现实版“终结者”!它单枪匹马“KO”微软、Oracle

现实版“终结者”!它单枪匹马“KO”微软、Oracle

“曾经,这是个软件为王的时代;现在,这是云计算的时代,No Software!”

Saleforce创始人马克·贝尼奥夫(Marc Benioff)在其著作的《Behind the cloud》一书中这样描述。

“No Software”的意思是“终结软件”,这也是Saleforce喊了十几年的口号,为此,公司还有一个霸气十足的称号——“软件终结者”。

没错,当时微软和Oracle就是当时最著名的两家软件公司,而Salesforce只是一家名不见经传的客户关系管理(CRM) 软件服务提供商,到底是谁终结谁?至少当时没有人猜中结局。

“No Software!”的梦想

故事要从马克·贝尼奥夫的经历说起。

现实版“终结者”!它单枪匹马“KO”微软、Oracle

马克·贝尼奥夫

在苹果公司兼职两年后,贝尼奥夫在1986年毕业的时候就顺利地进入了当时第二大软件公司——Oracle(第一是微软),并且做得风生水起,这位营销天才在26岁的时候就当上了副总裁。

如果副总裁是贝尼奥夫的上限,那就没有下面的故事了。

在Oracle期间,贝尼奥夫就憧憬着自己要在企业及软件市场打出一片天下,而且他是认真的!准确的说,此时的贝尼奥夫已经是“身在曹营心在汉”,三年后也就是1999年,他终于离开了Oracle,并且和帕克·哈里斯、戴维·莫伦霍夫、弗兰克多明格斯一起创办了Salesforce。

匪夷所思的是,贝尼奥夫自立门户时还获得了老东家的支持,据称埃里森曾向Salesforce投资了200万美元。

贝尼奥夫不仅没有复制Oracle的模式,还走了一条完全相反的路,豪言Salesforce将会成为传统软件时代的终结者。

尽管这一口号在当时看来极不务实,但确实道出了千万企业的心声。

当时像Oracle这样的企业级软件价格非常贵,中小企业要砸锅卖铁才用得起这样一套软件。曾有人算过一笔账,如果一家200人的公司要定制一款低端应用软件,各种费用加起来接近两百万美元;而且公司还要花大量的时间来安装、维护软件。

换言之,当时的传统软件是这样的:

1.首先要部署本地服务器;


2.需要支付高昂的软件费用,基本在几百万美元;


3.需要专门的IT人员管理软件;


4.需要升级,这时企业又要重新购买和安装。


(周而复始)…

贝尼奥夫和其他几位创始人想做的是:如果能做一款不需要本地安装、维护的产品,只要设备能上网就可以享受服务。(梦想是要有的,万一实现了呢?)

就这样Salesforce公司全体员工怀揣着“No Software”的梦想不惧与世界为敌。

在Salesforce最有名的几间办公室(旧金山电报山、旧金山商业区的里肯中心、旧金山The Landmark@One Market、旧金山市场街南区的Fifty Fremont、旧金山市场街南区的Salesforce Tower)里,墙壁上挂满了各种“No Software”(终结软件)的logo,公司的电话号码是1-800-NO-SOFTWARE,就连所有员工的衣服上也有这个标志。

SaaS初体验

有人说,没有软件再好的硬件不就成了一堆废铁吗?

现实版“终结者”!它单枪匹马“KO”微软、Oracle

图样!Salesforce根本没有放弃软件,它只是改变了软件的服务方式。贝尼奥夫提出了一个概念“software as a service”,也就是现在的当红辣子鸡“SaaS”。这是一种按需付费的服务模式,相比传统的软件,SaaS的服务成本要低得多,Salesforce的CRM软件只有一套传统软件价格的十分之一。

除此之外,Salesforce的服务模式帮企业解决了很多问题,企业不需要购买、安装以及维护软件,即通过租用的方式来选择自己所需的服务。

2000年,Salesforce终于推出了第一款在线CRM产品。

在线CRM是相对于Web CRM的叫法,它允许企业管理客户以及潜在客户的关系,可以跟踪企业的交互数据。可以从社交媒体收集信息,跟踪重要的指标,并通过电子邮件、电话以及社交媒体和客户进行交流。

对Salesforce而言,只要有一款拿得出手的产品之后,接下来的营销工作就难不倒他们。

贝尼奥夫是一位营销天才,他不会放过任何一次安利“No Software”的机会,而且每次都能起到立竿见影的效果。

一次,Salesforce和传统CRM企业Siebel在同一时间同一地点举办了一场会议。有趣的事情发生了,贝尼奥夫喧宾夺主,在Siebel用户大会现场大肆宣传自家产品,也许是考虑到贝尼奥夫是Siebel的天使投资人,又或许是Siebel完全瞧不上这个“小弟”,作为行业老大的Siebel并没有制止他的行为。结果,2周后Salesforce获得了1000多家的注册用户,而Siebel则亲眼目睹了自己客户的被对手挖走的全过程。

“终结”Oracle、微软

早期的Salesforce确实在软件市场玩得顺风顺水,但它们的CRM管理产品都是面向中小企业客户,如此单一的产品线让其和Oracle等老牌企业的竞争中完全处于下风,“终结软件”的梦想似乎遥不可及。

2004年Salesforce在纽约证券交易所上市成为了一个转折点。

Salesforce上市之后就没有停下对外扩张的脚步,仅十年的时间就完成了30多起收购和战略投资案,最近一次是去年以3.6 亿美元的价格收购报价软件开发商SteelBrick。

频繁的资本并购,在一定程度上补强了Salesforce的底层框架技术,而公司也摆脱了纯CRM提供商的帽子,其产品线逐渐延伸到了诸如HR、ERP以及财务等软件,甚至是PaaS平台。

目前,Salesforce主要有sales cloud、service cloud、work.com、force.com以及heroku五大产品线,其中force.com,heroku两个是面向开发者的PaaS平台。

Force.com是Salesforce在2007推出的产品,目前已有超过47000家企业使用这一平台;

heroku成立于2007年,这是一个专注社交和移动应用的开发平台,2010年,Salesforce以2.12亿美元将其收购。

现实版“终结者”!它单枪匹马“KO”微软、Oracle

对内,Salesforce在线CRM的更新跟上了社交网络前进的节奏,以最快的速度支持Facebook和Twitter等平台。所以其产品总是比对手要领先一到二代。

这些因素让Salesforce具备了服务大客户的能力,而且面向对大客户收费的可行性也得到了证实,这让Oracle、微软、Siebel、IBM以及SAP等传统软件商仅有的优势瞬间化为乌有。没用多久,这些传统软件巨头的最后一道防线就被击溃,纷纷冒着极大的风险向SaaS转型。Oracle曾说自己花了5、6年的时间重写了一些软件才完成到云端的迁移。

在SaaS层面上,Salesforce的“软件终结”诺言已经兑现。

Salesforce巨额收入来自哪?

如果说上市之前的Salesforce是一匹黑马,那上市之后的Salesforce就成为了真正意义上的软件巨头。

去年Salesforce的员工数量破万,市值稳定在500亿美元以上,年营收达到了53.7亿美元,并且成为第一家年收入超过50亿美元的企业级云服务公司。

从Salesforce的财报中可以看出,50亿美元的营收主要来自两部分,分别是订阅业务(sales cloud、service cloud等产品)和专业服务(咨询服务和培训服务)。2011年到2015年期间,Salesforce的订阅业务对营业总收入的贡献一直早 90%以上,其中sales cloud的收入占订阅业务收入近 50%,是公司最赚钱的部分。

折戟中国市场

就现在来看,Salesforce无疑是最成功的SaaS企业,但是这套国外的成功模式并没有在中国市场奏效。

Salesforce早在2006年就进入了中国市场,但是前几年都在交学费,市场份额还不如国内的SaaS菜鸟,几进几出之后中国最终还是成为了Salesforce的伤心之地。原因很简单:

从国内的大环境来看,中小企业会更倾向于选择性价比更高的国内品牌;其次,Salesforce在中国没有部署服务器,系统服务响应速度不快,根本不能满足企业的需求。

所以中国的软件市场的未来格局掌握在本土企业手中。

国内的CRM企业基本可以分为两大阵营,第一类是金蝶和用友这样的传统软件企业,拥有较大的用户基数;第二类就是一些Salesforce的模仿者,如八百客、纷享销客以及销售易等,规模小、资历也浅。但是现在还没有出现一家能够主导市场的企业。

因此SaaS渗透率仅为5%的中国市场依然充满了变数,最终谁能成为中国的“Salesforce”还是一个问题!

雷锋网

近两年都有谁投资了无人机?看完这张图你就知道了

导读:近两年无人机的兴起,引来了大量投资者的目光,那么近两年都是那些投资机构或企业押了无人机这块宝呢?雷锋网汇总了近两年无人机行业的投资信息,一图让你知道那些投了无人机的机构或企业是谁。

如果你是一个投资人,你觉得投资无人机会是一个好买卖吗?

几年前无人机概念刚刚兴起的时候,资本市场向这个市场注入了不少的资金,对无人机初创企业来说,资金似乎并不是什么问题。但是随着无人机创业热潮的慢慢冷却,越来越多的投资人对无人机创业者的态度变得更加保守,特别在近两年,资本市场对无人机方面的投资尤其谨慎。

近两年都有谁投资了无人机?看完这张图你就知道了

一位匿名投资人告诉雷锋网,今年才进入市场的无人机创业公司,绝大多数都会在近两年内倒下,能存活下去的公司数量不会超过百分之五到十甚至更低,当一个行业约接近饱和的时候,投资人口袋捂得就越紧,因为这一波浪潮说不定什么时候就会突然消退。

“我不是唱衰无人机行业,只是今天无人机行业新晋创业者能够成功的机会太小了,作为资本方不去冒险也是正常的,你看现在有多少人拿大把的银子去砸智能手机?这和不投现在的无人机是一个道理。”

为了了解近两年无人机市场投资的情况,雷锋网整理了近两年投资机构和企业对无人机行业投资的信息,图表中都是已经公开投资无人机的机构和企业,但是近两年整个无人机市场的投资情况绝对不仅仅是这些,还有很多独立的投资人或不愿公开投资信息的企业也参与了无人机的投资。从整个投资情况来看,这两年虽然投资无人机的公司有很多,但是这些公司对无人机行业都稍显谨慎,除了真格基金等对无人机稍显“偏爱”的机构之外,大多数公司都仅仅只投了一家无人机公司。

我们来看下汇总信息。(以接受投资的时间前后排序。前方“长”能,请耐心观瞧!)

近两年都有谁投资了无人机?看完这张图你就知道了

从资本市场的投资动向来看,无人机市场求资能力并没有想象中那么低,至少直到现在还有资本在陆续的进入无人机市场,消费级、无人机解决方案公司占据了大部分,天使轮、A轮居多,这也说明了投资人不太偏好成熟的无人机企业。所以说,由于无人机的发展过盛,现在初创企业想得到投资人的信赖,拿到更多的资金,必须要有足够的实力才行。

雷锋网

卡耐基梅隆邢波眼里的人工智能:它的价值在于通用性

人工智能因为真正懂得人不多,一直被有些人夸大或神化其影响力和破坏力,不巧,今天雷锋网参加了数博会人工智能与大数据主题论坛,遇到卡耐基梅隆大学计算机科学系教授邢波为我们做了一个系统性演讲 ,把人工智能变成了一个集数据,任务,模型,算法,实现,系统,设备的东西,让我们茅塞顿开。下面为雷锋网对邢波教授演讲的精华整理:

忆人工智能的过去

在60年代前有一个图灵测试的概念,人跟机器人通过一个界面来交流,或者通话方式的状态来交流,当人不能分清幕布后面是人还是机器,这就说机器达到了人的智能,这是非常美妙的人工智能愿景。

紧接着有几个科学家发明了一台叫做逻辑理论家的机器,在自我环境去证明数学定理,把罗素很有名的证明定理中的前52道证明出了38道,这使人们产生了期望——也许通过符号运算或者逻辑推理的方法,能够找到物质的心灵本质,使这个设备获得一种思想或者一种感情能力,以至于达到所谓的人和机器人达到不可区分的地步。

这个方法被很多科学家推广,在50-60年代有很多早期的结果令人兴奋。有人还发明可以做数学应用题的机器,包括小i机器人的鼻祖对话机器人也在那个时候产生了,能形成很有意思的人机对话。另外,理论上产生了一些突破,比如现在可以在AlphaGo里面看到的增强学习的原型。包括现在提到深度学习一些基本原理也是在那个时候出现的,叫感知器。这一系列结果,使人们对人工智能产生狂热的乐观,我们会觉得在十年之内可以预计机器在棋牌或者更广泛的范围内打破人类,有这么一个期许。

但是很快的,很不幸地人们发现这条路径不顺利,这些当时所谓的国际理论家,这些对话机只不过是玩具范畴内的东西,它们实现的功能只能在很小的领域应用 , 布置新的任务或者设置新的功能,有很多障碍是不可逾越的,其中就包含了本身的方法论,有时候他们设立的模型有障碍,本身必须的方程不能表达;还有计算的障碍,实现功能所需要的计算是一个技术性问题,当任务量增加了十倍,工作量计算量增加一百倍,这样设备跟不上。最后没有达到人类的预期,最后结果很严重,公众和政府投资或者经费的方面都产生了一些相当巨大的滑坡,这是人工智能的第一个冬天。

 虽然是冬天,还是有很多坚守者在接着往前走,他们突破了一些阻力,做了一些进一步的工作。在80年代的时候有人做了一个专家系统,能帮一个公司节省每年几千万的经费,这是一个很巨大的成功。

其次,日本也有人提出做一个专门的专家系统计算机,能帮助这个公司或者政府做各种各样的决策。在更广泛跟人的功能近似的领域,比如数字,或者跟人下棋诸如此类的。

但是,这个短暂繁荣没也有很长久,很快人们发现实现这些功能的手段是一个相当耗费功能和资源的手段,比如在同一个时段,我们看到苹果机,PC机以很低的价格进入每个家庭,同样每个专家系统在公司里面需要很高的维护价格,并没有小型机低很多,然后很快地,军方,政府,用户又很快对人工智能失去兴趣,人工智能又入冬了。

没突破是因为没目标

所以我想,也许人工智能的路径或者目标有一些问题,也许我们重新冷静一下做人工智能是为了什么?我经常跟朋友聊天,他问我会不是哪一天造出一个打扫院子的机器人,然后陪你聊天,他们感觉人工智能是无所不能的产品或者设备,能够很灵活训练做各种各样的事情。或者能不能做一个像人的机器?

这里面有一个技术上的模糊点。人和动物的功能和作用非常多方面,在目标不明确的时候,很难对产品做设计。比如做一个鸟,本身里面就包含不确定性,做这个东西是为了像鸟,还是飞,还是给你唱歌诸如此类的。这使人工智能的学者和技术人员重新思考,做人工智能的目标是比较宽泛的定义还是基于实际功能的定义?

如果做一台机器要能飞,这跟做鸟是完全不一样的目标,要是只要可以跟鸟一样的飞,可以采用机械式用空气中的力学和燃料技术实行另外的飞行方法。产生两个不同的路径左边是仿生学或者生物科学的进步,了解生物动物的结构和原理,然后复制重现他们的功能。这里面有很多的困难,对它们的功能不了解?其实了解很清楚之后,复制方面也有困难,包括材料学等等。

 而右边的方法不一样,它是把这个功能做了一个直接非常简单的数学描述,可以通过这个数学描述,对形成功能的手段和达到功能的目标之间形成一个很明显的因果关系,这样可以形成一个明显试错过程,过程中可以提供很多手段。由于这是一个工程上的方法,使得你可以利用很多不对称的资源,比如你可以去使用很大的计算能力或者很大的电力,或者其它方面的东西,这是生物本身不具备的东西。但是你可以导入到你的设备,产生非对称的优势,来实现你所需要的目标。

Copy人类不是唯一出路

 这一点是我们想到,也许人工智能并不见得就是重复人的功能或者神态,而是定义成对功能的一个追求,这里面就产生了看到一系列的突破,就是导向对功能尽可能快速和优化的实现。

卡耐基梅隆邢波眼里的人工智能:它的价值在于通用性

由于这样一种思维方式,展示出人工智能研发过程中,大家可以非常简单地去遵循比较完整的研发体系,我们通常会把人工智能从数据开始定义,跟今天的大数据很有关系,在不同的区块取得不同的数据,然后对功能做一个准确的定义。比如做推荐,做图象识别,要下棋,要做赛车或者机器人。由于有了对功能追求的定义,我们可以引入一些数据方法,做一个非常直接具体的描述。

然后再往下出现很好的算法,是一个引擎,把很好的题解出来。

然后再往下出现一套计算设备,对软件的实现。

然后再往下要写一套程序,就需要程序和硬件设备一个对接,中间要有一个操作系统。

这其中形成了一个小方块,使得大工程被分成小模块做产业化或者工业化很广泛的实现。这就是我们看到现代人工智能的愿景,这里面会展现很多研发的机会和挑战。

由于有这么一种框架,也催生很多技术产生,新的理论,新的算法和新的设备,我们都能够很快地把它们引入研发过程中,来产生很好的功效。

最近惊人的突破VS产业

最近人工智能有很多惊人的成果,有AlphaGo的胜利,还有机器的狗的设备,自动驾驶车也不断起来,各种各样还有人工智能的展现。

也就是说,暂时功能性的人工智能给我们带来了一个高度,使我们重新燃起对人工智能的热情,到底走多久?以及类人智能的愿景。

很多人关注产业和人工智能经济带来的机会。如果仔细来看,进来人工智能的一些显性突破的话,它并没有直接带来商业方面明显的价值。因为,现有人工智能大部分的方案比较笨重、单一、昂贵。比如谷歌所推崇的有一个图片识别系统,叫谷歌大脑,是一个很巨大的设备,在一千台计算机实现,有几十个研发人员,功能上讲投入和产出不成比例,还有话题模型,还有下围棋的设备,都是非常昂贵的设备。在真正商业化的思维里面,有效率上的不匹配,比如你想把设备的规模扩大十倍,比如把机器从一台变成一千台,所收获的能力和功能并不是得到一百倍,那90%都是在某种缺陷部分丧失了。其实有很多的机会,有很多商业的前景,没有被很好的利用起来。

 另一个方面,大部分人追逐很快的结果,使得在人工智能的人员培养出现了极大的断档,很多人没法掌握这些技术,现在这些需要人有很高的技术去训练,才能做价值的开发,其实这个矛盾很大。

我们看到人工智能的商业前景,其实在现在还没有被充分的发挥出来。由此产生了一些不太乐观的后果,比如垂直行业,像网络安全,像金融医疗,像用户画像对天文学数据学的处理等,目前的状态都是处在一个比较薄弱的数据状态,数据量很大,但技术手段和分析手段没有达到科学家和用户所需要的功能。

这对人工智能提出了一些比较具体的要求,不是要造的多好玩,而是你到底如何把相应的功能和数据做提高。

3个机遇

 到这里时,我得谈谈人工智能面临的挑战和机会。其实并不是没人关注,有很多学者关注,现在已经有很多大公司 ,有很多学校积极研发通用软件或者通用平台,都希望向公众提供低门槛,好用低价的方案。

这些各个层面的解决方法,都有一个清晰的解决脉络,把个问题解决的步骤,分成了数据,任务,模型,算法,硬件等等各个纬度,这样来分,就可以使着力点和工作重心有所集中,使产业和研发的机会能够具体的被定义出来。

就这个谈几点我个人对目前产业的机遇或者未来的一些理解看法。

有两方面的路径可以去追逐,我刚刚已经听到了,包括总理和很多政府里面的高级官员都意识到数据是一座矿山,有很多财富可以挖掘。尤其是产业的老总和企业家都看到了这样的前景,我们有很多金矿,应该想怎么使用挖掘出来?怎么使用这些金子做有用的事情?

着重讨论的一个东西,在金矿,一方面金子很有价值挖,另外造挖金子的铁锹,这也是一个产业,我目前还没有看到很大的机遇获得了关注,把这些机会展现出来,看大家有没有兴趣做进一步的探讨。

关于工具打造,其实有一个很强的结果,首先在方法上展现了很多机会,方法论解决人工智能需要什么正规途径?比如数学模型、算法、形式化等,这几步有很多机遇,目前并没有被掌握。

卡耐基梅隆邢波眼里的人工智能:它的价值在于通用性

比如计算机视觉的一个例子,从这个任务里面来,大概十年前的时候,有一帮学界的前瞻性很强的人物创造了一个Image Net竞赛,鼓励研发人员去设计机器学习软件,去自动识别图象,很多很多的图片。

由于这个比赛,路径表现在不同的研发人员来设计不同的模型,一开始有很多很粗浅的模型,精度在2010年很低,比如在一千类的时候,可以达到75%的精度,但到了一万类的时候,精度只达到了10%几。

这个起点使人们开始思索,首先在方法论上有一个突破?这样人工智能的工具库或者手段更丰富一点。这里面包含了很多方面的突破,包括设计更强的模型,导入更深的结构,更快的算法,你可以看到现在整个增长是逐年递增的,很多研发人员在里面投了很多精力,可以在一万类的图片达到95%以上的精度,比人做得好。

 在整个流程里面,方法论占据了非常大的作用,是不是有很完美的方法论提供给所有的人工智能?不是的。实际上存在一个很大的鸿沟,提几个稍微的高光点:

比如数据模型中,目前使用的模型有很多的特点,包括表达性,在自然图片上设计的模型,虚拟后还能不能继续识别图片?包括模型本身的可调性都有很多未知。

卡耐基梅隆邢波眼里的人工智能:它的价值在于通用性

下一步我们设计算法的时候,这里面的需求和供给鸿沟就更大,其实现在大量算法的速度,精度,稳定度都非常低。

而在纯理论工作上也面临很多困难,我们对现在一些工作良好的工具,并不了解其实质理论和数学背景的实质。

由于大数据的产生,我们对于软件系统的需要和部署能力有更高的要求,譬如希望在不同平台上,能在不同的移动设备,云的设备上不同平台上跑同样的软件,目前这些问题都没有解决。

我想说的是,固然目前学习的手段已经有很多的成果,与其去摘低的果子,还不如把精力放在突破这些挑战上,这本身就有很多的机遇。

 最后就是如何来实现这个方案的部署?

卡耐基梅隆邢波眼里的人工智能:它的价值在于通用性

这个比较工程,实际上也有很多很多研发的问题在里面。通常在大公司里面,尤其在中国大公司里面看到的一个常态,很多公司非常喜欢一个自有完整的体系,把所有的部件,所有的模块都是自己来做,基本上是封闭,没有外延和接口。

它们可以雇佣很多技术师和工程师,通过内部打造来完成,成本非常高昂。谷歌是一个例子,大部分的公司有互相互补和外包的机制,使他们不用关注所有的问题。里面有内在逻辑,因为在解决部署人工智能软件或者算法的过程中,实际上有很多的规律能够使你用来充分利用,来降低你的运算成本和提高效率。比如在研究部署范式的时候,我们可以问很多方面的选择:包括用什么平台来做实现?包括问题有多大规模?包括用什么操作系统和语言?不同的处理,会找到不同的解决方案。而且能够给你展现出来,一些当时很难想象的优势,能使你在金钱或者质量上获得巨大的优势。

举个例子说一下这样的事情,讲到了分布式计算,很多公司,包括云公司,需要对大规模的客户或者企业进行对接的时候都面临一个计算任务扩增的需求。当时在FB的时候,我们要做一个社交媒体圈的定位,通常做一个研发的时候,写一个软件在一百万个用户展示这么一个功能,实际上部署的时候,是一亿用户规模,怎么迁移?

有很多很多问题,有一个幼稚的想法,这个软件在一台机器上完成的,就多买点,尽可能把机房的规模扩大。比如一百万个用户,在一台计算机6分钟算出来,买一千台是不是0.06分钟算出来。不太可能,即使几个星期也算不出来。

人工智能VS传统计算

因为在技术上要实现定型机群的同步,里面有一个很大的瓶颈就是————怎么来实现多机器的协调?单就运转速度不一样,总有一台机器比一台机器慢一点,比如这个机器人被其它的占用了,或者温度不均衡慢了。机器的学习算法是迭代算法,跟传统的数据库不一样,这样就造成了资源的最大浪费。最后就看到了这样的一个瓶颈。

如何将AI程序并行?但这些并行机,并没有帮人工智能进行很好的服务,要么让你长期处在待机状态,或者放弃通信,使两个机器多台机器随便跑就产生了一个发散,这就使我们产生了一个质疑,也许这个平台本身,并不太适合我们机器学习的需要。

也许操作系统面临新的时刻,底层系统需要设计。

这是最近在机器学习领域的一个新的质疑,也许操作系统面临新的时刻,底层系统需要设计。因为人工智能计算,大数据计算和传统数据库的数字是不一样,传统计算里面强调的是一定要算对,如果错了,就算搭积木一样,后面再怎么努力搭,设备会垮掉没有办法维持。

但人工智能的计算方式是一个爬山的方式。

卡耐基梅隆邢波眼里的人工智能:它的价值在于通用性

人工智能的计算方式是一个爬山的方式,到底怎么爬?用哪种路径爬?并不是那么关键。

由于某种原因,走错了,如果不是很严重,并不一定回原点,在继续往下修正。当你做这么一种认识,在支持人工智能算法的技术要求支持跟传统不一样。

传统的技术设备对于同步的要求,就像一个飞行表演队要做一个展示,每个飞机的间距都得严格控制,否则会撞击或者不美感。

人工智能是为了完成一个任务,当一对飞机去扑火的时候,是为了达到手段,而不是目的,它只要是一个知道哪里扑火,提供一个协调,让一个指挥官指挥多台机器人。

它也引用了所谓的动态调度方面,在负载情况下能够使用利用机器学习内部的结构分散开但是又不影响数学结果正确性,还有复杂均衡的方法,有些任务完成早,可以把机器让出来,让其它任务占据。机器学习和人工智能所特有的,当你意识到机会的时候,会有一个水平的提高。

解决方法是更加模块化的过程,而不是从头到尾的封闭方法,最后整合起来,一个完整的解决路径,这个包含了产业间的配合和研发之间的配合。

其实现在在人工智能的产业前景里面,看到了使用的范围已经远远的超出了数据中心的机房,可以在移动平台上部署,也可以在家用设备部署,也可以在云端部署,这些不同的硬件环境,都提出了对系统设计不同的要求。

看看这里面所需要的解决方法和现在已有的方案,看看差距在哪里?这样可以提供一个很大的产业。生产铁锹和工具本身有很大的价值需要去利用?

它真的需要FPGA,TPU吗?

 如何看待对于FPGA,TPU或者人工智能热潮的观点,这就是人工智能发力点在哪里?

是不是需要专业的硬件?这个问题不太容易回答。目前所看到的人工智能解决路径或者方案,大量使用的硬件,不仅包括网络,还有处理CPU,储存。

现有设备,从技术角度来看,还远远没有被充分使用,所以只要你掌握了一个算法的核心,应用到硬件上的时候,反而会有很快的结果。而且现在人工智能有很多的硬件标配,包括CPU,GPU等等。

那人到底要不要一个专业的设备呢?其实硬件的提升空间很大,比如需要设计更低功耗的CPU和GPU;核的数目在某一个设备里的话,是不是可以进一步提高;存储的功能是不是可以提高,这些都有很多的地方可以提升,但我们是不是要把这种提升的算法做成某一种专用的功能或者算法呢?

我自己持保留态度,因为我看到人工智能或者机器学习整个研发和产品的形态呈现倒三角的趋势,在这个倒三角的顶端,我们看到是数据任务或者数据模型和软件,但因为有无穷多任务和数据量,越往下走,越是希望能共享已有的解决方案。到了底端空间会越来越小,这就像在其他工业园看到的例子。飞机飞什么东西?显然不胜为举。多少种飞机,多少种引擎,可能十几个标准模型,多少种油,基本1-2种就可以了。

所以人工智能基础的价值在于通用性,这样才有最大市场占有率,然后成本才能降下来。

然后我个人认为,硬件是处在这个形态里面,至于它到底往哪个方向走?是往专业上走,还是往效率上走?如果产学能够产生充分的对话,得把这问题解决清楚。

人工智能VS自然智能

最后多讲几句关于未来的憧憬,人工智能让人重新点燃比较浪漫的想法和愿景,但也有人担心,会不会给我们产生威胁?或者会不会影响到我们的工作机遇?

卡耐基梅隆邢波眼里的人工智能:它的价值在于通用性

我从一个研发者的角度,分享这么一个观点,我觉得人工智能和人类(自然)智能,是较平行的两条轨道,它们功能和目的是完全不一样的,人工智能如图所示是很明确,可定量评测的功能;自然智能是比较散泛,非常宽广功能的这么一个空间,然后它的数学模型和硬件是不清晰不明朗的,不清楚的,软件算法也不清楚,所以它整个是一套比较模糊的体例。

但在人工智能都有比较清晰的定义,比如是一个单一的功能来实现,设备是电子设备,软件是靠算法来执行。这两个产生一种比较值后,有时候大家会产生一种错觉。

比如看到谷歌AlphaGo赢了人,到底应该采取什么样的态度?在我个人看从开发人工智能的软件和功能的角度,当我们开发的目的就是去实现一开始设计的目标,比如下棋,在有限的条件下,机器超过了人,就像马车超过了马,很有可能会做到这一点。

只不过机器超越本身是不是被过度解释了,以至于形成对人类自身能力的挑战,应该比较理性的来看待这个问题。因为机器的功能跟人思维,感情,自主性不是一回事,目前不必从技术上担心会受到人工智能的威胁。我觉得人工智能以后一个大的方向,在长期实践会和人产生共存关系,帮助人实现很多有用的功能,提升人的生活质量和降低人的生活风险的功能。

其实是一座金矿

最后,总结一下这个方向的市场潜能。

卡耐基梅隆邢波眼里的人工智能:它的价值在于通用性

我觉得人工智能的市场潜能相当巨大,以我很限的视野已经看到在社会政府,或者在科学、商业有诸多的应用,这里面相当主要的一个基本点,就是我们拥有大数据。

数据就是一旦增加到很大程度,机器和人的优势就会产生很大的倾斜,人赶不上机器的消化程度。所以使得数据的价格产生了不一样价值,提供更多的帮助。包括在医疗、法律、健康等很多方面,得益于人工智能对数据的挖掘。人工智能在社会的运转,或者是科学的研究,或者是商业的拓展里面进一步赢得空间,给我们带来就业或者产品功能方面的机遇。而且不必得等到像人一样聪明才能获得这样的功能,人工智能的目标本身不应该过多关注生物性或者哲学性的对比,更多应该关注功能实现和低价快速的提供。

雷锋网

不“耍流氓”的PPTV,电视卖得怎么样了?

5月18日,在 PPTV 举办品牌战略发布会的前一天,中怡康发了一份《2016年4月中国彩电整体市场品牌占有率》报告,报告显示:

“乐视超级电视4月总销量71.5万台,整体占比21.83%,全行业、全渠道第一。核心尺寸产品40吋、43吋、50吋、55吋当月单尺寸段销量均为行业第一。”

不“耍流氓”的PPTV,电视卖得怎么样了?

(编者注:这份数据随即引发了争议,中怡康最后发表澄清称:“乐视使用的是公共平台监测数据+乐视自有网站的数据。”言下之意,这个“第一”我们无法证实或证伪。)

发布会当天,PPTV 总裁兼 CEO 米昕也给了雷锋网一份类似的数据:

“PPTV电视2016年的出货量大概会是100万台,到目前为止销量应该有大几十万台。”

虽然这两份数据的准确性值得商榷,但有一个事实是客观存在的,即同样是视频网站做互联网电视,PPTV与乐视在出货能力上还存在一定的差距。对此,米昕告诉雷锋网:

“这个差距很正常,首先,你可以看乐视的财报,电视机其实是乐视子公司做的;第二,乐视比我们早做三年;第三,乐视的电视机目前来说在整个互联网品牌排第一,但他卖的每一台都是亏钱的,我每卖一台是赚钱的。”

最后,米昕反问雷锋网:“我为什么要把赚钱的事做亏呢?”

亏钱其实从版权之争就开始了

自从“版权”、“IP”、“头部内容”等概念日益受到关注之后,视频行业好像突然就变成了一场土豪的游戏。为此,巨头一掷千金,无论是电影、综艺、体育、还是网剧,都被瓜分得一干二净。

实际上,这种现象道出了“视频之争就是内容之争”的本质。PPTV 当然也参与了这场争夺战,不过投入的资源与其他几家比较有点相形见绌。

去年年初,PPTV 管理委员会主席范志军表示:“2015年 PPTV 将投入30亿元丰富内容。”2016年的投入则是50亿。作为对比,腾讯、爱奇艺、优酷,以及乐视在内容方面的投入均是以百亿为单位。

不“耍流氓”的PPTV,电视卖得怎么样了?

现如今,米昕已经坦然接受 PPTV 处在视频网站第二梯队这一事实。在他看来,之所以会形成今天这样的局面,一方面是由于 PPTV 受限于技术,未及时完成从 PC 端向移动端的过渡:

“PC端可以实现P2P技术了,但是移动端P2P不太好使,因为 Android 和 iOS 的芯片很难去实现良好的体验。虽然有可以做好的,但是效果非常有限。”

另一方面,他也并不认为以巨额亏损为代价,换取好看的流量数据是合理的。

  • “视频的排名对我们来说没有意义,今天砸一大堆钱,流量也能冲到行业第一水平。”

  • “爱奇艺去年亏损26.5亿,我们做到了第一又怎么样呢?杀敌一千,自损八百?”

  • “流量带来的是什么?如果流量带来的是成本,要考虑变现问题,长期没有盈利的企业对资本来说就是耍流氓。”

可米昕的这番逻辑,在腾讯副总裁孙忠怀眼中却是赤裸裸的现实。后者在去年年底的发布会上表示:“尽管数据好看,但是 BAT 三家在视频业务方面都没有实现盈利,而且未来一段时间内还会继续亏损。”

PPTV 同样也在亏损。财报显示 2014年PPTV聚力的亏损达到了4.85亿元,2015年PPTV聚力前三个季度的净亏损达到了7.05亿元。显然,这并不是米昕愿意看到的。

另外一套逻辑

“以前的PPTV是一个单纯的网站,但是今天我们有了苏宁这样一棵参天大树。”所以,“我们把PPTV聚力从单纯的互联网视频公司向文化O2O平台型公司发展。”米昕在发布会上表示。

PPTV是Online好懂,苏宁是Offline也很好懂,但除了前者借后者的渠道能力去卖硬件这种“O2O”以外,其他形式的的“O2O”多少都有些晦涩。而根据米昕的说法,这也是PPTV聚力将来要发展的重点。

在这块我们要做很多的Live Studio和Live Space,这些都是通过我们的业务充分的展现参与进去。因此前一段时间在集团开会议的时候我们便提出来,2017年的目标就是要在100个城市开辟1000个文化体验中心,叫百城千店计划。”

另外,PPTV聚力也将投入一定的资源去孵化文化产业,以及与YY、PLU等平台合作开展“扶正网红”的工作。但具体的细节语焉不详,因此投入的力度暂时不得而知。至于变现,米昕则着重提到了三点:广告、付费会员,以及智能硬件——电视和手机。

不“耍流氓”的PPTV,电视卖得怎么样了?

游离在主业之外的电视和手机?

发布会上,米昕对硬件业务的着墨很少,几乎一笔带过。这不禁让人怀疑,PPTV已经将硬件业务边缘化了。对此,米昕矢口否认。

和对内容的看法一样,米昕表示无法理解亏钱卖产品的逻辑,因为:

“苏宁有25年卖硬件的经验,从来没有听说过一个硬件必须要亏钱。所谓亏钱也好,挣钱也好,这个东西是当时的市场策略,但不应该违背商品的市场价值。”

逻辑听上去有点绕,不过米昕倒十分明确地表示自己卖硬件的话,并不是不能亏钱,而是“目前的策略下,不会做激进且大量亏损的事情。”总之,这还是个尺度问题。而在交流中,米昕也只有在谈及硬件业务时才会反复强调:“这里面的水非常深。”

“以前买一台电视多长时间升级换代?互联网电视的研发周期又有多长?你如何针对不同的Android版本去做架构?或是如何用统一标准化的服务去运营?这些都很难。”

至于现阶段硬件团队的规模,米昕告诉雷锋网:“现在PPTV的电视团队200多人,手机团队有100多人。”甚至比自称“小厂商”的锤子科技还低一个数量级。而在这样的投入和商业逻辑下,似乎也就没有必要去追问其市场野心了。

雷锋网

中国最牛停车机器人,只是一场精心策划的营销?

中国最牛停车机器人,只是一场精心策划的营销?

最近,关于一款停车机器人的文章刷爆了朋友圈,标题用了“中国最牛”、“德国人都来偷师”等极具煽动性的字眼。很多人都在试图通过雷锋网了解这款停车机器人背后的公司,怡丰机器人。

联系到该公司的总经理蔡颖杰,表达了想要拜访的意愿。拜访时间最后约定在5月24日,在这期间,关于停车机器人的热度依然在微信朋友圈发酵。

带着众多人的期冀和疑问,我来到了怡丰机器人的办公楼,一个三层的独立楼房。走进去的一楼刚好是测试的地方。这是一个自动停车库的实验样库,包含8个自动停车车位、一辆别克汽车、一台AGV小车以及软件系统。AGV小车正在运送别克汽车到车位上,然后退出,然后反复。蔡颖杰说他们已经这样测试了半年,主要是测试稳定性,不久他们将会有停车库项目正式推出。

中国最牛停车机器人,只是一场精心策划的营销?

AGV准备去停车位取车

对于我的到来,现场的测试人员并未表现出丝毫惊讶,这些天他们已经习惯了各种各样的人突然闯进这栋远离市区的实验楼。

蔡颖杰说那些人都是抱着各种心态来,不过大多数人都是对于那个跑的单机比较感兴趣,也就是我们以为的停车机器人。“AGV其实是一整套系统,包括有一个软件系统,这个叫上位系统,这个上位系统其实是AGV的大脑,因为它控制着几百台AGV。然后这个系统要管理单机,单机又分为机械部分,就像身体,这个需要设计师设计出来,要以什么方式去搬运汽车,比如我们用的是梳齿这种形式。然后是电路,就像经络,要怎么让这些经络活动起来,做什么动作,这个就要靠单机的软件,赋予它思想。”

中国最牛停车机器人,只是一场精心策划的营销?

AGV的软件系统

单机的软件,指的是路线规划系统。比较传统的方式是在地上贴磁带,比如现在的餐厅机器人基本上都是使用这种方式。在这间实验室中,可以看到地面上设置着不少的激光反射板,而这正是单机运行的导航路标。因为知道反射板的坐标,通过向反射板打出激光,根据反射板的坐标以及激光夹角计算出自身位置。在激光雷达测距中,这个属于TOF(Time of Flight),通过计算光线发射和反射时间差或相位差,计算出相对距离。

中国最牛停车机器人,只是一场精心策划的营销?

激光板

蔡颖杰表示,AGV不像自动驾驶汽车也不像服务机器人,自动驾驶汽车要防水防晒要防很多东西,同时速度每小时在100多公里,对于激光雷达有很高要求,也不像服务机器人对于激光雷达要求很低,在室内保持精准与稳定性是AGV对激光雷达的要求,因此他们选用了国外的三家激光雷达方案商,包括瑞典科尔摩根、德国sick,以及德国倍加福公司(P+F),精度可达到5mm,同时性价比较高。

其实无论是AGV,还是激光雷达,并非是一个新鲜的概念。之所以能引起如此大的关注,是因为他们用来停车,就像几年前亚马逊用Kiva来运货同样引起很大关注一样。

而之所以怡丰机器人会用AGV来停车,与它的背景有关。

怡丰机器人是去年年初由怡丰自动化成立的子公司,而怡丰自动化背后还有1985年成立的港资公司怡丰集团。怡丰集团一开始主要做自动化产品线,比如家电行业,然后做一些自动化设备,03年在深圳成立了怡丰自动化的子公司,专门来做立体停车库。除了怡丰自动化,怡丰集团旗下还有多个子公司,是做物流和生产线的,不过立体停车库的发展最好,每年都有几个亿的营业额,最多的时候一年做了8个亿,占据了总公司70%的业务份额,同时占据了国内立体停车库60%的市场份额。或许也正因如此,去年年初,怡丰自动化又成立子公司怡丰机器人,专门研究机器人。

中国最牛停车机器人,只是一场精心策划的营销?

怡丰机器人的团队是蔡颖杰一手建立的。在这之前,他在云南昆明的一家军工企业昆船里的设计院工作了15年,这个设计院主要业务就是做AGV产品,他在那个设计院里管理整个研发团队。来到这家新公司后,蔡颖杰的第一件事就是招人,如今的30多个人都是他一个个面试而来。蔡颖杰表示,除了这款停车机器人,怡丰机器人正在研发的还有其他几款机器人。

立体停车库使用的是电梯运行式方式取泊车辆,不需要导航。其实这种方式对于很多人来说已经算是新鲜概念了,为什么还要用AGV搬运汽车?“对于AGV来说,更多的是针对平面车库,当然它也可以是几层的平面,立体车库我们称之为塔库,可能每一层停的车比较少,可能在10辆之内,然后有东西在上下取。而AGV是在平面内运动,它的优势是在大平面,因为AGV的运动可以是前后左后,到处都可以去,很灵活,而像传统车库是没办法做到,只能是固定的方向,因为它是有铁轨的,就跟火车一样,以前是轨道,现在AGV是没有轨道的。”蔡颖杰说。

中国最牛停车机器人,只是一场精心策划的营销?

四层立体停车库

中国最牛停车机器人,只是一场精心策划的营销?

怡丰AGV自动化车库

建立停车库要经过报备、审批、环评、消防、通风、安全等一系列环节。怡丰机器人的产品针对的是新建的大楼项目以及老旧车厂的改造,也就是从一开始就要参与进去。除了需要投入长期的精力,建立这样的自动车库需要增加多大的成本呢?蔡颖杰表示每台AGV将负责50个车位的取泊车的工作,不会单台报价,而是针对整个系统,然后分摊到每个车位,基本上是3万元一个车位。而至于消费者是否会需要支付更高的费用,蔡颖杰表示这个要看客户的方案。不过从立体停车库的停车费用来看,确实比普通停车库的费用收取更高些。

对于大家比较关心的什么时候能看到建成的停车库,蔡颖杰透露目前已经有几个项目正在进行,其中南京某车库将在2个月后正式对外开放,这是个60个车位的小型车库。

最后我们谈到他们的机器人在朋友圈刷屏。我很直接地问,这是你们策划好的吗?他说,我们没有策划。“我们产品出来了,要做项目,就想在微信发一篇文章出去。然后就不知道怎么一些媒体给转发了,然后转发的时候,连标题带内容全部都变了样了,还有些自发配音把这个东西讲了一遍,然后有的又自发地把这个做了数据分析。有人把这个东西说了很多,数据也列了很多,最后推了两支股票,说这两家也是有能力做这款产品的,然后就是这两支股票连续几天涨停。”

蔡颖杰表示,现在被转发的文章,访问量已经超过了千万级别,这样的反应大大超出他们的预想。他说结果有好有坏,好处就是让更多的人知道这家公司在做一件什么样的事,坏处是现在每天电话被打爆,参观的人很多,要不停的安排。就连以前联系比较少的亲戚都打电话过来问,这个是真的还是假的。“我们本来就想发一条微信,就OK了!”

实验现场版视频传送门:点击可观看。

雷锋网

2000元价位手机市场,三星要给小米华为们上一课

2000元价位手机市场,三星要给小米华为们上一课

今年,Galaxy S7 和 S7 edge 俘获了对三星最苛刻的科技产品评论者。放眼看 5000 元价位的高端手机市场,三星的竞争力在 Android 阵营一时无两。在与苹果的信仰之争中,也有比往常多得多的人,心甘情愿站在这家韩国科技巨头身后。

但是,三星的中端手机在中国市场,与小米、华为的同价位产品相比,一直是缺乏竞争力的。今晚(2016年05月26日),Galaxy C 系列的出现可能会改变这种情况。

2000元价位手机市场,三星要给小米华为们上一课

C 代表中国(China)。这是个专为中国市场开发的产品系列,三星中国为它在798开了一场再寻常不过的发布会。三星的发布会风格以“高端大气+干净利落”著称,一般30分钟就能结束战斗,不开演唱会、不上科普课、也不讲情怀。

当活动戛然而止,产品体验区的大幕徐徐拉开。几分钟后,体验区挤满了人。体验过产品的人,纷纷把“惊艳”二字写在了脸上。三星的中端产品从未像今天这样,让所有人赞不绝口,以至于有些不好意思掏出两倍价格的 iPhone 对比了。连身为脑残果粉的雷锋网同事,都动了一半凡心(另一半是对操作系统的担心)。心想,这样的手机,真的只要 2199 元吗?

2000元价位手机市场,三星要给小米华为们上一课

假不了。5.2英寸的 Galaxy C5 起售价 2199 元(32GB存储),64GB存储版本售价为 2399 元。5.7 英寸的 Galaxy C7 起售价 2599 元。这个系列均采用 4GB 运行内存,1080p分辨率的屏幕,更重要的是它们的金属材质和 iPhone 级别的精致做工。

在竞争激烈的 2000 元价位手机市场,三星交出了一份迄今为止最好的答卷,同时好好给小米、华为们上了一课。

2000元价位手机市场,三星要给小米华为们上一课

“Galaxy C,一部为讨好中国用户而来的手机,具备了改变中端手机市场战局的能力,国产手机厂商要小心了。”现场一位匿名的手机行业观察者告诉雷锋网。 

雷锋网