云计算、互联网社交领域未来几年竟然这样发展!
当前位置: 主页  »  资讯中心

云计算、互联网社交领域未来几年竟然这样发展!

来源:本站 发布时间:2017-3-28 10:09:13 浏览量:

云计算与AI:数字化颠覆的底层支撑

云 计 算

2016年整体市场规模超五百亿

2016年,中国企业云服务整体市场规模超500亿元,预计未来几年仍保持约30%的年复合增长率。


越到底层越标准化,价格战可能性也越高

云服务产业链非常简单:位于底部(产业链上游)的一层可以为其上面(产业链下游)的任何一层或者终端客户提供服务。在链条中,越是底部,标准化程度越高,价格战也越有效,例如硬件;越是上层,越接近用户,标准化程度越低,越没法进行简单横向比较,例如SaaS层服务:性能稳定性、功能丰富性、交互、体验等都在其中,很难简单评价性价比高低。目前来看,即使是偏底层的IaaS层服务,性能稳定性仍有差异,因此单纯降价并非是赢得客户尤其是大客户的最有效手段。但是规模上最大、技术水平最完备的企业主动挑起价格战,容易将其他企业从行业内直接挤出。


融资次数略有回落,天使轮和A轮居多

从融资次数来看,2015年次数最多,为641次;从融资轮次来看,大部分融资仍然集中于早期的天使轮和A轮。从获得投资的企业业务类型来看,数据服务类企业最受资本市场青睐。


行业趋势一:服务分层淡化

IaaS、PaaS和SaaS不再有明显界线

从技术角度看,随着API调用越来越多,跨层应用越来越多,例如统计类工具,SDK部分是在PaaS层完成,但后期所有的报表查看和分析都是在网页端(SaaS层)完成。目前,已经有CaaS(Communications  as a Service,通信即服务)、BaaS(Backend as a  Service,后端即服务)等不同概念,但因这些概念并不能完全概括云服务的全部,并未广泛应用。

从商业角度看,每一层服务商都希望给客户/用户更好的操作体验和更全面的增值服务,这就导致他们主动向其他层渗透:不断有刚需性质的上层服务成为下层标配,如数据库;也不断有下层服务集成打包升级为上层服务,如融合了CDN、存储而又增加了美化、鉴黄等功能的视频云。

行业趋势二:多种技术要素相互融合

大数据是云计算支撑的多个应用方向之一

云计算和大数据你中有我,我中有你,密不可分。


云计算、大数据、人工智能、物联网、区块链融合为新平台

客户希望能在同一个平台上得到更多的服务,这些服务往往是超出计算、存储和网络本身的,如大数据、人工智能、物联网和区块链,这些技术要素和相应的产业要素相互促进,相互融合。目前来看,大数据与云计算平台融合得最为深入,人工智能(尤其是深度学习)为当前的发力点,物联网和区块链已有少量服务商开始布局,但整体上看仍为蓄势待发状态。

人 工 智 能

人工智能,从模拟到超越

人工智能(Artificial  Intelligence)的概念诞生于1956年的达特茅斯会议,起初被界定为“让机器的行为看起来就像是人所表现出的智能行为一样”。其实人工智能一直处于发展之中,一些过去看来很“人工智能”的行为会让如今的人们觉得是“机械重复”,但人工智能的本质并不会发生变化,即试图模拟甚至超越人类智能,使机器协助人类更好的完成工作。

人工智能技术变迁,六十年修炼登上围棋之巅

人工智能的四大成因与三大软肋

21世纪人工智能的里程碑之一是GeoffreyHinton发表的《A fast learning algorithm for deep belief  nets》,深度学习算法模型自此快速迭代,伴随计算能力的增强和海量数据(603138)的出现,机器能够在有限时间内捕获事物典型特征,人工智能在语音识别、图像识别等边界清晰的领域大获成功。另一方面,现阶段深度学习的方式过于依赖数据,在只有少量数据或者已有数据不足以代表事物特征、数据不易标注的领域,人工智能较难取得理想结果;深度学习的相应理论未能跟上,工业实践调试中存在大量Trick,黑箱模型致使人类无法观察和控制,限制了人工智能的应用范围;在边界清晰的领域内机器游刃有余,但当罕见情况出现、稍微越界的时候,机器可能不知所措,相比人类在开放环境下的调整能力,机器学习的鲁棒性依然很差。

中国人工智能产业图谱


语音交互:语音识别胜利在望,虚拟助理道阻且长

针对单人近场较为安静的环境中的日常普通话语音实时听写,国内一线智能语音公司对外宣称的准确率均在97%以上,技术差异性体现在对地方性口音的识别、噪音的抗干扰能力、特定专业领域的优化、识别速度、离线识别能力等方面。国内主流的手机输入法的语音听写功能均达到可用级别,为用户尤其输入法重度用户带来极大便利,但考虑到语音输入对公共环境的影响与用户对个人隐私的需求,语音交互暂时难以取代屏幕触控、键盘、鼠标等成为大众主流的人机交互方式。目前语音识别的商业变现,一方面是针对企业、法院、医院的语音识别解决方案,一方面是个人消费者在特定场景中使用的智能车载、智能家居。

尽管机器能以97%的准确率输入人话,却依旧不能较为理想的与人对话。聊天机器人(300024)已能轻松实现较为简单的对话交互,如天气情况、百科知识,并可完成诸如开灯、打车、放音乐等较为套路的任务执行。当对话进入多轮交互,目前机器的语义理解、常识推理能力与成年人相比仍有较大差距,难以成为大众贴心得力的助手或无话不谈的朋友。目前机器对话的商业变现,一方面为针对企业的虚拟客服,在人机协同下为客户带来更好体验,一方面为针对儿童的陪伴机器人。

视觉智能:竞赛超越人眼,开放性应用有待技术革新

2012年,AlexNet模型以超越第二名10个百分点的成绩在ImageNet竞赛中夺冠,深度学习在视觉识别中一战成名,2015年夺冠的残差网络模型ResNet更是深达152层,以3.57%的错误率超越人眼。尽管视觉智能也存在鲁棒性差、依赖数据、黑箱模型的AI通病,但在身份认证、安防监控、疑犯追踪、内容审核等领域,面对浩如烟海的视频、图像数据处理需求,机器视觉能够相对即时高效的应对处理,降低人力成本。美图美颜、PokemonGO、AR实景红包等娱乐、营销的新玩法也得益于机器视觉的技术进步。新兴的生成对抗网络GANs正在探索文本转图像、影像超分辨率重建。自动驾驶系统、医疗影像分析也将因为视觉智能技术革新而取得突破性进展。

自动驾驶:出租车、巴士、货车引领无人驾驶

自动驾驶系统需要车辆装载摄像头、激光雷达、毫米波雷达、红外线传感器等诸多传感器,以对周围动静态环境进行精确感知。激光雷达具备精确可靠的空间定位与描述、障碍物检测等独特能力,能够帮助车辆有效应对交通拥堵、狭窄道路的状况,可其单价50万的高昂成本亦成为限制自动驾驶快速商用化的原因之一,但伴随大规模量产,激光雷达的成本可大幅降低。另一方面,真实路况非常复杂,现阶段自动驾驶系统的感知鲁棒性仍然较弱,遇到罕见突发情况极易处理不当酿成车祸。因此相比民用私家车,无人车将首先在单一的受限场景中商用量产,作为出租车、巴士、货车、摆渡车等完成相对固定简单的载人、送货任务。

商业智能:智能决策助力企业效率最优化

信息化系统是企业收集自身数据进行大数据分析和智能决策的基础,除了自身数据,企业还可通过电信运营商、垂直行业、互联网公司、第三方数据整合者、政府等公共机构获取外部市场环境数据。传统大数据技术帮助企业采集数据、监测数据、进行基本分析、可视化呈现,往往仅能从规律层面提供辅助性的决策支持,但无法针对核心问题给出直接决策方案。商业智能结合自然语言处理、机器学习、强化学习、迁移学习、运筹学等算法模型,帮助企业从错综复杂的大量数据中,抽象出各种变量因素,自动提炼最优决策的智能模型,并运用到商业实践中。

人工智能:梦想照进现实,智能融入生活

2016年,投资机构与媒体对人工智能、深度学习高度关注,但强调深度学习的能量却轻视了现阶段AI应用缺乏研发理论知识、鲁棒性差、数据需求苛刻等问题。诸多领域人工智能也并不足够智能,技术路径仍待探索,AI产业存在泡沫。另一方面,在大众广泛讨论的机器感知能力,如语音识别、视觉识别等模式识别之外,人工智能已在信息流推荐、广告排序、商业决策等相对抽象的领域为工业界带来千万级价值。从长期来看,在强化学习、迁移学习等机器学习其他方法的发展演进中,人工智能势必会诞生新的技术来应对今天工业实践中的种种问题,从学术研究走向工业实践,从教授学者走进千家万户,从科幻电影的奇思妙想变成你我日常的如影随形。


人工智能:多一份智能,少一份人工?

人工智能在促使社会总生产力提升的同时也将对各行各业的工作方式产生复杂影响。一方面,先进的生产工具将会给一些职业带来更多辅助,帮助他们在单位时间内完成更多的工作内容,诞生更具想象力的新的工作形式,进一步释放人类潜能;另一方面,人工智能将逐步在边界清晰的领域落地生根,为人类提供更多闲暇的同时,替代人类、昼夜无休。个人层面,应注重汲取新知识、增强学习能力、顺应时代发展,借助人工智能提升工作效率。国家层面应积极应对,制定利于AI发展的产业政策,做好学校教育的方向引导,为待就业人员提供福利保障。国家、企业、学校等公共机构通力合作,避免因技术进步导致社会资源分布不平衡的加剧。

信息:互联网消弭人机边界,丰富互动维度

社 交

潮起潮落:中国社交网络的变迁史

十几年来明星产品不断交替,危机感时刻都在

自上个世纪末,猫扑、天涯社区等论坛出现开始,社交网络经历了近二十年的发展,从最初的以展现信息、发布信息为主,正在向着移动化、多元化、兴趣化不断发展。社交产品你来我往,不断更迭,但社交的本质需求却不曾改变。未来,移动社交将继续占领主导地位,社交网站将呈现衰退的局势,同时,2015-2016年移动社交的格局也基本出现,未来的增长点或将出现在垂直市场或新科技下的新兴市场。


活学活用:站在巨人肩上的中国社交

从苦苦追赶的两年滞后期到自主创造的脑洞大开

根据中外社交网络发展阶段的总结可知,总体来看,西方国家的社交网络形态始终引领着整体社交网络的发展。2002-2004、2008-2012年是以美国为中心的西方社交网络最为重要的成长阶段。以主流社交网络如facebook、Twitter、WhatsApp、Instagram、Snapchat及Pinterest等产品为主要标志,并且高速发展期一般出现在新一批社交产品集中推出后的2-4年。

与海外相比,中国社交网络的发展高峰一般在西方社交网络发展高峰的之后1-2年出现,但自2012年后,海外社交网络的格局基本形成,很少再出现新的明星产品,而国内的移动社交产品则继续呈现垂直化、多样化发展,并且产品形态也从最初以借鉴西方产品再进行本土化微创新为主逐渐向自主研发与发现创意的方向改进,整体呈现出更大的发展潜力。

看穿结构:体量扩张,内部深耕

梭型结构VS三角结构:整体格局稳定但内部结构差异较大

从移动社交应用的数量上来看,海外市场呈现梭型结构,头部与尾部的应用较少,腰部应用类型丰富且体量较大;中国市场则呈现三角结构,长尾市场的应用数量占比庞大。从用户角度来看,国内外市场中头部应用基本均占据市场较大份额,用户更加活跃,而与中国相比,海外市场头部应用的用户集中度更高。


聚焦市场:当前平台话语权最大

以社交关系为依托,内容方正在不断崛起

由于移动社交的强情感联结性,相比于其他产业而言,中国移动社交产业链中,内容、平台与用户三者之间的关系更加紧密。1)社交平台是用户之间产生内容与社交关系的主要阵地,群组间的互动交流,朋友动态的展现、社交玩法的交互等均需要社交平台的支撑,从目前产业链特征来看,平台的话语权更大,对于内容的选择具有主动性;2)用户是平台发展的必要条件,拥有忠诚且活跃的用户是所有社交平台进行更多拓展的根本动力和基础;3)内容是社交平台体现价值的主要表现形式,社交平台的用户价值与商业价值都能够通过内容的质量来体现,用户在产生内容的同时,也会因为优质的内容而获得精神的满足和实际需求的满足,是社交平台有效运营的主要手段。艾瑞分析认为,当前移动社交在产业内部形成了较为稳定的三角结构,但内容方的议价能力在不断增强。

社交黑镜:戴好面具才能一起造作

社交网络释放天性,也创造自我

2016年中国移动社交用户非常依赖于使用社交应用,每天3次以上的使用频率是常态。

对于移动社交用户而言,在网络中呈现不同的自己是一种天性,隔着手机似乎才能表达更好的更真实的自己。

虽然社交好友很多,但真正的朋友还是要经过选择,毕竟移动社交不是真实生活。


价值连城:新社交凭什么吸金?

数据和关系是移动社交的价值核心

移动社交产业链主要由上游合作方、内容生产方、移动社交平台与用户四个主要环节组成。这四个环节价值的流动以移动社交平台获得的收入为主要表现。在此过程中,用户使用移动社交平台而产生大量行为及偏好数据标签,同时形成了在此平台上的社交关系与情感联结。两者的结合使整个价值链不断优化,上游合作方因平台用户大数据的应用而更精准的触达用户并形成互动,用户因为较为稳定的社交关系而对平台的依赖度加深;同时,平台中的PGC(内容生产方)与UGC在互动中不断被丰富和创新,从而获得更多关注,也给上游合作方带来更好的收益,使其与用户之间的关系更紧密。

未来蓝海:新产业形态带来想象空间

“一线多面” 新产业形态将催生新兴市场需求

当前中国移动社交行业的格局逐渐清晰,综合型的移动社交平台已被大型互联网公司旗下产品或个别独立社交产品所占据,明星应用与长尾应用间的梯队划分较为明显。新晋移动社交产品希望从综合型平台分得蛋糕的希望较小。在当前的垂直领域中,各领域的明星产品正在不断涌现,几家Top产品厮杀正酣,新晋玩家面临着多方压力。

艾瑞分析认为,移动社交行业虽看上去红海一片,但仍有更加垂直和个性化的社交需求未被挖掘和满足,以95后为主的移动社交新生代用户愿意尝试的好奇心给新兴产品的玩法试错留有空间,同时,随着未来新产业链不断孕育成熟,也将催生新的蓝海。