Google Cloud首席执行官Thomas Kurian近日表示,看好Google Cloud的AI创新以及市场地位。
他表示:“我们为训练和服务模型构建了全球最好的AI基础设施,包括成本、性能、规模、吞吐量——所有这些指标。如果你正在构建一个应用,你只需要一半的成本,这对于采用我们的云来说是至关重要的。”
总部位于美国加州山景城的云巨头Google Cloud今年已经投入数百万美元推出新的生成式AI产品,以推动Google Workspace和Google Cloud Platform等旗舰平台的发展,并向生成式AI初创公司Anthropic投资了20亿美元。
Kurian表示,从Google Cloud的开放性和数据专业知识再到合作伙伴服务战略,Google在AI方面是具有竞争优势的。
从数字来看:谷歌云与微软、AWS
这家快速增长的云巨头在2023年第三季度收入创下新高,达到84亿美元,同比增长22%,这一增幅高于微软(销售额同比增长19%)和AWS(2023年第三季度收入同比增长12%)。
Google Cloud的年运行率目前是该公司有史以来最高的,达到了336亿美元。
Synergy Research Group的数据显示,2023年第三季度全球企业云基础设施服务支出达到681亿美元,同比增长105亿美元。Google Cloud、AWS和微软合计占据全球市场66%的份额。截至2023年第三季度,AWS拥有32%的全球云市场份额,其次是微软的23%,然后是Google Cloud的11%。
由于销售额激增以及客户对Google Cloud解决方案的强烈需求,Google Cloud今年每个季度都报告了营业利润,这在公司历史上尚属首次。例如,2023年第三季度,Google Cloud实现了2.66亿美元的营业收入,高于去年同期的亏损4.4亿美元。
Kurian称赞Google Cloud的合作伙伴是Google Cloud在销售增长和AI市场竞争中脱颖而出的主要原因之一。他说:“[我们]为系统集成商、ISV提供支持,大量投资以推动生态系统,同时也对合作伙伴进行投资,让他们能够和我们一起构建业务,帮助我们的客户和用户获得这些优质的资源。”
Kurian在接受采访的过程中,解释了为什么Google Cloud在炙手可热的AI市场上能够击败竞争对手微软和AWS。
与AWS和微软相比,Google Cloud在AI领域的市场差异化体现在哪些方面?
我们认为有五点很重要。首先,我们为训练和服务模型构建了全球最好的AI基础设施,包括成本、性能、规模、吞吐量——所有这些指标。如果你正在构建一个应用,你只需要一半的成本,这对于采用我们的云来说是至关重要的。目前,有70%的AI独角兽公司和50%的AI初创公司都在使用我们的Google Cloud Platform,所有这些公司都是有见地的,他们的选择是更好的。
其次,当你观察企业和解决方案合作伙伴(例如系统集成商等)时,他们需要的是一个平台。AI不仅仅涉及模型,还涉及到模型所需的所有工具。
这是什么意思?
想象一下,你正在构建一个客户服务示例,并且正在使用模型进行构建。你如何确保模型不会开始影响顾客?当你询问“我的账单是多少?”时,如何确保你得到的答案在100%的情况下都是100%准确的。
你不能说,“哦,好吧,抱歉。我们有20%的时间是会犯错的,因为我们的模型会产生幻觉。”因此,要有一系列围绕该模型的服务。基于我们在Google的所有经验,我们为人们提供了一个平台,使他们能够获得围绕该模型的所有服务。这就是为什么他们能够走得更快的原因。
Google Cloud的其他市场优势是什么?
第三,我们让他们选择各种不同类型的模型:来自Google的、来自开源的、甚至是来自第三方的。他们可以选择自己想要的模型。你知道的,就是垃圾进、垃圾出。因此,如果你的数据不干净,无论如何——你的模型可能是一个优雅的模型——但却是不会起作用的。所以,我们已经拥有了所有这些作为技术基础。
第四,我们在把AI模型集成到产品的方面,有着悠久的历史。仅仅说“我有一个模型”并不像说“它集成在产品内部”那么有效。因为人们在产品内部的体验——提示有多好?我需要在提示中问多少次问题才能得到答案?——这是我们长期以来积累的专业知识。
举个例子,我们的生产力工具Gmail,10年前我们在其中集成了AI。因此,我们把如何让模型在产品内高效运行方面的专业知识引入了Google Workspace和使用了Duet AI的Google Cloud Platform中,让合作伙伴能够更快地围绕它构建解决方案,因为我们已经做到了。
最后,与拥有大型服务组织的竞争对手不同,我们不会对客户说,“你必须使用我们的服务。”事实上,我们会告诉客户,“从你的系统集成商、顾问、技术合作伙伴、让你满意的AI MSP开始”。我们要做的就是让我们的服务人员协助他们完成项目。这相比说“嗯,我不确定我的合作伙伴是否具备专业知识,所以我直接接手业务”,是一种完全不同的方法。
关于对下一代AIMSP的需求,他们赚钱的机会在哪里?
我们主要看到了三点。首先,很多历史上的云计算技术、基础设施和分析,主要是都在IT部门出售的。而对生成式AI来说,合作伙伴可以向IT部门销售高价值的解决方案,例如重构软件工程师的工作方式,或者改进IT帮助台的工作方式等高价值解决方案。因为今天,我们有企业部署了我们的解决方案以自动执行密码重置等操作。因此,[机会就是]你可以在IT部门销售更多的产品。
其次,你可以在每个面向客户的部门进行销售。营销、销售和服务是使用生成式AI进行创新的一个重要领域。每家银行都在重新思考如何为客户提供服务。电信公司正在重新思考他们的呼叫中心。医院正在思考如何重新安排时间。所有这一切都在使用生成式AI。因此,这对合作伙伴来说,是向职能部门出售外部IT方案的一个机会。
第三,许多CEO认为这是使公司更加精简的一种方式。以我们在沃达丰所做的工作为例。沃达丰通过使用我们的AI,能够找到与成千上万供应商签订的所有合同以及条款、条件等,这样他们的供应链就可以更加高效。这些都是后台的机会。
所以,我们正在后台的每个职能部门创造机会:“你如何购买?如何与供应商合作?你的合同风险有多大?你的应付账款是多少?”这是企业一个全新的组成部分,系统集成商、解决方案合作伙伴和独立软件供应商都可以在这里进行销售。
就规模而言,AI MSP的机会有多大?
这些项目不是你可以进进出出的项目。因为随着模型不断发展并变得越来越强大,客户在一个领域取得成功,他们可能会说,“哇,你实现了我IT帮助台的自动化。为什么不来帮我看看我的HR服务台呢?HR服务台是人们寻求福利、信息、医疗保险、以及所有这些东西的平台。
所以这其中会有很多潜在的商机。这是我们第一次看到技术决策是在IT部门内完成的,但也在这些公司的每个业务线IT部门之外完成。
这种情况也会发生在小公司身上,因为小公司也想从中受益。他们没有IT专业知识,他们需要能够将其作为托管服务来完成。较大的企业则看到了真正改变商业模式的潜力。
因此,从小公司到大企业,他们都是有兴趣的。这一次,我们看到全球需求正在不断涌现,不仅发生在美国,几乎发生全球的每个国家。
你是如何帮助合作伙伴成为AI MSP的?
我们通过多种不同的方式为合作伙伴提供支持。首先是培训他们。例如,我们不仅对他们进行产品培训,还对即将出现的所有客户用例进行培训,[然后]他们就可以开始考虑怎么组合解决方案包。
其次,我们正在投资让他们进行需求挖掘和潜在客户开发。我们会举办一些活动来向人们传递AI相关的知识,人们来参加我们的AI活动,然后我们把线索提供给合作伙伴。因此,他们不仅接受了培训,能够使用最新的模型,获得人们所需的解决方案,现在他们还能得到客户商机。
第三,我们为他们提供技术专家的支持。因此,当他们参与一个项目需要支持的时候,他们会说,“嘿,我看到了这个。我这样做对吗?”我们有技术专家可以与他们就此进行交流。我们不仅与咨询公司合作,还与独立软件供应商合作,包括Workday、Salesforce、UKG、DocuSign,等等。
那么我们为什么要与独立软件供应商合作呢?当人们使用他们的产品时,模型自然会成为产品的一部分。你不必离开产品来使用模型,因此这已经融入到你的体验中了。
例如,人们希望将我们的Google Workspace生产力工具与Salesforce结合使用。我们向他们展示了如何做到这一点。举个例子,我在Workspace中编写了一份销售提案,而且我是使用AI来编写的。如果这是一个早期阶段的机会,你想用一组信息来编写。如果你因为即将完成交易而写一封结束信的话,内容则会一些不同。现在,有关信息已经在Salesforce中了。因此,我们把AI工具与Salesforce集成,当你在Workspace进行编写的时候,实际上你可以直接从Salesforce访问信息,模型会使用这些信息智能地进行编写。
所以,我们为系统集成商、ISV提供支持,大量投资以推动生态系统,同时也对合作伙伴进行投资,让他们能够和我们一起构建业务,帮助我们的客户和用户获得这些优质的资源。
好文章,需要你的鼓励
马来西亚,东南亚第二大汽车市场,长期以来被日韩汽车品牌占据主导地位。近年来,随着电动汽车的兴起,中国品牌比亚迪迅速崛起,占据了马来西亚电动汽车市场近 80% 的份额。面对这一局面,马来西亚政府将目光投向了本土汽车品牌 Proton 和 Perodua。
微软推出了一个名为AutoGen Studio的开源界面。该界面可以通过设置Python API,以及简单的拖拽页面操作,从而无需编写代码,即可
NVIDIA Grace Hopper 超级芯片架构将 NVIDIA Hopper GPU 的开创性性能与 NVIDIA Grace CPU 的多功能性结合在一起,在单个超级芯片