头图来自视觉中国
本期导读：
首先，从 AI 公司 Databricks 入手，分析其所处赛道、商业模式以及潜在挑战。其次，AWS 为何如此赚钱？这不仅是关于 AWS 的谜团，也是外界对云计算公司营收的好奇，本期将提供几个理解角度。此外，中国市场的 GPU、DPU、AI 芯片投资热潮暴涨，“中国何时能出英伟达”？回答这个问题之前，需要先理解一些中国“英伟达”们所在的市场情况。
本期还将关注：
• Facebook 自研芯片、华为推出“武汉云”、HPE 获得 NSA 20 亿美元合同；
• Google 如何看待机器学习的发展方向；
• 浙江发布人工智能产业发展报告；
• 一组人工智能/机器学习的开放学习资源，包括视频、图书、播客等；
焦点
一家跑出来的 AI 公司：Databricks
如果说中国 AI 芯片创业公司是新的投资机遇，那么“上一代”的 AI 创业公司，所谓中国“AI 四小龙”们，则进入到投资人“财务结算”阶段。
和讯科技梳理了商汤、云从、依图、旷视目前的营收、亏损状况，结论是这样的：
持续的亏损、高昂的研发投入、承压的现金流，似乎成为AI四小龙的共性问题，也成为AI四小龙上市路上的绊脚石。
与中国 AI 创业公司所面临的困境不同，美国市场最近几年出现的几家所谓 AI 公司，比如Databricks、C3.ai 等，则展现出强劲的增长，以 Databricks 为例，该公司刚刚完成一笔 16 亿美元的 H 轮融资，而七个月前的 G 轮融资，Databricks 拿到了 10 亿美元，目前估值已经超过 380 亿美元。
Databricks 依托开源数据服务 Spark 为基础，提出了“Data Lake House”的理念，即打通所谓数据湖（Data Lake）和数据仓库（Data House），构建了一个统一的数据分析和服务平台，并引入大量 AI 技术，帮助企业客户快速高效处理海量数据。
自 2013 年创立以来，Databricks 发展迅速，其大客户包括阿斯利康、汇丰银行等巨头公司，在新一轮融资期间，Databrick 也披露该公司 2020 年的年度经营收入为 6 亿美元，高于上一年的 4.45 亿美元。Databricks 所处的领域，Snowflake 已经完成 IPO，市值在 900 亿美元左右，C3.ai 也在快速增长中。
某种意义上说，由于 Databricks 这类公司并不“拥有”数据，客户数据更多还是在 AWS、Azure 等云服务商那里，所以，无论是 Databricks 还是 C3.ai 也必须面对客户随时转向其他家的挑战。
另外，结合上市后的 Snowfake 的部分数据来看，这类公司的大客户相对集中，比如 Snowflake 拥有 3000 个客户，但其 30% 的营收来自其中的 153 个客户。
第三，也是更重要的一点，云计算巨头会如何看待 Databricks 这类公司？就目前来看，美国三大云计算公司里，AWS 的 Redshift、Google 的 BigQuery 、微软的 Azure Synapse 与 Databricks 拥有一定相似度，而且由于大量企业客户将数据存储在这些云服务上。未来，也不排除三大云计算巨头通过价格、更快速的产品整合，吸引 Databricks 的客户们过来。
当然，谁又能排除 Databricks 被某家巨头收购的可能性呢？如果发生，必然是一笔巨额交易。
巨头
AWS
AWS 已经是亚马逊的赚钱利器，2021 二季度的营收达到 40 亿美元，同比增长 25%，CNBC 前不久对 AWS 为何赚钱做了一番分析。
虽然 AWS 目前提供超过 200 项产品或服务，但其核心产品——同时也是云服务商的基础产品——计算、存储、数据库、网络——才是最大的利润来源。
由于 AWS 从未详细拆分过不同产品的营收百分比，CNBC 也只能借助一些其他市场对手的数据进行预测，比如通过 DigitalOcean 的计算产品毛利推测 AWS EC2 的收入。
而另一个值得关注的收入来源是网络传输费用，客户使用 AWS 的任何一项服务，只要发生数据传输，那么在存储费用之外，网络传输的费用有时很非常惊人，比如虽然 NASA 与 AWS 签署一项为期 5 年、价值 6500 万的云计算合同，但这依然隐含着数据下载到本地的费用，而且非常具有不确定性。
CNBC 的分析虽然仅仅是 AWS，但依然具有行业通用性，比如这几年包括 AWS 在内的巨头都在强推无服务器，在宣传可以更好利用云计算资源的同时，事实上也大幅增加了企业在计算方面的成本；至于网络传输费用，国内阿里云、腾讯云也会收取类似的费用。
在强势进军元宇宙的同时，Facebook 也在加速自研芯片的进度，付费媒体 Information 披露了 FB 机器学习芯片的研发情况，几个关键点：
• FB 的计划是将芯片用于内容推荐；
• 利用自研芯片降低对英特尔、英伟达等芯片公司的依赖，进一步降低成本；
• FB 的芯片完全自研；
• 目前用于 100 多人的研发团队；
结合此前 Bloomberg 的报道，前 Google 芯片团队的技术专家 Shahriar Rabii 应该是 FB 芯片研发的关键人物，他在 2018 年加入该公司。
华为
华为云本月初落地了一个政务云项目“武汉云”，官方新闻稿这样描述：
武汉云作为城市的数字底座，将全面赋能政府管理、惠民服务、城市治理、产业创新、生态宜居等5大重点应用领域，支撑新型智慧城市建设运营，构建数字产业生态、打造创新产业平台，服务武汉城市圈，辐射长江经济带，探索超大城市发展数字经济的新路径，打造武汉城市高质量发展的新名片。
政务云是华为目前的优势领域，IDC 此前的数据显示，华为云市场份额 32.17%：
政务云市场同样阿里云今年重要的发力方向，而在“软件国产化”的大趋势下，云计算带来的软件云化会为政务市场的软件升级迭代提供新的可能，以数据库为例，在争取摆脱 Oracle 等数据库产品的同时，包括阿里云、腾讯云在内的云计算公司，也在加快将云上的数据库推向更大的应用场景里，前不久，阿里云智能数据库事业部总负责人李飞飞就坦言，政企市场是检验云数据库产品竞争力的黄金标准。
而在 IDC 8 月份发布的 2020 年中国关系型数据库市场研究报告里，阿里云的市场份额达到 28%，并在公有云部署市场占据绝对领先地位。
政务云市场另一个值得玩味的信息是，不久前引发诸多关注的天津国资委强令推行“国资云”的文件似乎已经失效，国内媒体随后的相关报道都已经被删除，这里是新加坡《联合早报》的报道，目前也未有新的文件披露。
HPE（惠普企业）。根据美国 NSA 网站发布的消息，HPE 获得一份价值 20 亿美元的巨额合同，这份合同为期 10 年，将在 2022 年正式开始生效，HPE 将向 NSA 提供包括高性能计算机在内的多项计算服务，涉及边缘、云服务器等多个场景。
OpenAI。NYT 报道了 OpenAI 新近推出的可写代码的程序 Codex，通过多位研究者的观察和试用，这款产品更多还是在提升人类程序员的工作效率，并且可以作为入门的“教师”，而不可能成为专业工程师的威胁。
OpenAI 上周关闭了一个通过其超大语言模型 GPT-3 进行聊天的项目，据了解，有开发者通过 GPT-3 提供的 API，构建了一个可以和去世亲人“聊天”的服务，你可以通过这里详细了解这个案例，非常感人。
英伟达。路透社援引消息人士的话说，英伟达正在寻求欧盟批准其对 ARM 的收购。
目前对这笔 400 亿美元的收购计划，高通、三星和苹果表达了担忧，而博通、联发科则支持收购。
上周末，科技媒体“钛媒体”喊出“中国何时诞生英伟达”的问句，在这篇长长的文章里，焦点放在中国的 GPU 以及 AI 芯片创业公司领域，有几个值得关注的方向。
首先，无论是 GPU、AI 芯片还是其他芯片，这些隶属于半导体领域的公司都具备周期长、风险高的特点，5–10 年是一个周期；
其次，看待芯片产业应该具有“产业链思维”，在这个链条上，宏观上包括设计、制造、封测、材料、EDA 五大环节，中国公司的优势和劣势在哪里，需要有一个清醒的认识；
其三， 中国 AI 芯片的快速发展，得力于中国 AI 的广泛应用和海量数据，这是市场推动的技术和产品创新，具有鲜明的中国特色，这意味着，这些 AI 芯片能否走向更多市场（比如非洲或东南亚），甚至成为某种行业标准，现在都是一个未知数；
其四，即便是在 AI 芯片领域，依然还有诸多细分的赛道或垂直的应用场景，这并不是一款产品所能覆盖，需要根据特定场景提供新的解决方案，在这样的背景下，中国 AI 芯片的发展格局，未来两到三年会越发进入细分、垂直的竞争阶段，不同的细分领域或许可以出现几家估值 10 亿美元以上的创业公司。
市场
来自加州的 RISC-V 芯片创业公司 Ventana Micro Systems 完成 3800 万美元融资，现在，从资本到创业者，都在加快进入 RISC-V 领域。
由保险公司安联支持的投资公司 AV8 Ventures 推出第二支总额达到 1.8 亿美元的 AI 基金，主要面向健康、深科技、企业市场的 AI 早期创业公司。
布鲁克斯基金会的报告显示，湾区依然是美国 AI 的创新中心，其他地区还包括纽约、波士顿、西雅图等，你可以在这里免费下载这份报告。
2021 浙江 AI 产业发展报告发布，这个报告的制作单位包括浙江网信办、科技厅等，其中的几个关键数字：
• 2020年浙江省人工智能产业总营业收入2693.43亿元，同比增长11.99%；利润总额337.41亿元，同比增长14.84%，产业规模和效益双提升。
• 重点行业方面，浙江省智能安防、智能零售、智能制造、智能计算等位居全国前列，AI芯片、AI软件、区块链等全国领先，智能驾驶、智能物联快速发展。
不过目前我还没有找到该报告的全文。
机器学习未来的方向，来自 Google 的解读，这是一篇公关稿，站在 Google 的视角预测机器学习的发展方向，基本也是当下行业关注的领域，可以看一下。
资源
机器学习领域有非常多开放的学习资源，包括行业报告、开源项目以及视频教程等，下面是一组来自 Twitter 用户 Sunny 的推荐，基本都是海外各大高校的开放课程，我从中挑选了几个：
• 人工智能入门视频：非常基础，但很系统的介绍；
• 纪录片：人工智能的历史：只有了解这些历史才能更好理解为何当下人机关系会如此微妙；
• 机器学习入门介绍：这是 MIT 的课程，非常棒；
另外，此前我还分享过斯坦福大学教授 Christopher Potts 关于自然语言处理的视频，详细阐述了自然语言处理的历史进程，并对未来的发展提供了一些预测和思考，非常值得观看。
当然，还可以通过一些更入门的内容，了解人工智能，比如图书，这里有几本关于人工智能的图书，感兴趣的朋友可以点击下面的链接进一步了解，这些书都可以在亚马逊上买到电子版：
• Genius Makers：某种意义上就是一部深度学习简史；
• A Brief History of Artificial Intelligence：人工智能历史简易读本；
• The Myth of Artificial Intelligence：戳破所谓“智能”背后的一系列谎言；
• Atlas of AI：AI 是一场“权力的游戏”；
• Futureproof：自动化、AI 趋势中的生活与工作；
最后是两个播客。微软官方一档播客的主持人居然是微软 CTO Kevin Scott，这可能是目前主持人级别最高的公司播客，每期都是类似访谈的形式，Kevin Scott 会邀请一位技术从业者讨论对技术发展的理解。很多访谈者都有丰富的经历，他们不仅相信技术的力量，更对整个世界充满了好奇，也正是这样的好奇心，促使他们在更多领域探索新的可能性。你可以在这里查看这档播客的介绍，选择自己感兴趣的播客平台收听。
FT 的机器学习播客：Tech Tonic。这是一档我个人非常推荐的播客节目，同样没有太多技术名词，但选题切入点很好，同时制作精良，引入很多原声，更像是一档有声纪录片，你可以在这里选择不同的播客客户端订阅收听。
评论