今天百科互动给各位分享亚马逊加入竞争:推出大语言模型Titan和生成性人工智能服务基岩的知识，其中也会对亚马逊基本术语进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
本文目录：
- 1、微软 亚马逊 谷歌 苹果：广告营收刷新纪录 有哪些硬核支撑？
- 2、贝索斯：叫醒亚马逊的从来不是闹钟
- 3、AWS营收规模达454亿，亚马逊领跑全球云服务市场，云服务有啥市场？
- 4、亚马逊的人工智能之路
- 5、图灵测试已经过时？现在有更高级的算法吗？
微软 亚马逊 谷歌 苹果：广告营收刷新纪录 有哪些硬核支撑？
过去亚马逊加入竞争:推出大语言模型Titan和生成性人工智能服务基岩的一年亚马逊加入竞争:推出大语言模型Titan和生成性人工智能服务基岩，大型 科技 公司面对不确定事件时，可谓韧性十足。
在新一季的财报中，美国四大 科技 巨头MAGA（微软、亚马逊、谷歌、苹果），甚至享受到亚马逊加入竞争:推出大语言模型Titan和生成性人工智能服务基岩了黑天鹅事件催生的红利，均表现出了强势增长的态势，刷新营收记录。
在漂亮业绩的推动下，MAGA股价几乎每天都在创新高。尤其是苹果市值皮尘已超过2万亿美元，缔造着另一个里程碑：该公司在标准普尔500指数中的权重达到6.7%，打破了“蓝巨人”IBM在35年前创下的记录，成为40年来对标普500指数影响最大的成分股。
那么，缘何MAGA业绩能够如此高歌猛进？什么在支撑爆发式增长？ 科技 巨头们吃到了哪些红利？未来全球 科技 又将呈现怎样的发展趋势？
微软：
季度营收首次突破四百亿 广告业务表现超行业预期
微软对外发布截至2020年12月31日的2021财年第二财季财报。数据显示，营收431亿美元，同比增长17%，高于分析师预期的402亿美元；净利润为155亿美元，同比增长33%。
从部门业绩来看，微软智能云业务部门在该财季营收总计146亿美元，其中包括Azure公共云、Windows Server、GitHub等服务器产品和企业服务，同比增长23%。
微软生产力和业务流程部门，包括Office、Dynamics和LinkedIn等，营收为133.5亿美元，同比增长13%。其中，LinkedIn、Dynamics 365分别取得23%、39%的收入同比增长。
个人计算部门，包括Windows、 游戏 、设备和搜索广告，营收为151.2亿美元的收入，同比增长了14%。
受益于企业数字化转型浪潮，云业务高速增长
韦德布什证券公司曾指出，微软80%-90%的估值来自Azure和其亚马逊加入竞争:推出大语言模型Titan和生成性人工智能服务基岩他一些核心服务。这其实间接反映出Azure对于微软股价的意义，也是投资市场对微软未来潜力的预期。
上个季度，Azure收入增长了48%。从Azure收入的同比增速上能够发现，企业云服务相关的IT费用在经历放缓后逐渐回升。这对于微软未来的表现，是一个较为积极的信号。
Forrester首席分析师Andrew Bartels表示：“微软一定程度上已经成为AWS的首选替代选择。”AWS的战略是“不惜一切代价实现增长，这意味着他们不像Azure那样用户友好，因此Azure被视为一个威胁较小的对手。”
广告业务表现超行业预期 客户们纷纷转投LinkedIn
微软广告业务的表现超出了行业的预期。微软表示，子公司LinkedIn的市场营销部门12月的广告收入突破25.8亿美金，同比超过23%，大幅超出微软之前对LinkedIn整体增长的预计。
在致分析者的电话会议中，微软表示：“LinkedIn的广告部门第四季度的营业收入创 历史 新高，占公司全年收入的1/3。LinkedIn广告部门同比去年，增长超过50%，这都归功于广告客户们的支持和信赖。”
广告客户们纷纷转投LinkedIn，主要由于LinkedIn明确地与政治问题划清界限的举动以及对于广告投放实操表现出来的专业性深得客户们的青睐。
微软的搜索广告业务，也显示出了复苏的迹象。广告业务是疫情早期落后的少数几个部门之一。在经历了前两个季度营收两位数百分比的同比下滑后，最近一顷衫个季度，搜索广告收入增长了2%。
展望未来十年 持续投资数字化能力
从某种角度看，2020年疫情造就了数字化转型的雀握腔拐点——疫情之前，多数企业对于数字化转型的态度只是“锦上添花”；疫情之后，数字化转型甚至成为企业生死的关键选择。
疫情加速了企业业务从线下向线上的转移，实现数字孪生的企业，能够提升抗脆弱性，并更能敏锐发掘商机实现弹性增长从而实现高成长性。因此，企业开始从早期的利润经济指标衡量走向了数字化指标衡量。
微软CEO萨提亚·纳德拉（Satya Nadella）就认为：“对 科技 的重视程度，会直接影响到企业本身的韧性，有效地建立自己的数字化能力是一家企业能否更快地从这次的疫情中恢复过来的关键，甚至会通过这次危机进行蜕变，变得更强大。”
亚马逊：
季度营收首次突破千亿 广告收入同步增长超50%
亚马逊发布截至2020年12月31日第四季度财报。财报显示，该季度净营收为1256亿美元，同比增长44%，这是亚马逊单季营收首次突破1000亿美元；净利润为72亿美元，同比增长121%。
在营收组成方面，AWS业务已经逐渐成为继电商业务后又一主要收入来源，该季度AWS净销售额已达127.42亿美元，相比去年同期的99.54亿美元增长28%。
电商业务始终是亚马逊较为稳固的基本盘。电商业务营收为664.51亿美元，同比增长46%；包括全食超市在内的实体店业务营收为40.22亿美元，同比下降8%；第三方卖家业务营收为273.27亿美元，同比增长57%。
包括广告收入在内的其他业务，营收为79.52亿美元，同比增长66%。
AWS扛起“飞轮效应”增长重担
对于亚马逊AWS，持续稳健的同比增长，已是足够积极的信号。亚马逊有望在既有的市场份额下产生长期稳定的现金流入。
受到经济疲软的影响，全球企业尤其是受到冲击较大的实体业都减少了IT相关费用，自然会对亚马逊AWS构成一定冲击，云业务增长处于放缓趋势。此外，由于亚马逊布局云服务具备先发优势，业务发展多年加上庞大的体量，使得增长出现自然的放缓。
数据显示，亚马逊AWS占据了31%的市场份额，领先于竞争对手微软、谷歌以及阿里云。而且，目前已经为Facebook，Netflix，Twitter，Disney和政府机构等客户提供服务。
发力广告业务 稳坐海外第三大广告平台
亚马逊本季度广告等其他收入达79.28亿美元，同比增长66%。亚马逊称，广告团队用了新的深度机器学习模型，广告ROI有所提升，商家参与度和广告预算也在持续快速恢复。
2020年，亚马逊对广告业务进行了加码，推出不少新的工具与产品，来吸引平台对广告主的吸引力。
赞助产品广告更新定位功能 ：产品定位，广告主可以按特定的ASIN或通用类别定位客户，并可以通过价格范围、品牌名称或星级评分对目标客户进一步细分；自动定位，允许卖家选择产品自动定位或关键词自动定位。
赞助品牌广告推出创意功能： 允许卖家发布视频内容；扩大赞助品牌的位置，包括产品详情页；自定义图片广告素材可在移动设备上使用；新增广告素材编辑功能；新的语言首选项允许品牌创建和管理多语言内容。
利用DSP Audience Builder创建受众： 亚马逊推出了一项名为DSP Audience Builder的自助式服务工具，卖家可以基于查看过产品的买家、购买过产品的买家、同类产品、产品搜索来设置广告受众范围，并向受众推送产品广告。
更多创意工具来建立品牌形象： 鼓励卖家在其平台上通过内容（例如赞助品牌广告中的视频、赞助品牌自定义形象、A+内容、亚马逊帖子、亚马逊OTT等）展示来讲述其品牌故事并建立品牌资产，同时引入和采用了“New-to-Brand”广告活动指标，来跟踪这些工作的影响。
衡量亚马逊外部流量有效性的新工具： Amazon Attribution的出现，使卖家首次能够对各个广告渠道的有效性进行分析，了解各个渠道广告对销售的影响；卖家还可以通过Amazon Attribution回顾各广告渠道表现，分析相关的亚马逊细分受众，来规划未来的营销策略。
谷歌：
营收同比增23% 将停止根据个人浏览记录投放广告
谷歌母公司Alphabet公布了截至2020年12月31日的第四季度。财报显示，Alphabet第四季度营收为569亿美元，同比增长23%，这比去年同期17%的增长率更强劲，表明谷歌广告业务在第二季度大幅放缓后正在迅速复苏；净利润152亿美元，同比增长42%。
具体来看，谷歌服务收入为529亿美元，与上年同期的432亿美元相比增长22%。
谷歌云收入为38亿美元，同比增长了46%，基本符合分析师的预期。
包括生命科学子公司Verely和自动驾驶 汽车 子公司Waymo在内的“其他押注”，收入1.96亿美元。
广告业务增长强劲 YouTube带动作用显著
谷歌广告业务是其主要收入来源，四季度广告业务贡献了超8成的收入：广告收入为462亿美元，高于上年同期的379.3亿美元；搜索相关业务收入增17.4%至319亿元；YouTube第四季度的广告业务增长也十分显著，收益为68.9亿美元，较去年同期的47.2亿美元增长了46%。
其中，“直接响应广告”表现突出，它可以鼓励消费者立即采取行动，例如下载应用程序或从购物网站直接购买商品。谷歌的首席商务官菲利普·辛德勒（Philipp Schindler）说：“三年前，我们在YouTube上的直接响应业务几乎不存在。现在，它是我们在YouTube上规模最大，增长最快的广告产品之一。”
随着美国电商渗透率的提升，YouTube正在尝试和购物结合，尝试在用户搜索、广告投放上接入电商领域，特别是在建立品牌认知、热点话题制造以及视频播主卖货渠道上，可以建立更加稳固的商业闭环。
面临监管机构的反垄断及内容审查危机
在第四季度，谷歌在美国遭遇三起政府反垄断诉讼，另外还有几起可能威胁未来的监管诉讼。其他国家的监管机构也对谷歌的竞争做法提出了异议，比如澳大利亚。如果澳大利亚政府继续实施新的法规，迫使谷歌向媒体公司支付使用其内容付费，它将在澳大利亚撤下搜索引擎。
在该季度，YouTube也面临着对与国会骚乱相关内容处理的质疑，这引发了两党重新推动修订第230条规则的努力，该法案允许社交媒体提供商托管内容，而不需要对其承担责任。
此外，该公司还面临着对雇佣做法和条件的新审查。美国劳工委员会已经对谷歌提起诉讼，指控谷歌报复和对员工进行间谍活动。该公司还因对知名人工智能研究员、谷歌道德人工智能团队技术联合负责人蒂姆尼特·格布鲁（Timnit Gebru）的处理方式而受到审查。
谷歌将停止根据个人网络浏览记录投放广告
谷歌主要收入来源是广告，而谷歌正要改变通过追踪使用者网页浏览记录而投放目标式广告的做法，而且更表示，未来也不会开发追踪特定使用数据的工具。
这重大的决定，也与谷歌自己宣布取消在Chrome浏览器支持第三方cookies技术有关。这做法，也会阻碍到其他广告主和网站追踪使用者数据，因此广告商和平台日后都需要另觅新的广告投放机制，大大改变网络广告业的生态。
谷歌广告隐私和信任团队的产品管理总监David Temkin表示，人们不应该接受被跨网站的追踪，以借此被投放目标式广告，而广告主也不需要追踪个别用户在跨网页的活动而进行广告投放。
Temkin也透露，他们正计划应用可保护用户隐私的API，包括FLoC来投放关联式广告。这方式只会把用户归类为有相似兴趣的一群，并投放广告，不会针对用户个别的行为而产生广告。
苹果：
营收首破千亿美元 搜索广告业务增长趋势良好
苹果发布2021财年第一季度业绩，营收首次突破千亿美元大关，至1114.4亿美元，同比增长21.37%，创下纪录新高；净利润287.55亿美元，同比增长29%。
按照产品业务线划分，iPhone、iPad、Mac业务线均实现双位数增速。iPhone业务营收为655.97亿美元，同比增长逾17%；Mac业务营收为86.75亿美元，同比增长逾21%；iPad系列设备收入为84.35亿美元，同比增逾41%。
可穿戴设备、家居产品和配件这些其他产品的收入，达创纪录的129.71亿美元，同比增近30%。
服务业务包括流媒体Apple Music、Apple TV +、 游戏 Arcade、支付Apple Pay以及云服务iCloud等，收入达157.61亿美元，同比增近24%。
iPhone销售额飙升，大中华成为苹果第三大营收区
下一步要造车？“我们喜欢软硬件服务结合布局”
搜索广告增长良好 未来将进一步拓展广告业务
贝索斯：叫醒亚马逊的从来不是闹钟
所有人都在津津乐道麦肯齐是否会变成世界女首富，贝索斯的股权是否会被冲淡，对亚马逊的控制权是否会减弱，亚马逊的股价会不会受影响——作为继苹果之后，美国第颂陪二家市值破万亿美元的上市公司，亚马逊的发展势头迅猛，有专家预测在云计算和广告等高额利润业务的推动下，未来五年，亚马逊的市值有望达到2万亿美金。
随着亚马逊市值攀升，其创始人贝索斯个人财富在2018年一度高达1600亿美元，几乎相当于比尔盖茨+马云+许家印的身价之和。
亚马逊在商业世界里不可忽视的体量，业务范围从最大的书店扩张到最大的综合网络零售商，网络服务（AWS）、Prime业务、智能家居、亚马逊设备……从2014至今，亚马逊股价翻了五倍多。
而其领航者贝索斯，身上的特质明显——创业激情、资本精明、枭雄狂妄，著名的“领导力准则”，对数据的极度迷恋，对顾客喜好的偏执追求，推崇的看似毫无人性的管理制度和冷血文化都是亚马逊血液中的重要创新因子。
这一切，都是贝索斯追求极致理性和冷静迹腊的结果——在他看来，叫醒亚马逊的从来就不是闹钟。
1994年的世界，人们对于互联网的概念是模糊的，当贝索斯意识到在当时互联网的便用率微乎其微的情况下，万维网每年以2.300%的惊人速度成长，他开始意识到可以在互联网上做一些生意，并对其排序。
最后他选择了书籍，因为书籍的分类项目比其他商品的要多很多，当时世上出版的书籍有三百多万种，“打造全世界最全的书籍体系，做最大的书店”成为当时的愿景，紧接着他带着自己组成的小团队，搬到了西雅图。
贝索斯选择西雅图的原因：
就这样，31岁的贝索斯，离开给他贴上“叛徒”标签的华尔街，用30万美元启动资金，在租来的车库里创建了亚马逊。
亚马逊，意为“全世界最大的河流“，这是贝索斯的愿景，一如亚马逊的LOGO，箭头从A指向Z，everything store则是贝索斯的野心。
只是1995年起步的卖书业务绝对是简单粗暴的，挂一个比实体书店更低的价格在网上，客户下单之后，亚马逊再去批发商处进货——那么卑微的的启动资金只能支持这样的周转。
而对于批发商明文规定的10本起购，贝索斯有自己的法子——下单一本想要的书，和九本已经脱销的书籍，然后等着批发商送来一本书和一张纸条“抱歉，我们的书已经脱销了。”
除了卖书，亚马逊开始卖音乐和视频产品，贝索斯给1000个随机挑选的消费者发邮件，问他们，除了现有售卖的商品外，还希望能得到什么——他因此得到了一个非常长的清单，在商业周刊对他的访谈中，他弹到印象最深的一个是：你们为什么不卖雨刷器，我很需要的！
由此他觉得，可以用这种方式售卖任何商品！后来开始涉足电器、玩具和其他类型商品。这可能就是世界上最早的网购商业模型了。
那时的贝索斯每天跪在地上自己打包，然后开车把包裹拉到邮局，就想着什么时候能买得起叉车。他是见识过事情由小变大的人，所以即便后来亚马逊成为超级商业帝国，他的管理手段与其说冷血，倒不如说始终抱着敬畏之心。
初创期的互联网呈现野蛮生长的状态，贝索斯同亚马逊亲历了指数级增长的奇迹。
亚马逊在上线一周收到了1.2万美元的订单，并成功吸引了雅虎创始人杨致远的注意。要知道，当时雅虎是世界上浏览量最大的网站，杨由此亲自Email给亚马逊，邀请其在雅虎开设专栏。亚马孙因此由创立之初便站在的互联网的顶层。
之后，贝索斯便开始去挖比尔盖茨的手下，并同在西雅图的星巴克谈合作。差那么一点，星巴克的柜台边就摆上了亚马逊的货架。
1996年的星诺战争，是亚马逊走向战场的开始。
当时亚马逊的销售额是1600万美元，而当时的图书销售巨头巴诺的销售额是20亿美金。这无疑是一场碾压式战争，许多人劝贝索斯把亚马逊卖掉算了。
贝索斯这个时候从沃尔玛挖来了瑞克·达尔泽尔，并开始筹集巨额资金，把所有资源all in 到仓储、物流、背水一战，等于在线下复制一个沃尔玛了。之后的岁月里，亚马逊先后推出Prime、一键下单、FBA力挫Ebay,超越沃尔玛，成为零售巨头。
BUT，贝索斯本尊，从来不把亚马逊定义为零售公司，他在各种场合不断强调， 亚马逊是一家 科技 公司。
在华尔街的定义里，短期利润永远都是优先考虑的指标，好的上市公司每个季度收入和利润都要增长，增加的比例超过分析姿樱滑师的预测，就是股价大涨的好公司，但是亚马逊呢，每个季度发布财报之后，华尔街的评价都是”增长不及预期“
后果就是，一日有可能蒸发上千亿市值。
偏偏贝索斯又是个抠门到极致的主儿，行业一般的薪水，不提供免费午餐，连停车都要收费。无法提供股票红利、福利又差、老板刻薄寡恩，公司内部强调强调达尔文主义，工作内容也越来越像物流公司，导致的最严重后果就是卓越人才的流失。
2006年，亚马逊首席算法官、算法大师Udi Manber 离职，加盟Google掌管搜索业务，贝索斯发了很大的火儿，当事人口中称为“贝索斯有史以来最失态的状况。”这时候，这个华尔街的叛徒，干了一件事——理了个光头。
在被干的最呛的时候，贝索斯说“不要去在乎对手，对手又不给你钱”
在亚马逊股票一泻千里的时候，他又在办公室白板上写下“我不在乎股票价格”。
即便如此，亚马逊的股价在逐年飙升，近三年来上涨了接近270%，亚马逊的市值也在逐步逼近世界上最有价值的苹果公司。
亚马逊创业21年：
2004年亚马逊以7500万美元强势收购卓越网登录中国的时候，很快就一路向下，被天猫、京东逼到了墙角。2013年以后，亚马逊的财报上就不再体现中国的电子商务业务了，甚至一度还因为业绩太差取消年会，被市场揶揄到今天。
但即便如此，贝索斯依然是当之无愧的世界商业领袖。他通过纵向和横向的扩张，引导创新和选择扩张方向，帮助亚马逊绘制未来发展的蓝图。
后世诸如马云、王兴等人身上，或多或少都可以看到贝索斯的影子。
出于他对创业的狂热，对事业的敬畏，对互联网创业的初心和不设限，让亚马逊有无线发展的可能。
亚马逊是一家很有趣的公司，其实它并没有自己的传统园区，在遍布全球的57.5万名员工中，约有4.5万人在西雅图工作的员工和高管，他们穿梭在市中心和南湖联盟（South Lake Union）附近的众多高楼中。
亚马逊默认的本部是创始人贝索斯所在的地方，叫 Day 1 Tower。
这个名字源于贝索斯永恒的格言：相对而言，我们仍然处于互联网的“第一天”。更进一步说，亚马逊才刚刚起步。
自亚马逊上市之后，贝索斯仍然会每年给股东写一封信，每年的致股东信后，都会附上1997年写的第一封致股东信。这是为了告诉股东们，我们没有变，二十多年来，我们都在为了最初想做的事情而努力。
贝索斯对亚马逊的不设限，基于一种“超级幸运”的融合：亚马逊最初的采石场——零售市场 ——“数以万亿计”，因而他认为的亚马逊网络服务（AWS）开创的云市场也是如此。
在不同的行业，市场的前景有限，但是拼凑一块，市场的规模是无限的。
所以他擅长 将亚马逊转变为规模庞大、业务相邻的大企业 。（虎嗅 | 《世界首富贝索斯》）
2006年，伴随第三方商家的入驻，贝索斯要求团队要开发一款APIs以帮助开发商更加快捷地制作检索目录，使用支付支付系统和购物车。由此催生出搭建系统和基础设施的需求。
这款被命名为AWS（Amazon Web Serices）的服务，在成立之初被赋予超出寻常的重视。但是亚马逊“为客户需求持续投入”的哲学捕捉到了开发商不断增长和衍生的需求，AWS又陆续推出了S3和EC2解决方案。后者逐渐成为全球最易用、应用也最为广泛的云计算服务。
资料显示，成立之初，贝索斯把15美元/小时的价格降低到了10美元/小时，尽管他的CFO一直提醒他这项长期盈利的业务会因此陷入长期亏损。但这位老兄并没有改变初衷，在没有竞争对手的前提下，AWS服务主动降价了51次。
就这么在开始时烧掉了数十亿美元。加上贝索斯强大的市场信誉，他几乎在以任何他愿意的方式追加投资。
由于这是一项被亚马逊偶然创设出来的服务，成立之初作为行业内唯一的参与者，亚马逊垄断定价。老辣的，不在乎一时收益的对手就是这么可怕，他具备十足的耐心将猎物收入囊中。
当2008年，Economist开始用一整版内容讨论云计算，并且预言云计算将彻底改变产业和工作时，当微软CEO鲍尔默在华盛顿大学演讲中高呼“For the Cloud ,we are all in “时，
当Google Cloud 发布，IBM推出Azure, 甲骨文入场，BAT发力云计算时，渠道竞争开始火拼，向下基础设施供应商IBM、惠普、英特尔等掌握技术优势时，我想对于亚马逊而言， 无非就是一点点的先发优势，和对用户需求无限投资的经营哲学。
而这一点就足以催生亚马逊强大的增长引擎，在2018年亚马逊全球公布的财务中，AWS贡献了约60%的营业利润，为万亿市值提供足够的引爆点。
亚马逊的会员服务Prime是其另一代表作。
通过办理收费包邮会员制Prime，可以获得免费两日送达，另外有一些附加服务，比如电子书借阅、网络视频、音乐等。但伴随其成长，它迅速演变成一种向1亿多用户提供额外福利和特权的方式，这些福利创造无尽的新市场边界和业务线。
Prime 解释了亚马逊开始蚕食Netfile的原因。亚马逊的会员日（Prime Day）在短短几年间为客户提供36小时的特别优惠——成为年度最大的假日购物季之一，消费者的狂热程度仅次于黑色星期五和网络星期一。
通过访问Prime, 亚马逊可让第三方零售商为亚马逊的用户订单支付更高佣金。另外，Prime还反过来支持了亚马逊的实体店战略。Prime的当日送达和提货服务需要更多的实体店面，反过来又帮助亚马逊将业务拓展到比如食品等未轻易涉足的领域，因为这类易腐烂产品并不符合亚马逊的经典模式。
从2015年第一家实体书店在西雅图开设，基于网络数据的设计——根据“读者最喜欢的食谱”、“评分在4.5分以上的图书”等将互联网的信息优势迁移到线下，改革了网络购物的可发现性。
简而言之，Prime成为亚马逊的中枢神经系统，将经营范畴联系在一起，为亚马逊开辟一条进军新市场的道路，同时也向核心业务注入新鲜活力。
最终，满足三驾马车的灵感在于两种模式的一种—— 要么去审视客户需求，要么向前 探索 ，这是亚马逊称霸市场的杀手锏。
本来，贝索斯只是一个小众玩家，他或许可以非常轻松专注于全世界最大的数字书店。但是销售书籍过程中，他发现利用库存管理到推荐引擎，可以很轻松将业务转移到邻近领域——先是音乐和DVD，然后是玩具、电子产品，最后几乎囊括所有可零售东西。
基于此，他将亚马逊作为一个独立卖家平台开放给曾是竞争对手的卖家，从而巩固自己的零售领域变革者角色，与沃尔玛等一起进入零售万神殿。
但贝索斯并没有将这些划分为核心业务之外的增值，做零售，搭建物流基础，建立一个高效得惊人的包裹交付基础设施，导致亚马逊物流（Fullfuillment by Amazon）的出现；做运营，对兼职人员的需求导致世界上第一个面向大众劳务众包平台Mechanical Turk 的诞生。
而为了掌握如何收取每笔消费的佣金则导致亚马逊支付（Amazon Pay）的问世。当亚马逊开始构建将数据存储在云端的功能，他们又发现其他企业可能也想在云端这么干——亚马逊云计算服务平台AWS登场。
即便以客户为导向的概念也能创造出基于技能的红利，比如Kindle阅读器的发明。
Kindle在亚马逊的定义中是一款浪漫化的产品，一方面因为它在硬件方面取得突破，另一方面是因为它让人想起亚马逊在图书方面的业务本源。但这并未改变亚马逊的业务模式，随后硬件产品出现其他问题，不过按照贝索斯的话说——今天很多硬件开放经验，必须要有足够耐心，学到一项技能并不见得恰逢其时，它可能需要时间才会真正开花。
所以，后来推出的Echo智能音箱，成了 游戏 领域的变革者。
另外，贝索斯也正在学习医疗保健。
2018年10月，亚马逊宣布与摩根大通（JPMorgan Chase）和伯克希尔哈撒韦（Berkshire Hathaway）组建一家医疗公司，并以近10亿美元收购了医药创业公司PillPack。
通过此次收购，亚马逊获得了1亿美元的营业收入、一个现成的药房供应链和全美50个州的药房执照。而亚马逊之前的基础也在医疗领域凸显出优势：依靠发展其核心业务（如AWS和Prime）带来的利润，亚马逊在进入医疗 健康 领域时并不急于实现盈利。
AWS可以帮助处理医疗 健康 领域所需的大量数据负载和分析。亚马逊的配送中心、供应链和对Whole Foods的收购使其能够快速分销医疗产品和服务。因为拥有全方位的与病人接触的渠道（家庭，零售店，线上渠道等），亚马逊有潜力成为针对医疗保险和医疗补助覆盖人群的生活方式规划师。
无论是Prime会员系统还是AWS云计算服务，在贝索斯看来都不是一项独立业务，因为它们与消费产品完全捆绑一块。
通过主导零售和数字服务，贝索斯将其转移到任何他察觉的可为消费者提供附加值的服务包括医疗、 娱乐 、消费电子产品和广告等市场，而任何一个市场都击中或接近贝索斯提到的“万亿”潜在用户，这绝非巧合。
亚马逊的事业本质是价值运营——立足零售电商，把整个行业一点一点做透，然后在一点一点提升自己的价值占比。（IT之家 | 《贝索斯没有闹钟》）
所以纵使没有AWS这个偶然，在电商和物流之外，亚马逊还有Kindle的硬件制造，Echo音响的物联网实践、人工智能Alexa，以及线下的诸多布局。
贝索斯终于可以硬气地说，哥们儿做的不只是零售巨头，哥们儿是真真切切的 科技 公司。
亚马逊的快速扩张得益于著名的“领导力原则”，即14条军规，这些会被印在卡片上发给每个员工，并且进行考核测试。
同很多企业一样，不管是出于新员工入门接受的“洗脑”亦或是“企业文化教育”，这些准则是在亚马逊工作必须遵循的“天条”，要努力贯穿于工作中。
亚马逊14条军规：
这些准则，贝索斯用来对抗侵蚀企业的力量——官僚主义、肆意挥霍、缺乏严谨等，这些是他确保整个亚马逊公司 健康 运行及持续获得成功的重要法宝。
当我们理解这些准则，等于理解了亚马逊所谓的“冷血文化”。
基于第2条，亚马逊的员工首先要面对的是超高的工作强度。一个员工如果每周工作低于80小时，就会成为同事中的异类。即便周末，也要回公司开会。深夜和节假日要随时候命，邮件经常过了午夜发出，如果没有及时回复将很快收到追回短信。
基于第7条和11条，亚马逊高强度的工作并没有让员工怯步，相反，员工会时常产生突破极限的愿望，以为习惯养成，就很难接受自己的不完美。亚马逊的薪酬福利虽然不高，但是如果能保持两年工作以上的员工便能获得亚马逊的期权机会——大浪淘沙，剩下的员工大多都是极度认同亚马逊文化并愿意为之努力的人。
贝索斯认为严苛的标准能让公司实时满足消费者不断提升的期望，而对于员工来说，他们喜欢亚马逊的原因恰恰是因为公司让他们超越了自己认知的极限。
基于第4条和第13条，让外界看起来比较奇葩的是亚马逊内部的随时反馈工具（Anytime Feedback Tool），员工可以随时向上级反馈同事的工作，越级反馈对上司的看法。而这些反馈将出现在员工的绩效评估之中，最终用绩效得分低的员工会被开掉。
亚马逊的这种鼓励”表明异见和表明立场”的看法，给外界一种似乎很难出现一团和气的感觉，但贝索斯却认为——和谐会扼杀诚实的批评，并鼓励出于礼貌而对错误观点做出赞美。
我们更愿意将其理解为一种扁平化管理制度，据说2013年的无人机送货项目就是由一名叫丹尼尔的初级工程师和别人一起发明的。
贝索斯正确解释了传统企业的等级制度，因而也说明了亚马逊的颠覆创新——在无拘无束的时代，最重要的一个字“是”。
此外，对数据的极度迷恋也是贝索斯和亚马逊一个非常明显的特点。
因为对数据的迷恋，贝索斯是一个极致冷静和理智的领导者，他的理性很大程度都建立在一切可量化的数据之上——比如：亚马逊在办公区有一套基于大数据统计的严格考核系统，通过在员工身上运行持续不断的绩效提升算法，以此对员工方方面面进行量化分析和反馈。
在仓库中，工人们受到复杂的电子系统监控，手腕上戴着计步器，公司能准确跟踪到员工分拣商品和打包商品的效率，甚至对员工的休息时间和工作量做出严格限制，如果时间过长，员工将会收到警告。
数据管理或许冷冰冰，不近人情，但很大程度上，数据帮助亚马逊实现管理的透明和准确，带来公平和效率，从而让多劳多得真正落地。
贝索斯是一个极度好奇的人，他曾经说过可在一个小时内将想法填满白板，如果有一个星期没有进行头脑风暴就会开始向团队抱怨。亚马逊发展迄今，他也在一直奉行“反熵增”、“用户至上”的经营哲学。
把战略建立在不变的事物上，从事物的本质出发，追求长远的价值并非短期的利益;运用“选择、成本、体验”三者联动的飞轮效应驱动整个商业业态高效运转，不断创新，强化竞争优势，保持企业的良性增长。贝索斯看来，叫醒亚马逊的从来不是闹钟，而对于普通人的我们呢？能叫醒自己的又是什么呢？
作者：Alice，公众号：Alice 二三事
题图来自Unsplash，基于CC0协议
AWS营收规模达454亿，亚马逊领跑全球云服务市场，云服务有啥市场？
AWS营收规模达454亿，亚马逊领跑全球云服务市场，云服务有啥市场？
云服务变得越来越主流，从远程办公到各种线上需求剧增，以及智能化浪潮如火如荼，带来了全球云服务市场依旧展现出强劲的增长。来自Synergy Research发布的最新数据显示：2020年全年，云基础设施服务收入（包括IaaS，PaaS和托管的私有云服务）为1290亿美元。需要指出的是，在公有云市场，前五大厂商控制着80%市场份额。
值得一提的是，亚马逊AWS长期以来领跑全球云服务市场，占据了全球三分之一市场份额。根据财报数据显示，2020年第四季度，AWS营收127.42亿美元，同比增长28%，运营利润35.64亿美元，同比增长37%。2020年全年，AWS营收规模达到453.7亿美元，全年运营利润为135.3亿美元，较上年增长47%。
额外要指出的是，AWS云服务是亚马逊利润核心来源。2020年，亚马逊营收3860.64亿美元，同比增长37.62%。净利润213.3亿美元，AWS运营利润占总利润比例高达63%，作为亚马逊利润核心来源的云服务板块，也推动市值在资本市场屡创新高，截止2月5日市值高达1.69万亿美元，位居全球市值排行榜第三，仅次于苹果、微软。
福布斯专栏作家杨剑勇曾在福布斯发表评论称：就全球云市场而言，亚马逊是最大赢家，主要受益强大的产品组合，凭借拥有计算、容器、数据库、物联网、人工智能等丰富的应用是AWS领先其他玩家核心因素。至此，作为全球重要基础设施，AWS云服务应塌尺用无处不在。
整体而言，AWS拥有非常强大的产品组合，是全球数以百万计客户选择AWS开启转型之路的因素之一。早些时候，通过跟踪国内部分企业和机构显示：AWS丰富的云服务、强纤衫液大的计算能力、高弹性、安全性能等诸多因素，是各类型企业和机构选择AWS核心缘故。
例如，AWS是运行容器的首选平台。据官方介绍，所有云中运行的容器有80%都运行在AWS 中，在云托管的 Kubernetes 工作负载中，82%运行在AWS上。Forrester曾发布“公共云企业容器平台新浪潮”报告，报告对该类别中七个最重要的供应商进行了评估。对AWS的定位是领导者，领先于微软和谷歌。
在商业智能服务方向，Amazon QuickSight是一个 AWS原生的商业智能平台，这是一项采用云技术的快速商业智能服务。与此同时，全球众多客户使用AWS IoT物联网服务实现变革性创新，帮助开发者利用机器学习、机器人、视频分析以及5G网络等新兴技术进行创新，尤其Amazon SageMaker是当前全球使用最广泛的机器学习工具，企业可以用更少的精力和极低的成本将机器学习模型快速应用到业务的不同环节。
在人工智能领域，亚马逊投入也投入大量资金，其机器学习算法提供了许多服务，无论是数据科学家，还是人工智能研究人员，都可以非常方便地使用AWS提供的机器学习服务和工具，即可以在AWS上训练机器学习模型，也可以使用AWS预先训练过的人工智能服务，将计算机视觉、语音、语言分析和聊天机器人等方面的功能轻松地添加到自己的应用程序。
随着企业迈向数字化转型进程加速，传统IT结构迈向云构架转变，各种设备上云，实现跨行业和跨设备互联互通。由此，企业有能力获得足够多的数据，基于数据实现快速创新将会成为企业未来核心竞争力。整体来说，企业在实施数字化转型中，带来产品、服务创新的同时，提升效率，达到降本增效的目的，为企业持续性发展奠定坚实基础。
伴随越来越多的企业开始评估并加大新技术投入，从中获取数据，驱动智能化、数字化转型升级，使得云与人工智能无处不在，亚马逊、微软、阿里云服务厂商则是这一波智能化最大受益者。在全球智能化趋势背景下，云服务厂商云板块营收不断创出新高，也是云巨头增速最靓丽的板块。
最后，界积极利用人工智能等新技术驱动智能化转型，而云服务作为新技术输出窗口。受益于人工智能技术广泛应用，全球云服务迎来最好发展时代，根据权威调研机构数据显示：2021年，全球最终用户在公共云服务上的支出将高达3049亿美元。尤其去年验证了云的价值，将会使得越来越企业将应用迁移、毁物部署在云端，进而进一步全球云服务市场。
杨剑勇，福布斯专栏作家，并获得网易2020年度最具影响力奖，致力于深度解读5G、物联网经济和人工智能等前沿科技，观点和研究策略被众多权威媒体和知名企业引用。
亚马逊的人工智能之路
The learning machine
学习机器
The online commercial empire rests on a low-key approach to artificial intelligence
这家互联网商业帝国在人工智能的发展上选择了一条低调的路
Amazon’s six-page memos are famous. Executives must write one every year, laying out their business plan. Less well known is that these missives must always answer one question in particular: how are you planning to use machine learning? Responses like “not much” are, according to Amazon managers, discouraged.
亚马逊的六页备忘录十分出名，执行官们每年必须按要求写一页，详细阐述自己未来的商业计划。但不太出名的一点是，每一封信函必须回答一个具体的问题：你打算怎么利用机器学习？如果你的回答是“没什么可说的”，根据亚马逊管理层的态芹说法，这种答案是不允许出现的。
Machine learning is a form of artificial intelligence (ai) which mines data for patterns that can be used to make predictions. It took root at Amazon in 1999 when Jeff Wilke joined the firm. Mr Wilke, who today is second-in-command to Jeff Bezos, set up a team of scientists to study Amazon’s internal processes in order to improve their efficiency. He wove his boffins into business units, turning a cycle of self-assessment and improvement into the default pattern. Soon the cycle involved machine- learning algorithms; the first one recommended books that customers might like. As Mr Bezos’s ambitions grew, so did the importance of automated insights.
机器学习是人工智能的一种实现途径，它主要包括特定类型的数据挖掘，主要目的是对未来趋势进行预测。1999年当杰夫·维尔克（Jeff Wilke）加入公司的时候，这一想法就开始落地了。维尔克先生是亚马逊公司的第二把交椅，他组建了一个人工智能专家组，主要负责亚马逊内部工作流程的研究，目的在于提高员工的工作效率。他将科学家们安排在各企事业部门，将不断循环的自我评价和提高过程固定为一个默认模式，很快这个循环就加入了算法；第一代算法可以向顾客推荐他们喜欢的图书。随着贝佐斯先生的野心越来越膨胀，这种全自动的算法推荐模式也显得越来越重要。
Yet whereas its fellow tech titans flaunt
其橡乎他科技巨头有什么可炫耀的
their ai prowess at every opportunity—Facebook’s facial-recognition software, Apple’s Siri digital assistant or Alphabet’梁闭悉s self- driving cars and master go player—Amazon has adopted a lower-key approach to machine learning. Yes, its Alexa competes with Siri and the company offers predictive services in its cloud. But the algorithms most critical to the company’s success are those it uses to constantly streamline its own operations. The feedback loop looks the same as in its consumer-facing ai: build a service, attract customers, gather data, and let computers learn from these data, all at a scale that human labor could not emulate.
科技巨头们抓住一切机会展现自己在AI方面的实力：脸书推出了面部识别软件，苹果拥有语音助手Siri，谷歌推出了无人驾驶和阿尔法Go。和这些公司相比，亚马逊在机器学习上选择了一条低调的路。Alexa（亚历克斯）是亚马逊公司推出的一项人工智能服务，它的主要竞争对手是苹果的Siri。依靠Alexa的云平台，亚马逊可以为用户提供预测服务。这款人工智能背后的算法颇具特色，它能够不断将自己的操作流程精简处理，但这款AI服务的反馈回路和其客户端AI类似：发起一项服务，吸引目标客户，收集用户信息，让计算机学习这些数据，并且处理的数据规模是人力无法企及的。
Mr Porter’s algorithms
波特先生的算法
Consider Amazon’s fulfilment centers. These vast warehouses, more than 100 in North America and 60-odd around the world, are the beating heart of its $207bn online-shopping business. They store and dispatch the goods Amazon sells. Inside one on the outskirts of Seattle, package shuttle along conveyor belts at the speed of a moped. The noise is deafening—and the facility seemingly bereft of humans. Instead, inside a fenced-off area the size of a football field sits thousands of yellow, cuboid shelving units, each six feet (1.8 meters) tall. Amazon calls them pods. Hundreds of robot shuffle these in and out of neat rows, sliding beneath them and dragging them around. Toothpaste, books and socks are stacked in a manner that appears random to a human observer. Through the lens of the algorithms guiding the process, though, it all makes supreme sense.
我们可以了解一下亚马逊的“执行中心”。它们其实是大型的仓库，在北美地区超过100座，还有60多座分布在世界各地。可以说这些仓库就是这家公司强有力的心脏，它们驱动了亚马逊价值2070亿美金的在线购物贸易。这些仓库用于存储和调配货物，亚马逊再把它们卖给顾客。位于西雅图市郊的一座仓库里，传送带以机车的速度传送着包装用品，你很难听到一点儿噪音，并且这些设施基本实现了全自动操作。在围栏围住的一个区域，一块差不多足球场大小的地方存放着一些黄色方块状货架，每一个货架的高度约为1.8米，亚马逊把它们称为“小型货仓”。这些“货仓”们整齐排列成一排，数百个机器人穿梭其中，把它们移出来又移进去。在人类看来，这些货品，比如牙膏，书籍和袜子被随机地放置在货架上，着实让人难以理解。但是在算法的引导下，这一过程又显得极其合理。
Human workers, or “associates” in company vernacular, man stations at gaps in the fence that surrounds this “robot field”. Some pick items out of pods brought to them by a robot; others pack items into empty pods, to be whirred away and stored. Whenever they pick or place an item, they scan the product and the relevant shelf with a bar-code reader, so that the software can keep track.
人类员工，或亚马逊公司所称的“人类伙伴”，主要为机器人提供辅助服务，他们的工作场所位于围栏间的站台处，围栏内部就是所谓的“机器人地带”。机器人不停地搬运小型货仓，有的员工从上面取下货物，有的又把货物放回空的货仓。但无论员工是取出还是放回，他们都会使用条形码仪对商品以及对应的货架进行扫描，这样软件系统就可以记录该商品的运行路径。
The man in charge of developing these algorithms is Brad Porter, Amazon’s chief roboticist. His team is Mr Wilke’s optimization squad for fulfilment centers. Mr Porter pays attention to “pod gaps”, or the amount of time that the human workers have to wait before a robot drags a pod to their station. Fewer and shorter gaps mean less down time for the human worker, faster flow of goods through the warehouse, and ultimately speedier Amazon delivery to your doorstep. Mr Porter’s team is constantly experimenting with new optimizations, but rolls them out with caution. Traffic jams in the robot field can be hellish.
布拉德·波特（Brad Porter）是这些算法背后的主要开发者和管理者，同时也是亚马逊公司的首席机器人科学家。他组建的团队是维尔克先生队伍的优化版本，主要服务对象是执行中心。波特先生主要关注如何缩小小型货仓间的间隙，以及如何减少人类员工在他们站台等待机器人运送货物的时间。对人类员工而言，更少以及更小的间隙意味着更短的装卸时间，更加迅速的货物运输流程，以及更加快捷的配送服务。一直以来，波特先生的团队都在对新型优化策略进行试验，但每一次的推广都十分小心谨慎，因为“机器人地带”的交通堵塞是一个非常严重和可怕的问题。
Amazon Web Services (aws) is the other piece of core infrastructure. It underpins Amazon’s $26bn cloud-computing business, which allows companies to host web- sites and apps without servers of their own.
亚马逊网络服务（AWS）是其核心基础设施的另一个组成部件。它的存在维持了亚马逊价值2600亿美元的云计算业务。利用这一网络系统，公司们可以在没有服务器的基础上开设自己的网站或开发自己的应用程序。
aws’s chief use of machine learning is to forecast demand for computation. Insufficient computing power as internet users flock to a customer’s service can engender error and lost sales as users encounter error pages. “We can’t say we’re out of stock,” says Andy Jassy, aws’s boss. To ensure they never have to, Mr Jassy’s team crunches customer data. Amazon cannot see what is hosted on its servers, but it can monitor how much traffic each of its customers gets, how long the connections last and how solid they are. As in its fulfilment centres, these metadata feed machine- learning models which predict when and where aws is going to see demand.
AWS在机器学习方面的主要用途是预测计算需求。当互联网用户涌入客户端时，计算能力缺乏就会产生很多错误，比如用户进入错误页面，交易只好被迫取消。“我们不能说我们没有存货。”安迪·杰西（Andy Jassy）是AWS的老板，他表示，为了保证这一网络系统永远不出错误，他的团队收集并分析了大量顾客的数据。虽然亚马逊方面无法得知服务器上的内容，但它可以检测到顾客获取了多少流量，他们与服务器间的连接持续了多长时间，以及这一连接的质量如何。在亚马逊公司的执行中心，机器学习模型依靠这些元数据的输入继而运转起来，这些模型的功能主要是预测AWS系统在何时何地有可能产生计算需求。
One of aws’s biggest customers is Amazon itself. And one of the main things other Amazon businesses want is predictions. Demand is so high that aws has designed a new chip, called Inferentia, to handle these tasks. Mr Jassy says that Inferentia will save
Amazon money on all the machine-learning tasks it needs to run in order to keep the lights on, as well as attracting customers to its cloud services. “We believe it can be at least an order-of-magnitude improvement in cost and efficiency,” he says. The algorithms which recognize voices and understand human language in Alexa will be one big beneficiary.
AWS最大的客户之一就是亚马逊自己。同时，亚马逊其他业务对于AWS的需求也集中在它的预测能力这一块。由于计算量巨大，研究者为AWS设计了一款新的芯片来处理这些任务，它被称为Inferentia。杰西先生表示，这款芯片将为亚马逊在机器学习的各类任务上节省不少钱，同时又能吸引更多的客户选择其云服务。杰西先生还表示“Inferentia将给公司的成本效率带来数量级的提升。”能够辨识声音，理解人类语言的Alexa将为其本身的算法发展带来无穷的好处。
The firm’s latest algorithmic venture is Amazon Go, a cashierless grocery. A bank of hundreds of cameras watches shoppers from above, converting visual data into a 3d profile which is used to track hands and arms as they handle a product. The system sees which items shoppers pick up and bills them to their Amazon account when they leave the store. Dilip Kumar, Amazon Go’s boss, stresses that the system is tracking the movements of shoppers’ bodies. It is not using facial recognition to identify them and to link them with their Amazon account, he says. Instead, this is done by swiping a bar code at the door. The system ascribes the subsequent actions of that 3d profile to the swiped Amazon account. It is an ode to machine learning, crunching data from hundreds of cameras to determine what a shopper takes. Try as he might, your correspondent could not fool the system and pilfer an item.
在算法探索方面，这家公司最新成果是亚马逊Go，它是一家不设置收银员的杂货店。店内数百台摄像头无时无刻地从上方监控着顾客行为，并将采集到的视觉数据转换成三维用户信息，这些数据的用途是跟踪顾客在拿取货品时的手臂动作。如此一来，这一算法系统就可以知道顾客拿了哪些商品，并在顾客离店时，把这些商品的账单自动发送到顾客的亚马逊账号中。迪里普·库玛（Dilip Kumar）是负责亚马逊Go项目的老板，他强调这个系统的目的是追踪顾客的身体动作，并没有使用面部识别来辨识顾客信息以连接其亚马逊账户。这个系统就是机器学习的“颂歌”，它从数百台摄像头那里采集信息，从而断定顾客究竟拿了什么。也许你打算偷拿一件商品，但这些摄像头系统可不会被轻易骗到。
Fit for purpose
量体裁衣
ai body-tracking is also popping up inside fulfilment centres. The firm has a pilot project, internally called the “Nike Intent Detection” system, which does for fulfilment- centre associates what Amazon Go does for shoppers: it tracks what they pick and place on shelves. The idea is to get rid of the hand-held bar-code reader. Such manual scanning takes time and is a bother for workers. Ideally they could place items on any shelf they like, while the system watches and keeps track. As ever, the goal is efficiency, maximizing the rate at which products flow. “It feels very natural to the associates,” says Mr Porter.
人工智能动作追踪在执行中心内部也有用武之地。亚马逊公司推出了一项试验计划，在公司内部，它被称为“耐克意图探测“系统，它在执行中心的运转原理和亚马逊Go一样：追踪货物在货架上取出和放回的轨迹。这一想法主要是为了淘汰以前的手握条形码扫描仪，因为这样的录入工作很浪费员工的时间，操作起来也十分麻烦。理想情况是，在系统的监控和追踪下，员工可以把货物放在任何货架上。亚马逊的目标总是提高效率，最大化产品的流通速率，用波特先生的话说，“我们所有人类员工都觉得这一过程十分自然。”
Amazon’s careful approach to data collection has insulated it from some of the scrutiny that Facebook and Google have recently faced from governments. Amazon collects and processes customer data for the sole purpose of improving the experience of its customers. It does not operate in the grey area between satisfying users and customers. The two are often distinct: people get social media or search free of charge because advertisers pay Facebook and Google for access to users. For Amazon, they are mostly one and the same (though it is toying with ad sales). Where regulators do raise concerns is over Amazon’s dominance in its core business of online shopping and cloud computing. This power has been built on machine learning. It shows no signs of waning.
在数据采集方面，亚马逊选择了一天十分谨慎的道路，因此，和脸书以及谷歌相比，政府相关部门对于亚马逊的审查力度要小很多，有些部分甚至可以免除。主要原因在于，亚马逊采集和处理的用户信息仅仅用于提高用户的操作体验，在满足使用者和消费者的需求之间并没有什么灰色地带。数据使用者和制造者（消费者）之间的差异通常很明显：人们能够使用社交媒体或免费的搜索引擎，那是因为广告商通过向谷歌和亚马逊支付广告费，使得他们的广告可以接触到消费者。对亚马逊而言，这两者基本上是同一个人（尽管亚马逊不是很在乎广告收益）。但亚马逊也面临一些监管层面的担忧，比如它在线上购物和云计算这两大商业领域的垄断地位。但这一地位的确立正是建立在强大的机器学习基础上的，没有迹象表明，它们处于衰退之中。
图灵测试已经过时？现在有更高级的算法吗？
亚马逊Alexa副总裁兼首席科学家Rohit Prasad认为，旧的计算标准对当今的人工智能时代已不再具有借鉴意义。
今年是艾伦·图灵引入“图灵测试”概念的论文发表70周年。在这篇论文里，他回答了这个搜尘改问题——“机器会思考吗？”。该测试的目标是确定机器能否表现出与人类难以分辨的对话行为。
图灵预测，到2000年，普通人在模拟游戏中将人工智能与真人区分开的概率将不到70%，游戏中的回应者可能是真人，也可能是人工智能，而评估者对此毫不知情。
阿兰·图灵
为什么20年过后，作为一个产业，我们还无法实现这个目标呢？我认为图灵提出的努力目标对我这样的人工智能科学家来说并不是一个实用目标。
图灵测试充满了限制性因素，图灵自己在这篇开创性论文中就讨论过其中一些。随着如今人工智能普遍集成到手机、汽车和家庭中，一个事实越来越明显：人们更关心他们与机器的交互是实用、无缝和透明的，实现机器与人真假难分的理念已经过时。
因此，是时候让这个70年来一直作为灵感源泉的传奇退役了，我们需要设立一个全新的挑战来赋予研究者和从业者以同样的灵感。
图灵测试与公众想象力
在概念引入后的短短几年里，图灵测试成为人工智能学术界的北极星。
六七十年代最早出现的聊天机器人“伊丽莎”（ELIZA）和“帕里”（PARRY）的目标就是通过图灵测试。2014年，聊天机器人“尤金·古斯特曼”（Eugene Goostman）宣布它通过了图灵测试，骗过了33%的人类裁判，让他们误以为自己是真人。然而，正如其他人所指出的，骗过30%人类裁判的标准是武断的，即使这样，这场胜利还是让一些人觉得过时了世判。
然而，图灵测试继续激发着公众想象力。OpenAI的“生成性预训练”Transformer 3（GPT-3）语言模型以其击败图灵测试的潜力而成为头条新闻。同样地，记者、商界领袖和其他观察家仍然会问我：“Alexa什么时候能通过图灵测试？”
毫无疑问，图灵测试是衡量Alexa智能的一种方法，但这样衡量Alexa的智能真的重要吗？有意义吗？
要回答这个问题，让我们回到图灵第一次提出这篇论文的时候。
1950年，第一台商用计算机尚未开售，光纤电缆的基础性研究又过了四年才发表，人工智能领域也还没有形成，要到1956年才正式确立。如今手机的计算能力是阿波罗11号的10万倍，再加上云计算和高带宽连接，人工智能可以在数秒内根据海量数据做出决策。
虽然图灵的最初设想仍能赋予我们灵感，但将图灵测试理解为人工智能进步的终极标志，必然会受到它刚提出时所处时代的局限。
首先，图灵测试几乎没有考虑人工智能的机器属性，比如快速计算和信息查找等，这些才是现代人工智能最有效的特征。
刻意强调骗过人类，意味着人工智能要通过图灵测试，就必须在回答诸如“你知道3434756的立方根是多少吗？”或者“西雅图离波士顿有多远？”这类问题的时候做出停顿。
事实上，人工智能立刻就知道这些答案，而做出停顿让自己的回答听起来更像真人，并不是利用其技能的最佳方式。
此外，图灵测试没有考虑到人工智能使用传感器听、看和感受外部世界的能力越来越强大。相反，图灵测试仅限于文字沟通。
其次，要想让人工智能在今天更实用，这些系统需要高效地完成我们的日常任务。当你让人工智能助手帮你关掉车库的灯时，你并不想发起一场对话。相反，你会希望它立刻满足这个要求，并以一个简单确认比如“ok”或“好的”来通知你。
即使你与人工智能助手就一个热门话题进行广泛对话，或让它为孩子朗读故事，你还是想知道它是人工智能而非真人。事实上，通过假装真人来“骗过”用户会带来真正的风险。想想反乌托邦的可能性，我们已开始看到散布假消息的机器人和深度虚假新闻的出现。
人工智能面临全新的重大挑战
与其说沉迷于让人工智能与人类毫无差别，我们更应该致力于构建能增强人类智力、以公平和包容的方式改善我们日常生活的人工智能。
一个有价值的潜在目标是，让人工智能表现出类似人类的智能属性——包括常识、自我监督和语言能力，与快速搜索、记忆唤起和代表你完成任务等机器效率相结合。最终的结果是学习和完兄纤成各种任务，适应全新的情况，远超一个普通人所能做的。
这一焦点揭示了当前人工智能领域真正重要的研究——感官理解，对话，渊博的知识，高效学习，决策推理，以及消除任何不恰当偏见（即实现公平）。这些领域的进展可以用多种方式来衡量。
一种方法是将挑战分解为多个任务。例如，Kaggle的“抽象和推理挑战”专注于解决人工智能从未见过的推理任务。
另一种方法是为人机交互设计一个大规模的现实世界挑战，比如“Alexa 社交机器人大奖赛”——一个面向大学生的对话型人工智能大赛。
事实上，当我们2016年推出Alexa大奖赛时，我们就应该如何评价竞争对手的“社交机器人”展开了激烈的辩论。我们是想让人们相信社交机器人是真人，展开某种程度的图灵测试吗？或者，我们是想让人工智能具备进行自然对话的能力，从而促进学习、提供娱乐，还是只是把它当作一种令人愉悦的消遣？
首个获得公民身份的机器人“索菲亚”
我们制定了一个规则，要求社交机器人在20分钟内与真人就包括娱乐、体育、政治和科技在内的广泛热门话题进行连贯有趣的对话。
在决赛前的开发阶段，客户会根据是否愿意与机器人再次交谈来给它打分。在决赛中，独立的人类裁判会根据连贯性和自然性以5分制为其打分。
如果任何一个社交机器人的平均对话时长达到20分钟，并获得4.0以上的分数，那它就能通过这个重大挑战。
虽然目前还没有社交机器人通过这一重大挑战，但这种方法正引导人工智能研发，使其在基于深度学习的神经方法的帮助下，拥有类似于人的对话能力。它优先考虑让人工智能在适当情况下展现出幽默和同理心，而无需假装成真人。
亚马逊加入竞争:推出大语言模型Titan和生成性人工智能服务基岩的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于亚马逊基本术语、亚马逊加入竞争:推出大语言模型Titan和生成性人工智能服务基岩的信息别忘了在本站进行查找喔。
