至頂網軟體頻道消息： Google剛剛宣佈了對其機器學習服務（MLaaS）進行重大改進， 以縮小過去一年中和微軟之間的競爭差距。 不僅如此， Amazon的AWS去年11月份在AWS Re:Invent上宣佈了自己新的MLaaS工具和服務， 試圖讓AI應用開發人員在AWS雲上構建自己的智慧應用。 如今MLaaS還處於起步階段， 但對於那些更傾向於將所有雜亂細節留給其他人的企業來說， MLaaS可能會成為一個占主導的人工智慧平臺， 這些企業點擊一下就可以租賃到人工智慧服務。 本文總結了每個公司的戰略和策略， 並試圖確定誰是贏家和輸家。
MLaaS：承諾和問題
Google、微軟和AWS：不同的優勢和方法
Google MLaaS
戰略：Google利用自己在人工智慧和深度學習方面的領先專長（Google內部擁有超過7000個人工智慧項目， 全球超過100萬人工智慧用戶）， 為人工智慧開發提供最先進的開發工具和最高性能的硬體平臺。 這完全是關於開發人員的， 因為Google不擁有像微軟這樣的用戶。
策略：
- 讓TensorFlow成為人工智慧硬體和軟體之王。
- 將人工智慧應用于人工智慧的開發。 Google聲稱其最近宣佈的Google Cloud AutoML可以極大地簡化DNN開發的複雜任務。 Cloud AutoML不是使用額外的自訂資料（如微軟那樣）來增強預先訓練的API， 而是從客戶自己的資料開始， 構建一個自訂深度學習模型。 AutoML有非常酷的儀錶板， 你可以在開發和調整模型時輕鬆查看模型的效率。 Google甚至將內部資料標記作為服務提供——這是一些人們認為最終將由人工智慧實現自動化的手動過程。
- 將Google在資料中心之外的應用範圍擴展到邊緣消費者設備和自動駕駛汽車， 獲取Google雲平臺上的所有人工智慧開發專案。
微軟MLaaS
戰略：使用微軟龐大的企業和政府安裝基礎， 以及其廣泛的生產力和業務流程工具組合，
策略：
- 提供豐富的機器學習API來處理每種資料類型， 因為每個公司或機構的資料都與其業務不同。 使使用者能夠利用包含組織的產品、人員、詞彙等的資料樣本來擴展訓練的神經網路（微軟是第一個走上這條道路的公司， 現在提供29個API， 其中許多API支援DNN的定制訓練資料）。
- 為那些需要構建自己的深度神經網路的客戶提供最高性能的機器學習框架， 尤其是針對自然語言處理的客戶。
- 利用人工智慧增強每個微軟產品——為Office 365、Dynamics、Windows以及Redmond Vault中的每個產品提供智慧功能。
亞馬遜AWS MLaaS
戰略：使用AWS的超大規模和豐富的工具集， 為人工智慧應用提供最具成本效益的開發和部署平臺。
策略：
- 首先， 將為亞馬遜的大型線上業務開發的工具和平臺提供為AWS服務。 為Alexa和Amazon eComerce開發的工具， 現在可以幫助你輕鬆構建聊天機器人或語音啟動產品或服務。
- 提供世界級的開發工具， 如MXNet框架、Lex、Rekognition和SageMaker， 以減輕開發負擔。 這些工具都具有很高的粘性， 確保AWS在開發過程完成後成為部署平臺。 尤其是SageMaker很有趣， 為整個機器學習開發生命週期提供了一個全方位管理的平臺。
- 為每個開發人員提供最具成本效益的雲基礎架構， 無論開發人員選擇哪種CPU、GPU或AI Framework。
結論
首先， 必須提醒的是：無論這些人工智慧服務如何好， 企業都需要認識到MLaaS的局限性。 問題當然在於細節。 如果預先訓練好的網路作為一種服務不能充分地包含你想要識別的各種面孔、詞彙和物件呢？如果你想在自己的基礎設施上運行人工智慧應用，
順便提一下， 我很驚訝地發現AutoML是在NVIDIA GPU上運行的， 而不是被稱為GTP的Google TPU。 我預計這種情況可能很快就會改變， 但這確實表明， 去年春天Google預先發佈了Cloud TPU是為了顛覆NVIDIA GTC爭取更多事件， 而不是與即將到來的發佈上市保持一致。
儘管如此， 我相信Google在人工智慧方面的實力將有助於Google達到並有可能超越微軟目前在MLaaS技術上的領先地位， 而微軟在企業軟體市場的實力將説明其通過其應用組合實現其人工智慧投資的變現。
而微軟在企業軟體市場的實力將説明其通過其應用組合實現其人工智慧投資的變現。