焦点：微软边缘 AI 产品背后的产业现实

微软本月推出一款名为 Azure Percept 的边缘 AI 平台，整合了硬件本地算力与 Azure 的 AI 能力，其目的是面向合作伙伴提供更易入手的边缘 AI 解决方案。

这个产品或理念并不新鲜，AWS 在边缘计算或边缘 AI 领域也有大量的产品线，感兴趣的朋友可以通过去年 re:Invent 大会上的这个演讲详细了解一下。

回到微软的这个平台，正如分析机构 Digits to Dollars 的一篇文章所指，微软 Azure Percept 的产品定位几乎囊括了当下围绕 AI 的所有热门词汇：边缘计算、AI 芯片、边缘 AI。

Digits to Dollars 详细拆解了这个产品背后的逻辑，首先，对于微软来说，Azure 是其核心业务，微软希望将 Auzre 打造为无所不包（能）的技术平台，AI 无疑是一个非常重要的切入口。

其次，任何一个或真或假的 AI 产品，如何获得数据都是最重要的一步，Azure Percept 要解决的是图像与语音数据的获取。

第三，图像、语音数据获取之后还需要处理，这里有两个方式：

• 本地获取，云上处理；
• 本地获取，本地处理；

前者可以有效利用云服务的 AI 算力，但也面临传输延迟以及巨额的带宽成本，而后者无论是成本还是延迟，显然更具优势。

第四，但行业的最大问题恰恰就在这里，一方面，传统硬件公司，比如摄像机或麦克风公司，往往缺少 AI 相关的人才与技术能力；另一方面，大量 AI 创业公司（包括算法、芯片等等）面临的是一个极度分散的市场。以 AI 芯片公司为例，它远不能像高通一样，将一套手机芯片卖给全球手机公司，而是要提供几十种芯片产品，满足不同的产品需求，这也意味着巨大的研发成本。

第五，在这样的产业现状里，微软 Percept 就是要帮助更多硬件制造行业快速切入到 AI 领域，这对那些希望利用 AI 能力提升自身产品竞争力的中小硬件厂商来说无疑是一个利好，当然，微软的最终目的，还是要将越来越多的客户留在自己的 Azure 平台。

综上，透过微软的这款产品，可以看到，尽管边缘 AI 的市场前景广阔，但整个市场存在复杂而多样化的需求，未来的发展格局也会极度碎片化，苹果、亚马逊、Google 已然占据了不少海外市场，国内市场里，小米、华为、百度、阿里之外，还有巨大的市场空间。

巨头·AWS·Google

S3 服务发布 15 周年。2006 年 3 月 14 日，AWS 推出 S3（Simple Storage Service），当时 AWS 官方博客这样写道：

S3 是可靠、高度可扩展、低延迟的数据存储服务。

使用SOAP和REST接口，开发人员可以轻松地在S3中存储任意数量的数据块。每个块的长度可以高达5GB，并与用户定义的密钥和附加的key/value元数据对相关联。此外，每个块都受到ACL（访问控制列表）的保护，允许开发人员根据需要保持数据的私密性、共享数据以供读取或共享数据以供读写。

关于 S3 过去 15 年的技术演进，可参见 AWS 的这张信息图。

从时间上看，3 月份发布的 S3 比 EC2（Amazon Elastic Compute Cloud）早了五个月，这也被认为是 AWS 首款云服务，而 S3 作为一款对象存储服务，定义了整个云服务对象存储的行业标准，后续的云计算公司，从 Google 到阿里云、华为云的巨头都在遵循相应的标准，并兼容 S3 的 API。

科技产业并不喜欢「回顾」，但站在计算行业发展的角度，以 S3 为代表对象存储，在过去 15 年的时间里，适应互联网时代海量非结构化数据的处理需求，并依托云计算弹性、可扩展的优势，极大降低了互联网创业公司存储海量数据的门槛和成本，成为 2010 年代移动互联网高速发展的底层基础设施，并延续到 2020 年代。

Google Cloud。上周 Google Cloud 与 RPA（Robotic process automation）公司 Automation Anywhere 合作，两家公司将向企业客户提供一个新产品，帮助企业快速实现工作流程的自动化。

过去两年 RPA 的概念非常火，从产品定位上看，RPA 解决的是某些工作流程的自动化，这些工作流程往往涉及到大量重复性环节，并且有着相对固定的数据处理规则，同时也是结构化数据，在金融财务领域，RPA 有着非常多的应用场景。

但我个人认为，RPA 存在炒作。一来，RPA 并不是什么新技术或概念，目前可考的最早 RPA 出现在 1950 年代，而在后面半个多时间里，金融机构越来越多依靠 RPA 实现数据工作的自动化，而 RPA 在当下的火热，更多还是因为来自 AI 领域的刺激，RPA 扮演了 AI 落地的「先锋官」的角色。

二来，从面向未来的方向来看，RPA 不仅是一个产品，更是一个生态体系，换句话说，企业客户选择一款 RPA 产品，也是在进入到一个生态系统，这意味着，RPA 会越来越多与其他企业服务，比如公有云、机器学习平台、ERP 等系统整合，这更意味着，AWS、微软这样的产业巨头，具备更大的优势。

截至目前，微软在 2020 年 5 月收购了 RPA 公司 Softomotive，AWS 与 RPA 创业公司 UiPath 展开合作，打通了 AWS 部分服务与 UiPath 产品之间的数据联系。

百度。百度正在加速回归港股的速度，在此期间，百度也在不断释放「这是一家 AI 公司」的信号，路透社的最新消息称，百度旗下的芯片业务昆仑芯片完成新一轮独立融资，估值达到 20 亿美元。

值得注意的是，尽管百度此前多次谈到昆仑芯片的产量，最新的一组数字是 2 万片，这 2 万片的芯片的用途在哪里，目前只有相对含糊的市场宣传用语「……已在百度搜索引擎和云计算用户部署……」。

亚马逊的机器人项目。科技媒体 BI 上周独家披露了亚马逊的一个秘密机器人项目，代号为「Vesta」，这是一个家用机器人，基于 Alexa 交互系统，同时还加入了大量视觉系统并配备了屏幕，该项目的团队规模已超过 800 人。

中国电信整合 5 家公司成立天翼云科技公司。这五家公司包括中国电信云计算分公司、中国电信上海信息化研发中心、中国电信广州信息化研发中心以及中国电信云计算内蒙古分公司和中国电信云计算贵州分公司，新成立的天翼云科技公司是一家集建设、研发、运营、生态合作和销售服务一体化的专业云公司。

产业观察：中国 AI 独角兽的又一个微妙时刻

上周，两家中国 AI 独角兽公司引发资本市场关注，先是依图科技撤回其在上交所的上市请求，而旷视科技则宣布其科创板上市首发申请已获受理。

如果把时间线稍微扩大一点，2 月份的时候，另一家 AI 独角兽云知声撤回科创板上市申请，云从科技则在 3 月 5 日回复了上交所的问询，目前尚无进一步的消息。

根据《财经》杂志的统计，仅在 2021 年前三个月，已经有 23 家公司终止科创板上市。究其原因，一方面是监管层开始加大 IPO 审核力度，而在政策原因之外，上述这些 AI 独角兽公司也不得不面临另一个微妙的时刻：如何将持续烧钱的 AI 故事延续下去？

以依图为例，这家最早依靠计算机视觉起家的创业公司，目前已经转型为 AI 芯片公司，但《财经》杂志援引 AI 芯片从业人士的话表示，依图的 AI 芯片基本服务于自己的业务，这意味着，依图并没有像英伟达一样将芯片卖给其他公司，「依图既不能证明自己在 AI 芯片领域的商业价值，又需要募集大量资金来持续投入」，这也给资本市场提出了新课题。

另一个值得关注的点则是 AI 独角兽们的收入结构，在算法无法直接商业化的行业背景下，通过软硬件集成与包装，以「解决方案」作为营收来源，云知声的招股说明书里，有这样一段表述：

自成立以来，公司逐步形成智能语音交互产品、智慧物联解决方案、人工智能技术 服务三大业务，业务布局较广。但是，因智能音箱、儿童陪伴机器人等消费电子产品赛 道的市场竞争愈发激烈，公司相应进行了经营策略的调整，逐步由智能单品供应商升级 为智慧物联解决方案提供商，相应导致收入结构发生较大变化。报告期内，智能语音交 互产品占主营业务收入的比重分别为 96.93%、79.22%、62.56%和 28.18%，收入占比逐 年下降， 而 智慧物联 解决方案 收入占 主营业务收入的 比 重 为 0%、 8.54% 、 22.96% 和 67.25%，占比逐年上升，与之对应，公司各年主要客户和供应商亦存在一定变化。此外， 各业务板块的毛利率，尤其是以市场竞争尤为激烈的物联网语音交互产品，毛利率波动 更为显著，报告期内，毛利率分别为 2.02%、12.61%、3.78%和 23.06%。

无独有偶，在云从与依图收到的问询函里，上交所都对收入结构提出了质疑，下图是关于依图的问询，依图科技与天健会计师事务所共同的回复全文在这里，与国泰君安的回复在这里。

如果你对上交所问询云从科技的问题感兴趣，可以通过这里查看问询以及相关回复。

这一系列问询的背后，也是 AI 商业化不得不面对的命题，当下热门的各项 AI 技术——语音、计算机视觉——其作为技术自身的商业价值无法衡量，只有通过与其他产业、行业的结合，才能体现出 AI 技术以及 AI 创业公司的价值，但颇具讽刺意味的是，过去很长一段时间里，不管是云从还是依图抑或是旷视，AI 独角兽们从来都是通过以实验室的炫酷技术与令人咂舌的融资来展现其价值，这也引发另一个问题：AI 到底是不是一个新行业？

至少在过去三年和未来三年，答案已经很明显了：从来没有 AI 行业，只有行业 AI。在这个行业趋势之下，AI 独角兽们已然进入到另一个赛道，这里既有觉醒后的「传统」互联网公司（比如百度与腾讯），也有依靠平台与资本转型转身的行业巨头（比如华为），当炫酷的 AI 实验室技术比拼逐渐远去，属于 AI 的下一场战役不仅是商业化，还有围绕 AI 商业化的产业升级与重构，特别是在「内循环」、「新基建」的政策刺激下，行业 AI 的战场将空前激烈。

业界·面部识别·量子计算·低代码

315 晚会曝光面部识别乱象，央视的视频内容可在这里观看，大约 10 分钟，文字版可参见这里。

这次不仅曝光了众多安装面部识别摄像头的门店，还有四家技术供应商：苏州万店掌公司，悠络客电子科技股份有限公司、广州雅量智能技术有限公司、深圳瑞为信息技术有限公司。

需要提醒两点，其一，315 曝光面部识别，并不意味禁止面部识别，而是呼吁在「法律范围」内使用面部识别。

其二，面部识别拥有庞大市场，科技媒体「IT 之家」援引企查查的数据显示，中国面部识别相关企业突破 7400 家，连续三年注册量超过 1000 家。

接下来的时间里，随着法律法规的进一步完善，面部识别的应用场景会被进一步延伸，比如基于面部 ID 的广告推荐等。

量子计算。上周，量子计算创业公司 IonQ 宣布计划以 SPAC 形式上市，市值将达到 20 亿美元，WSJ 援引 IonQ 高管的话表示：「某种意义上这是一个历史时刻」。正如 WSJ 所言，致力于量子计算商业化的 IonQ 面临众多竞争对手，包括 IBM、微软、Alphabet 等。

IonQ 正在研发是可以在室温条件下运行的量子计算设备，其大小与 Xbox 游戏主机差不多，这个体积远小于当下各种量子计算设备，而且无需超冷环境，可以降低使用量子计算设备的门槛。

IonQ 表示将在 2023 年完成研发。根据分析机构 Gartner 此前的预测，预计到 2023 年，全球 20% 的政府、企业都会为量子计算提供预算，这个数字在 2018 年仅有 1%。

Zapier 获得融资，估值超过 50 亿美元，Zapier 是一家典型的 Low Code 自动化平台，通过整合一系列生产力应用的 API，帮助用户直接通过拖拽的方式构建自动化的工作流程。

与很多人熟知的 IFTTT 不同，Zapier 一开始就面向企业级市场，虽然提供了免费版，但功能严重受限，更像是一个用户体验测试的版本，只有每月支付 19.99 美元才能真正体会到 Zapier 带来的价值。

《福布斯》这篇报道里谈到了 Zapier CEO Wade Foster 对于客户群体的思考，Zapier 的客户包括博物馆导游、咖啡店老板等，他们没有时间去关注科技行业的各种热门词汇，也没有精力学习代码，「如果你去采访他们，问他们是否是无代码专家，他们可能会说『我不知道你在说什么』」，Wade Foster 这句话导出了围绕一项技术趋势的两种不同立场，意味深长。

芯片创业公司可以从 Google TPU 团队中获得什么经验与教训？来自 Google TPU 团队的工程师在电气与电子工程师协会杂志上分享他们的心得，不过因为付费墙无法直接查看，根据 Next Platform 的报道，这篇论文介绍了 Google TPU 团队设计芯片时所面临的问题以及一些解决思路。

黑客黑掉了摄像头公司 Verkada 15 万个摄像头。Verkada 客户众多，涵盖的行业也非常广，此次被黑掉的摄像头涉及监狱、医院、学校等，Bloomberg 称，黑客获取到了特斯拉工厂视频以及云计算公司 Cloudflare 办公室的视频等。

机器学习·云·报告

最后分享几份行业报告。

Gartner 的两份魔力象限。在数据科学与机器学习魔力象限里，SAS、IBM 等传统数据科学巨头继续保持领先，AWS、微软与 Google 等云计算巨头位居「远见者」象限，阿里云首次进入「利基玩家」象限。

数据科学与机器学习领域目前的市场份额大概在 40 亿美元左右。

另一份魔力象限是 Gartner 云 AI 开发开发服务魔力象限：

微软、Google、IBM、AWS 位居行业领导者象限；中国 BAT 三家公司入围，阿里云在「远见者」象限。

一份关于数据科学与机器学习的行业报告。该报告来自数据科学社区 Kaggle，展现了这个领域从业者的一些特征，比如绝大多数数据科学家年龄低于 35 岁，再比如越来越多的数据从业者开始使用云服务等。

你可以在这里免费下载这份 30 页的报告。

多云市场分析报告。云计算的持续发展，也在加速企业的多云战略，这份来自云服务部署公司 Flexera 的报告提供了当下云计算领域的诸多新趋势和变化，其中花了大量篇幅谈及多云战略，非常值得一读，你可以在这里免费获取这份 80 页的报告。