谷歌云:下一代开发者和企业解决方案的强力竞争者

自从2018年Oracle前研发总裁Thomas Kurian加入谷歌云(Google Cloud)并出任谷歌云CEO以来,业界对于谷歌云的发展就十分好奇。而谷歌云的前任CEO Diane Greene曾是VMware的创始人之一,那么两任企业级技术和解决方案出身的CEO,与谷歌云这个天然具有开发者基因的云服务相结合,究竟将走出一条什么样的云技术路线?谷歌云如何与AWS和微软云这两家分别在开发者和企业解决方案方面各有特色的云大厂展开竞争?

根据Synergy Research Group的2018 Q3调研报告,当时亚马逊和微软是公有云市场中遥遥领先的前两名,合计市场份额超过了50%,当时谷歌处于第四位,阿里巴巴处于第五位,Oracle和腾讯云等处于五到十位之间。而在Synergy Research Group的2023 Q2调研报告中,谷歌云已经跃升第三大公有云厂商,与亚马逊和微软一起合计占据72%的市场份额。尽管亚马逊和微软仍是前两大公有云厂商,但谷歌云已经显示出了强有力的竞争力。

WIKIBON分析师在参加了谷歌云的2023 Cloud Next大会后,认为谷歌云在生成式AI时代已经表现出了数据和AI方面的强力领导地位。WIKIBON分析师认为谷歌云对于开发者和下一代创业公司来说,有着广泛的吸引力。同时,谷歌云在企业解决方案方面的聚焦,与AWS在过去十年间所代表的分散型云服务,形成了鲜明对比。谷歌不断扩展GSI和小型CSP等合作伙伴生态,从而鼓励在全球范围内采用谷歌开发工具。

尽管当前谷歌云的营收只有AWS的五分之一,但谷歌云的长期布局以及将AI视为云的未来,为谷歌云带来了光明的前景。

谷歌云的"成功配方"

WIKIBON分析师在参加完谷歌云的2023 Cloud Next大会后,提出了谷歌云有可能成功的"配方"。

首先是谷歌云当前聚焦的"三驾马车":开发者,解决方案和生态系统。

第一是开发者,谷歌云为开发者提供低代码、零代码和高级编码解决方案,让开发者能够广泛接受和获得这些解决方案,很多现在的20岁出头开发者都是使用Gmail、Google Docs和其它谷歌工具长大的,而不是Microsoft Office的用户,因此这些开发者对于谷歌品牌有着天然的熟悉度和正面评价;第二是解决方案,随着生成式AI Co-pilots的快速进化,已经嵌入到所有谷歌产品中;第三是生态系统,谷歌提供的是高度集成的数据和AI平台,为市场提供以数据为中心的架构,而不是传统的DBMS为中心的架构,此外谷歌云还与全球集成商GSI合作伙伴,同时鼓励全球的小型CSP积极采用其技术。

其次在加速计算方面,谷歌在TPU方面取得的进展,可以部分地弥补GPU的缺口,同时也能更好的将生成式AI集成到所有谷歌产品中。在2023 Cloud Next大会上,谷歌介绍了即将推出的第五代TPU,目前正处于预览版。谷歌TPU v5e相比前几代的TPU芯片具有更高的训练和推理性能,比第四代TPU的训练性能提高了2倍、推理性能提高了2.5倍。同时, TPU v5e可以配置多达256个芯片,从而实现更大规模的学习和推理。总之,谷歌TPU v5e表现出了惊人的性能提升。

最后是安全性,谷歌云强调在DevSecOps方面的全栈能力,特别是在2022年以54亿美元收购了网络安全领域的领导性公司Mandiant,这也是谷歌有史以来的第二大收购案。成立于2004年的Mandiant公司,在全球网络安全领域享有盛誉,在 22 个国家及地区拥有网络安全专业人员,为 80 个国家及地区的客户提供服务。

分析师们普遍认为,谷歌云在TPU方面的独特优势,让谷歌云可以摆脱NVIDIA的控制,特别是第五代TPU将极大提高生成式AI在谷歌所有产品中的普及率。相比之下,微软等竞争对手则面临着GPU供应短缺的挑战。

WIKIBON分析师认为,谷歌云聚焦于开发者体验、优化的解决方案以及不断扩展生态,将为云市场设定新的节奏,特别是整个云市场正在被基于AI的快速创新重新定义的大背景下。而谷歌云在预期和解决基础设施挑战方面的努力可圈可点,TPU的代际更新将让谷歌云在下一轮云市场竞争中超越微软等竞争对手。谷歌云锁定AI和云的战略方向,这将为整个科技产业带来一个新的分水岭,谷歌云也有望成为开发者和行业用户的强有力可选项。

架构差异与生成式AI冲击云市场

在对比AWS、微软和谷歌这三大云厂商在架构和生成式AI方面的差异,WIKIBON分析师得出如下结论:

谷歌的AI集成策略:谷歌在计算、网络和应用解决方案方面的独特架构,是其能够实现在产品中普遍集成AI的重要原因;因为拥有全栈的技术和解决方案,谷歌能够在自己的云平台上一致的扩散AI能力,将AI无缝集成到自有的产品和套件中;由于谷歌高集成度的平台架构设计,谷歌云的AI集成优势,要比微软的Office 365+OpenAI的组合更有优势。

AWS的独特挑战:AWS产品组合更像是300+独立的云服务,而不像谷歌和微软那样是一个统一的平台;尽管AWS也会向其产品和服务中融入AI能力,但其自有云服务本身的分散性将减缓在平台所有层面的AI集成过程;尽管市场上有议论认为AWS在AI方面有些落后,但AWS在AI方面仍有历史性优点,例如SageMaker,但从品牌宣传推广的角度来看,微软和谷歌的力度更猛。当前仍处于AI市场的早期,尽管AWS显得有些落后了,但AWS在历史上都勇争第一,也许年末的re: invent活动将给出新的答案。

架构理念的差异:AWS、谷歌云和微软云的基础设施架构方式各不相同。AWS是更加以硬件为中心的平台理念,聚焦于提供更多的服务以提高硬件能力;谷歌和微软以软件为中心的理念让他们可以快捷地"翻新"自家云服务的平台,从而利用生成式AI的优势;由于基础设施架构理念的不同,AWS将受到更大的挑战,由于理念的错位而导致核心AI工具化和基础设施配给的延迟。

市场认知:年轻一代的云。在年轻一代中,正在发生技术亲和度的代际变化,也就是今年20岁出头的开发者们都是用谷歌套件(Dos、Gmail)等长大的,他们的技术忠诚度更偏向谷歌。

在WIKIBON分析师看来,谷歌正在开发者人群和企业客户中取得重要的进展,而开发者正是AWS的传统优势所在,企业客户正是微软云的强项。谷歌云与微软云因其以软件为中心的平台而有着竞争优势,而AWS的模块化架构将在快速AI集成的竞争中遭遇挑战。尽管AWS遇到了潜在挑战,考虑到AWS传统上在AI方面的竞争优势,WIKIBON分析师认为不能在生成式AI时代低估AWS。不过,由于整个技术产业的代际认知变化,更加年轻的开发者们将倾向于谷歌云,这将对未来数年的云市场支配地位,产生深远的影响。

谷歌云的数据与AI平台及策略

在2023 Cloud Next大会上,谷歌宣布了一系列新的AI 举措,包括推出Vertex AI框架以及Duet面向解决方案的聊天能力等,以及分享了谷歌云对基础设施、数据和AI的构架,这些有助于进一步了解谷歌云在下一代云市场中的竞争态势。

向以数据为中心架构的迁移。当前,很多云平台架构都在向以数据为中心的架构进行迁移,这意味着在AI时代我们正在远离DBMS传统数据库为中心的平台架构。一系列的计算引擎不再与数据队列打交道,而是与一个全局性单一真实数据源打交道。

向以数据为中心的平台架构迁移,其中的一个主要原因是成本------如果继续使用传统DBMS数据库,即使它能提供事务完整性,其成本也十分高昂。通用存储------数据湖,数据湖能处理所有结构化和非结构化的数据格式,这一点意义重大,因为它减少了数据孤岛和处理管道,包括BigQuery、Vertex和第三方在内的多个引擎,可以访问数据湖这单一真实数据源。DBMS的转变,其体系架构发生了重大改变,DBMS不再是数据的"守门人",而仅是数据供应链中的一环,现在多个计算引擎共享一个单一存储引擎,尽管这样做将带来事务完整性方面的权衡,但它提供了灵活性和成本效益。

Duet AI与聊天机器人。谷歌发布了Duet AI,这是一个可以无缝接入各种数字工具的聊天机器人,能够显著提升用户体验。该解决方案既面向普通大众,也可面向专业人群。

谷歌的新品牌定位。谷歌将自身描述为下一代高科技公司的平台,显示谷歌正在努力吸引年轻一代的技术爱好者,并将亚马逊和微软公司定位为传统科技公司。

Looker与BigQuery和Duet。是否需要将谷歌收购的商业智能软件Looker架设到BigQuery之上,以利用Duet的全面优势,这仍存在着一定的不确定性。

平台的一致性。谷歌云的数据与AI平台是紧密集成在一起的。BigQuery和Vertex能够互动而无需将数据在数据管道中移动。这样的特性,在AWS和微软云中尚未看到。

安全。在2023 Cloud Next大会上,安全是重头戏。将Mandiant的能力集成到谷歌云平台,尤其能应对正在兴起的AI安全问题。

网络。谷歌云强调了跨云网络的能力,强调高效数据传输的重要性。

谷歌的分布式云。这一点可能被很多人忽略但十分重要,即AlloyDB Omni的能力可以运行在任何Docker容器实例上而不一定是在云上,这是对分布式云架构和边缘计算的重要支持。

生态。在2023 Cloud Next大会上,看到了GSI们、PWC、德勤、Slalom、Cognizant、HTC、Wipro、Infosys等对于谷歌云的显著投资。

**总结而言:**谷歌云正在云市场强调其以数据为中心的架构、跨所有自有平台集成AI的能力。谷歌云强调具有成本效益、通用存储以及组件之间的连贯互动,从而显示了对于用户体验一致性的承诺。WIKION的分析师认为,谷歌云正在数据与AI平台方面显示了强有力的竞争力,在一些特定场景下显著拉开了与竞争对手的距离。(文/宁川)

相关推荐
985小水博一枚呀3 分钟前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer
AltmanChan4 分钟前
大语言模型安全威胁
人工智能·安全·语言模型
985小水博一枚呀8 分钟前
【深度学习滑坡制图|论文解读2】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer·迁移学习
数据与后端架构提升之路17 分钟前
从神经元到神经网络:深度学习的进化之旅
人工智能·神经网络·学习
爱技术的小伙子23 分钟前
【ChatGPT】如何通过逐步提示提高ChatGPT的细节描写
人工智能·chatgpt
深度学习实战训练营2 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20064 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_4 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover4 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川5 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程