大公司经常因“错过”未来而受到批评 ：他们处于一个目前舒适的栖息地，说未来已经过去。虽然未来仍然是未来,但现在往往是最重要的。最好的例子可能是微软：该公司没有“错过移动” （Windows Mobile于2000年出现）。但是，却毁于它忠于其基于许可的模块化商业模式以及无法展望世界趋势，在这个世界里，其核心产品Windows作为行星围绕“移动”这个太阳转动。关于Windows Mobile设计的一切假设都与现实恰恰相反。
人们可以对Google和这个企业提出同样的评论; G Suite（全称Google Apps for Your Domain）和Google Docs于十年前推出，并取得了小幅成功，尤其是在小型企业和教育领域。毫不奇怪，两个市场与Google的核心消费者用户群具有广泛相似的特征：有限的配置和较低的价格。然而，在大型企业中，转变更难以实现，而且事实上在过去几年中，Office 365比G Suite出色不少，不仅增长速度快，而且赢得了客户。
尽管如此，为了微软与Office 365的成功，真正的云计算巨人，同时也是企业计算的未来， 像往常一样在公司里是始料未及的。同年Google 决定使用微软亚马逊推出的Amazon Web Services。使AWS如此引人注目的是它反映亚马逊本身的运作方式：为规模化和具有清晰定义和强化的接口而构建的。一开始从亚马逊内部，到后来世界各地的公司都可以访问源代码，使得这个源代码可以混合和匹配，以构建一个更有效、可扩展和安全的后端，这个后端几乎比任何公司建立自己的系统都有优势。
AWS的源代码
2016年早些时候，在“The Amazon Tax”这篇文章里，我已经解释了亚马逊的AWS战略是如何使公司从一开始就成功了：
该公司由多个相对独立的团队管理，每个团队都有自己的损益、责任和分布式决策。 The Everything Store的作者Brad Stone解释了早期的Bezos创始：
他说，整个公司可以将自己重组，这就是所谓的“两个比萨饼团队”。员工将组织成少于十个人的自治团体。这样的团队很小，所以当工作到很晚时，两个比萨能让所有的组员吃饱。 这些团队可以独立解决亚马逊最大的问题。 Bezos正在用一种混乱理论来管理团队，并且承认他期待把复杂的组织分解成最基本的部分，之后再进行合并，希望会有令人惊喜的结果出现。
Stone后来写道，两个比萨饼团队不是在任何地方都行得通。但正如他在后续文章中指出的那样，公司仍然保持着扁平化，责任广泛分布。并且在那些“最基本的部分”，那些源代码使得他们进行测量和实验。请记住上面的引用描述了Bezos和他的团队是如何达成AWS的想法的：
如果亚马逊想刺激开发商的创造力，它不应该试图猜测他们可能想要什么样的服务。这种猜测基于过去的模式。 相反，它应该创新，构建计算模块，然后走自己的路。
Steven Sinofsky喜欢指出组织倾向于传递他们的组织结构。虽然我一开始提出亚马逊重复AWS模型，但事实证明，AWS模型在许多方面是亚马逊本身的代表（就像iPhone 在许多方面反映了苹果的整体组织）：创建一堆原语，躲避开来，成功的瞒天过海。
AWS的产品无论在进一步的提取（例如Lambda 的”无需管理服务器”），还是从堆栈到平台和软件服务方面，都远远超出了基础设施，例如（虚拟化）处理器、硬盘驱动器和数据库等基础架构，但是它成功的基础仍然是亚马逊这个纯平台的方法：它们为企业提供了几乎所有想要东西。
谷歌是个产品公司
与此同时，Google从未真正成为一个平台公司。事实上，虽然谷歌经常被当做是苹果的相反面（后者被称为产品公司，前者是服务公司），但是只有当你假设只有硬件才算是产品时，这个观点才有意义。 “产品”的一个更广泛的定义是：一个可以向终端用户提供完美解决方案的东西 。这个定义显示出这两家公司事实上非常相似。
不要误解：云服务和硬件之间的区别是非常深远的（我在Apple’s Organizational Crossroads这篇文章中提到），但是作为一个产品公司和作为一个平台之间的区别也是如此。无论是智能手机还是搜索框，这些简单理想的产品以及良好的用户体验，都需要在设计和工程方面的巨大努力。理论上来说，这些努力终端用户从来看不到。 事实上，这就是为什么集成产品在消费者市场中获胜，并且毫无疑问。谷歌以消费者为中心的服务传统更注重集成后端体验，这点与iphone一样。
不过请注意，这不仅是亚马逊，也是IT时代卓越的平台公司微软所采用的完全对立的模式：不是集成多个部分来交付产品，相反，AWS分解了所有部分，并将后端服务构建为完全模块化的部件； 微软的Win32 API也是同样的设计。是的，这意味着Windows是一个最终用户体验比Mac OS更糟糕的平台，但是它更强大并且可扩展。这个方法使得它有数以百万计的业务应用程序，甚至在今天Windows仍然保持在业务的中心。 AWS在后端服务中做了同样的事情，并且AWS的灵活性和模块化是它打败Google 2008年推出的最初的云产品Google App Engine的主要原因。使用Google App Engine需要同意大量Google条款，而AWS让您构建您所需的。
Google平台的解药
Windows示例在思考Google如何改变其方法时是有指导意义的：围绕Microsoft扩展API构建的庞大的生态系统以最终的锁定为结局。 最明显的是，为Windows构建的应用程序不容易移植到其他操作系统上，但同样重要的是合作伙伴和增值经销商的巨大网络，使Windows成为企业唯一可行的选择。 亚马逊正在努力建设完全相同的生态系统。
然而，不使用Windows，不管是消费者还是企业，也是可行的。原因在于网络：这是一个新的时代，优于Windows，但并不依赖于它，而在消费者一方Google是最大的赢家。 实际上，浏览器的兴起也解释了AWS的运作：任何新的业务应用程序都是为网络构建的，（包括那些基于网络运行的API的应用程序）并且可以在任何设备上访问。
事实证明，在过去几年中，Google已经采用了一种浏览器方法来实现企业计算。 在2014年，谷歌公开了Kubernetes框架，一个基于谷歌的内部Borg服务的开源容器集群管理器。管理器包含谷歌的大规模基础设施，使得任何谷歌服务可以即时访问他们需要的所有计算，而不用担心细节。中心规则是包容，我在2014年写道：工程师建立一个标准的界面，保留了几乎完全的灵活性，而不需要知道底层硬件或操作系统的任何东西（这是一个超越虚拟机的革命性进展）。
Kubernetes与Borg不同之处在于它完全可移植：它可以在AWS上运行，在Azure上运行，在Google Cloud Platform上运行，可以在内部部署的基础设施上运行，甚至可以在自己的家里运行。 与这篇文章更相关的是，它是开局十年来AWS在基础设施即服务方面的完美矫正：虽然Google在自己的基础设施产品方面取得了不可小觑的进步，但Kubernetes基于包容的特殊潜在影响，使你不管用哪个基础设施提供商，都不会影响AWS的使用。 难怪它是增长最快的开放源码项目之一：因为没有锁定。
但是，这如何帮助Google？ 毕竟，即使Kubernetes成为企业云的标准，亚马逊的更广泛的生态系统锁定仍然存在（公司有自己的包容战略，那需要进一步锁定客户进入AWS）; Google需要变得不同。
成本与经验
这里桌面是有指导意义的：基于开放性的网络，可以在任何平台上的浏览器上使用。可是这个开放性并没有使Google成功; 相反，开放的网络为最好的技术获胜创造了条件。 这不仅是因为Google拥有最好的搜索引擎，重要的是它依赖链接而并非简单的网页内容。这些意味着随着网络越来越大，与它的竞争对手不同，谷歌却会越来越好。
我认为这是一个可以广泛适用的想法。事实上，它是Aggregation Theory的核心部分：随着分配或交换成本的降低，用户体验的重要性增加。 换句话说，当你可以访问任何服务，无论是新闻还是汽车共享或酒店，还是视频或者搜索等等，最好的一个不仅可以赢得最初的胜利，而且可以看到其复合优势。
这是Google对企业云的赌注：开源Kubernetes是谷歌试图在云基础设施之上有效地构建浏览器，从而降低交换成本的创造; 该公司与Google Search相同的服务将是机器学习。
机器学习和数据
可以肯定的是，机器学习将越来越多地被云服务所主导：它们都涉及处理规模和大量数据，并且只有一小部分巨头将具有经济能力来建立所需的基础设施和雇用世界上最好的机器学习工程师。乃至于对于大多数企业来说，机器学习所产生的差异，首先取决于他们的数据是否在云端（这将有内部部署的解决方案，但我预计它们会随着时间的推移越来越落后 ），其次才是从它们选择的云提供商。
这提高了云提供商自身的风险; 优秀的机器学习产品不仅可以是提供差异化，而且是可持续的：更优的产品将吸引更多的客户，从而获得更多的数据，而数据是机器学习改进的动力。 因为这些数据使得Google是AWS在云中的最大威胁。
我之前描述了谷歌的企业业务受到其消费者焦点的限制，但谷歌的巨大优势是，它已经使用大量的数据将近二十年，并在过去几年开发功能强大的机器学习算法。尽管如此，数据是最重要的。最好的证据如下：2015年，当谷歌讲解机器学习的蓝图TensorFlow开源时：正如我在TensorFlow and Monetizing Intellectual Property这一篇中讲述，谷歌愿意分享其方法是在变相承认，其优越的数据和处理基础设施是一个可持续的优势。
我们刚刚开始看到这种优势适用于Google的云产品。 就在感恩节之前，谷歌利用其数据优势做了一系列产品公告：
1、云自然语言API，它使用机器学习来分析文本，延伸到一般可用性
2、高级版的Cloud Translation API，它使用机器学习大幅提高翻译八种语言的准确性（超越并且延伸到了支持超过100种语言的标准版本）
3、Cloud Vision API的大幅降价，它使用机器学习来分析图像
4、新的Cloud Jobs API，它使用机器学习来匹配潜在员工与工作职位
这四个加入了使用机器学习能力的Cloud Prediction API 来做预测。 它以及上面的前三个API明确来自各种Google消费产品; Jobs API可能建立在内部Google工具以及Google的大量数据的网络上。 在每种情况下，Google都花了几年时间来磨炼其算法，以便将它们应用于企业数据集时，结果可能更优，或者至少远远低于培训漏斗。 我期望这个优势可以持续下去并且变得更有意义。
尽管如此，谷歌必须付出更多，这就是为什么另一个重要声明是由李菲菲和Jia Li领导的Google云端机器学习小组成立：这个小组将负责开发专门的商业机器学习API ; 换句话说，他们的任务是研发Google的机器学习功能。
这一点用迂回的方式获得了谷歌的战略精髓：亚马逊依赖于最好的平台在第一波云计算的战斗中战胜了谷歌; 通过开源Kubernetes试图将该行业转移到供应商不可知的容器，Google正在试图将竞争平面转向产品。 毕竟，改变竞争规则通常比改变公司的性质更容易。
可以肯定的是，Google能否成功还没有定论：公司仍然必须应对新的业务模式：销售与广告，并且建立销售以及企业支持所需的组织。 两者都是亚马逊的领先领域，并且亚马逊拥有一个庞大的合作伙伴生态系统和一个更大的功能集。
当然，AWS还有自己的机器学习API，以及IBM和微软。 微软很可能在这方面有强大优势：公司不仅从事多年研究，也有经验的针对商业的生产技术。Google长期以来以消费者为焦点有时可能是一个障碍，而且像Kubernetes一样广受欢迎的观点是：Google还没有分到自己的那一杯羹。
不过，Google将是一个强大的竞争对手：其战略是健全的，而且更重要的是，找到一个新的业务线的紧迫性在今天来看比2006年更紧迫。最重要的是，向云计算的转变仍然在处于初始阶段。虽然亚马逊似乎生活在最远的未来，但是未来还没有发生。看到Google试图改变未来将要运行的规则将是非常有趣的。
联系我们请点击：
数邦客
