展。当物联网中融入了AI,不仅可以让设备听懂声音、看懂图像,还能另其自主学习。

麦克风和摄像头,正在成为IoT的终极传感器。 由于视频和音频采集的相关元器件成本正在下降,传感器现在可以用更低成本的嵌入式设备,采集多样化的数据。5G网络的推进以及云端存储成本的降低,都在激发视频和音频数据的激增。

物联网视频和音频信号源的重要性也在逐步提升。比如在Amazon Go的超市中,数据分析师可以通过拍摄到的购物者在浏览商品时的视频,利用算法分析人流量。

AI还有助于减少IoT中应用的传感器数量。未来物联网中数以兆计的各式传感器,有机会透过使用少量的通用传感器来实现。 在物联网的发展过程中,原本人们预期在生活周遭将充斥着大量传感器,如今随着AI及机器学习等技术的进步,情况可能将有所改变。 有证据显示,基于通用超级传感器,利用AI建构出虚拟传感器,以取代部分实体传感器,不但感测能力更强大,还能降低实体传感器的数量。

卡内基梅隆大学近期揭露了一项合成传感器技术,研究团队打造出一个感测装置,上面搭载了智能家电中常见的传感器,可侦测声音、光线、温度、电磁活动等,不过基于隐私考虑,暂时未将相机镜头纳入。这个装置只要插入墙上的电源插座或USB插槽便可使用,并能透过Wi-Fi进行连结,部署起来可说相当容易。一旦感测装置侦测到附近的活动时,便会激发独特的识别模式,通过机器学习算法进行处理,以便在软件中创建合成传感器。

除此以外,AI能“引导”设备让其自主学习,还可以促进设备间的相互学习。如果设备能够分享他们学习到的东西,这对于持续迭代或是进化的系统很有帮助。这也就意味着这些设备知道如何更好地适应新的环境。

IoT之于AI,饲养者和倒逼者

AI获得成功的必要因素之一就是数据。正如吴恩达所说,对于AI而言,数据比算法重要。而物联网正是AI的数据“饲养员”。根据思科的统计,到2020年,物联网的数据量将增长到600泽字节 (1泽字节大约等于1万亿GB) ,这也代表着IoT拥有可供开发者使用,训练AI系统的巨大潜在数据。

有些公司开始愿意付费购买数据,因此也就催生了“数据货币化”或者叫“数据集市”的新商业。根据IDC的预测,到2019年IT项目的40%将实现数据货币化。有些公司已经正在考虑出售数据,2017年3月,富士通开始讨论出售物联网数据,大陆汽车和德尔福公司,也有同样想法。

与此同时,IoT正在“倒逼”AI走向边缘,不必通过云端的运算能力来实现,而是就近在边缘计算完成。越来越多的物联网设备需要在本地使用AI处理数据,例如与自动驾驶或者安全监控相关的应用都有严格的实时性要求,需要在数据输入后迅速做出反应。

有些公司已经发布了新型的AI平台,坚持不在云端实现机器学习,加速在边缘设备上的人工智能任务。这类平台为设备性能进行了优化,在不降低AI性能的情况下,减少内存占用和功耗。严格在设备上运行能够确保用户数据的隐私,并且能保证各种应用在没有网络连接时也能够工作和响应。

“问世间是否此山最高,或者另有高处比天高!”通过这次强行碰瓷《射雕》,今后当你在观赏《东邪西毒I2oT星球大战》影片时,拆解他们你来我往的过招也许会是一种全新的享受。至于IoT圈的南帝北丐中神通嘛,且听猴年马月的下回分解。

如果喜欢该栏目,扫码请女王姐姐喝咖啡,小编会把咖啡款如数转给作者!

往期热文(点击文章标题即可直接阅读):

您可能感兴趣的

4个维度阐述:如何成功运营企业? 文章将把整个过程当中传统的、互联网的、创业的、职业的等各个环节的一些经验综合起来,跟大家做一些分享交流,从上帝视角来看一下公司运营 ——人事道术合一,即从人道、人术、事道、事术等4个维度的框架,去认知一个企业。 人的一生,不是你经历的一生,而是你体验的一生。 我从 1993 ...
想要回家快人一步?手指一点就能轻松做到!... 俗话说“有问题重启试试”,回家,是所有游子的重启。正值暑期,异地求学的学生党们早早打包好行李翘首以待准备回家。无论是学(王)习(者)功(荣)课(耀)的艰(失)苦(败),还是与寝(男)室(女)同(朋)学(友)之间的争执,亦或是求(没)学(有)环(空)境(调)有多么的不近人情——回到家,喝上一碗妈妈做的...
瑞波宣布进入中国区块链支付市场,否认阿里巴巴已加入其验证节点... 瑞波(Ripple)正在计划打入全球最大的市场之一——中国。 在新的声明中,这家位于美国旧金山的创业公司正式否认了最近的一些传言,这些传言最早出现于上周三的XRP Chat,这个论坛主要是八卦和评论该公司及其技术。 简而言之,这家区块链公司确实正在计划在中国开展业务,但是并不是在中国最大...
“奢侈品”至今仍和亚马逊无缘 【腾讯科技编者按】外媒评论称,电商巨头 亚马逊 吸引了几乎所有领域的零售商,但无奈与奢侈品始终不来电,这一商品构成的短板也进一步阻碍其在时尚界的抱负。以下为文章概要: 瑞士手表制造商斯沃琪集团(Swatch Group)今年早些时候曾打算在亚马逊网站上销售旗下部分高端手表品牌。 ...
如何将FPGA资源平民化?阿里工程师有了新突破... FPGA (现场可编程门阵列)由于其硬件并行加速能力和可编程特性,在传统通信领域和IC设计领域大放异彩。一路走来,FPGA并非一个新兴的硬件器件,由于其开发门槛过高,硬件加速算法的发布和部署保护要求非常高,FPGA的使用一直是高冷的美人,没有走入寻常百姓家,导致FPGA的计算潜力还没...
0
物联网智库

责编内容来自:物联网智库 (本文源链)
阅读提示:酷辣虫无法对本内容的真实性提供任何保证,请自行验证并承担相关的风险与后果!
本站遵循[CC BY-NC-SA 4.0]。如您有版权、意见投诉等问题,请通过eMail联系我们处理。