谷歌首席执行官埃里克·施密特在11年前的搜索引擎大会上首次提出了“云计算”的概念。但在“笼络”企业用户方面，谷歌云的表现却一直不如亚马逊AWS与微软Azure。
没有人会怀疑谷歌的技术实力，大家只是对它在云的布局一直抱着不确定性。谷歌在消费级的庞大业务让不少企业担心，它是否真正愿意放下身段，倾注更多的资源与精力在客户身上？
为了做好云服务，这两年谷歌一直很拼。不论是让高级副总裁、VMware的创始人兼CEO Diane Greene执掌云服务以赢得企业信赖，还是去年11月，聘请斯坦福大学教授李飞飞担任云服务AI与机器学习部门的首席科学家以增强学界信心，甚至根据谷歌高级副总裁Urs Hölzle的说法，2015年谷歌也花了AWS与微软总和的两倍资金用于IaSS基础设施的建设，而且承诺每月一个数据中心的搭建节奏，这些举措都在努力地向企业们证明着它的决心。
砸钱、招人、出产品，谷歌攻城略地的三板斧总是屡试不爽。在今天凌晨的Google Cloud Next' 17云计算大会上，四大天王（Diane Greene、CEO Sundar Pichai、Alphabet 执行主席 Eric Schmidt 、云机器学习与人工智能首席科学家李飞飞）加上近十位合作企业的高管站台，似乎也多了一分人多势众的感觉。
在全长两个多小时的开场Keynote中，谷歌把大部分时间留给了合作企业，这些来自零售、娱乐、电信、金融、电商等多个领域的巨头逐一介绍自家业务是如何使用云服务的：
迪士尼提及如何用云及机器学习打造更加便利的未来零售体验；
SAP则宣布HANA数据库将支持Google云平台，将企业应用程序集成与云服务集成；
Verizon讲了十多万员工如何用Google云上的生产力工作提升效率；
汇丰介绍了为什么放弃自己的私有云平台，转而利用Google的云服务；
Ebay演示了如何用Google Home的智能对话功能，为二手的电子产品估价。
相比之下，四位谷歌高管的出现仿佛只是锦上添花，连首次作为谷歌员工上台演讲的李飞飞，也只讲了不到半个小时。
这样的反差似乎也让我们看到谷歌想做的事情：把舞台更多地留给企业，留给更多的一线技术人员。而谷歌会承担更多的基础服务，经由企业所提供的服务渗透到民众的日常生活中。
这也与李飞飞所发表的演讲内容紧密联系在一起。为普及谷歌云计算，使人工智能真正受惠于民众，李飞飞提出要推行“democratizing AI”（AI民主化）的理念，并指出要从四个方向发力：计算力、算法、数据和人才。而从这四个民主化的方向上，雷锋网也一窥谷歌在云服务上的野心和蓝图。
机器学习计算引擎Cloud Machine Learning Engine实际上早在去年就公布了测试版本，这个基于TensorFlow搭建的平台能够帮助开发机器学习模型。在李飞飞的理解中，人工智能技术以往需要精通编程才能顺利驾驭，如今借助现有的框架，用户可以将基础架构和模型搭建全权交给谷歌云进行大规模处理，把更多的精力放在“做什么”而不是“怎么做”上。这也是谷歌实现技术普及的一个过程：降低用户的使用门槛，把更多的基础内容交给更擅长的谷歌团队来做。
李飞飞于去年11月16日正式加入谷歌云计算业务新成立的机器学习部门 （Google Cloud Machine Learning），当时掀起了一阵学术圈的热议。李飞飞依然在斯坦福保留教职，这半年来的大部分时间她都呆在谷歌，专注新AI团队的建设及跨部门的协作。加入谷歌后，李飞飞的唯一一次公开露面是在北京的未来论坛2017年会，她发表了名为《视觉智能的探索》 （The Quest for Visual Intelligent）的演讲。在期间，她介绍了将图片中学习到的内容对视频进行分析与应用，以便利人们的生活。
而在Keynote上，李飞飞就发布了一系列通用模型API，这也是让AI变得更加“亲民”的一种方式。用于图像识别的Vision API实际上早已经开发了一段时间，而视频分析的Video Intelligence API才是新推出的一大亮点，它可以自动识别视频中的物体，让视频实现可搜索。
用李飞飞的话来说，视频是计算机视觉里面的“暗物质”，因为它无法像图片一样实现便捷的搜索，但Video Intelligence API现在可以帮助开发者开发出从视频中搜索实体的应用，并标记出对应物体的出现位置。雷锋网了解到，除了提取数据，API还允许在对变换的场景打标签。
不论是算法训练还是系统测试，庞大的数据量对于人工智能而言毫无疑问都非常宝贵。在与一些高校老师接触的过程中，雷锋网也了解到高校目前面临着“数据荒”问题。高校研究目前都是采用公开数据集，主要目的是对算法的可行性进行测试。但这些数据集比起企业级别的数据实在是九牛一毛。现在不少高校教授同样身兼企业的首席科学家，数据不得不说是一个非常重要的考量。李飞飞此前加入谷歌，或许也是看中了谷歌在数据的强大实力。
以ImageNet为例，李飞飞在会上也坦承了从零构建这一数据集的艰辛与不易，很大程度在于数据整理的繁琐。而在数据的收集与共享上，谷歌通过收购数据建模与分析社区Kaggle实现更好的资源整合。目前Kaggle已经聚集了超过85万的数据科学家，并且建立了众多开源数据集。此前，谷歌与Kaggle也有过合作，举办了YouTube 8M视频理解挑战比赛，而本次的收购金额不详，但无疑对双方都有好处：谷歌能够为Kaggle上的用户提供市场化的变现机会；而后者可以为谷歌提供更多的开源数据集，毫无疑问能够丰富谷歌的开发生态，甚至，它还能成为谷歌数据科学家的人才储备池。
为了让人工智能的普及范围更广，单从企业的基础设施入手自然不够，人才的培养与合作同样重要。谷歌发布 Advanced Solution Lab的目的，也在于充分利用谷歌人才的实力，帮助其它企业解决复杂的机器学习问题；此外，该计划还将赞助一些尝试解决困难问题的研究者，让他们与谷歌一同携手解决——自然，采用的服务也都会是谷歌生态下的系列产品，而这一举措又能够更好地吸引越来越多的用户转投谷歌麾下。
从谷歌云服务所提的这些战略点来看，不论是正式发布测试已久的Cloud Machine Learning Engine，还是通用模型API，实际上并没有太多惊艳的地方。Google现任CEO Sundar Pichai也表示，云对于谷歌而言是相当大的赌注。因为云服务不像Google X一样阳春白雪，它所服务的是每一个可能因为AI而受益的人，影响的范围可能会是全球性的。
就像李飞飞所提的“AI民主化”的理念一样，云服务想让更多的企业采用谷歌的底层服务，让更多的用户通过谷歌的服务接触到AI，让大家知道人工智能并不遥远。相对于曲高和寡的AI技术，谷歌更看重越来越多用户的“参与感”（participate），
这也是埃里克·施密特在总结中对企业和开发者作出承诺的原因：
“我们是认真的，这是一个非常重要的任务。我们有资金，也有手段和决心，要为所有需要的人提供一个全新的计算平台”。
在接下来的两天时间，Google Cloud Next' 17还会继续公布哪些新产品呢？雷锋网将持续关注。
正在生成分享图...
我在思考中