AICon议程上新60%,阿里国际、360智脑、科大讯飞、蔚来汽车分享大模型探索与实践 了解详情
写点什么

深度剖析 Amazon AI 技术应用和战略布局:Alexa 不受重视反逆袭

  • 2019-01-25
  • 本文字数:4083 字

    阅读完需:约 13 分钟

深度剖析Amazon AI技术应用和战略布局:Alexa不受重视反逆袭

本文授权转载自微信公众号“亨利的 TwoCents”,如需转载请联系原作者。



Jeff Bezos 一直有个非常著名的“Day 1”哲学,就是让公司永远保持在一个"Day 1"的状态,他认为一旦到了“Day 2”,就意味着进入停滞期。那如何保持“Day 1”?Jeff 在 2017 年给股东的公开信中提到了 4 个策略:用户至上(Amazon 内部神一般的教条)、抵制形式主义、关注外部趋势和快速决策。


Jeff 早在 1997 年 Amazon 还刚起步的时候就提到“Day1”,当时的 vision:But this is Day 1 for the Internet and,if we execute well for Amazon.com. Today, online commerce saves customers money and precious time. Tomorrow,through personalization online commerce well accelerate the very process of discovery。Amazon 从网上书店起步,Jeff 很早就已经预测到技术对驱动业务发展的重要性——1998 年推出的协同过滤推荐引擎充分体验了这一点。


这就是 Amazon 为什么在“Day1”就对机器学习和人工智能非常重视,从面向消费者的语音助手 Alexa,showcase 的无人商店 Amazon Go,到藏在电商王国背后的 AI 技术,从 inside 到 outside,从 topdown 到 bottomup,AI 渗透进了 Amazon 内部每一个细胞。



相对其他巨头,Amazon 在 AI 领域的收购稍显保守,但 Amazon Alexa 基金就非常 aggressive,后面会作介绍。2013 年,Amazon 收购了英国公司 Evi Technology,该公司当时开发了一款跟 Siri 类似的语音助手 Evi。据了解,Amazon Echo 的语音技术就来自于 Evi。


2016 年,Amazon 收购了做图像识别的华人初创公司 Orbeus,这是目前 AWS 上提供计算视觉服务 Rekognition 的前身。同年 9 月,收购聊天机器人平台Angel.ai,显然是为 Alexa 布局。2017 年,收购AI云服务安全公司Harvest.ai,就是目前 AWS 推出的支持 ML 技术的安全服务 Macie。



Amazon 的 AI 应用可分为三大类,一类是能“看得见、摸得着”的前沿技术 moonshot 产品,像 Alexa、 Amazon Go 和无人机 Prime Air;一类是“不可见、藏在后台”的 AI 技术,如推荐引擎、仓库机器人和 fulfillment 中心的“最后一公里”;另外就是企业级应用 AWS 云平台,提供 AI 工具和服务,让企业构建自己的 AI 应用。


下面会分为 3 篇文章,全面、深入地剖析 Amazon 的 AI 技术应用和战略布局。




Amazon 在 2004 年成立 Lab126, 专注于硬件产品的研发。实验室曾有 4 个神秘的项目,代号为“ABCD”。拥有 3000 多名研发人员的 Lab126 以 2007 年发布的 Kindle 一战成名。但后来却因重压赌注的智能手机 Fire Phone 的失败而大规模重组,项目 C(据说是 AR 产品)也随之流产。但万万想不到,一直不受重视的项目 D,竟然打了一场漂亮的翻身仗,成为 Amazon 历史上第二个成功的硬件产品。



2014 年,Echo 从 Lab126 孵化出来,先定位 Prime 会员做市场试水,直到 2015 年在美国地区开放给全部用户,接着就一发不可收拾,高歌猛进。凭着快速的语音响应、多场景的语音交互能力、亲民的价格,瞬间秒杀市场上的音箱产品。Echo 从“点”到“面”地铺开战略,从音箱到家电,从家庭到汽车,全面占据消费者的生活场景。Amazon 最新对外公布,部署 Alexa 的设备已经超过 1 亿。虽然一直处于亏损状态,但这并不能阻挡“Alexa Everywhere”的战略。靠硬件盈利并不是 Amazon 的目的,布局才是大棋。这跟当年 AWS“低价切进,闪电式占领市场”的策略如出一辙。AWS 开始 target 中小型企业,财务上一直亏损,但市场渗透极深,等竞争对手开始觉醒的时候,已被 AWS 抛离到很远。另外,Alexa 最大的杀手锏是开放,允许第三方技能集成,吸引了大量开发者进入生态。2018 年,Alexa 技能个数已超 7 万。



这是一个典型的 Alexa 驱动开灯的场景。当用户发起语音指令,就会传给云端的 Alexa 解析和处理。如果 Alexa 发现使用的不是它内置技能,就会去调用外部第三方开发者的技能,最后发出“开灯”的指令。



Alexa 主要通过 2 个核心服务连接开发者和消费者构建生态:AVS (Alexa Voice Service) 和 ASK (Alexa Skill Kit)。


AVS 让设备厂商把 Alexa 的“智能大脑”内嵌进自己开发的设备里,让 Alexa“无处不在”。而 ASK 提供工具和接口给第三方开发者添加定制化的 Alexa 技能,让 Alexa“无所不能”。另外,Amazon 近期还推出连接工具箱 ACK (Alexa Connect Kit) ,允许设备制造商不联网、不走云端、不需开发技能,通过本地连接就可实现设备“智能化”。很明显,Amazon 这些布局极具前瞻性,不但笼络了消费者和开发者,还降低技术门槛让传统的硬件制造商进入生态。它的最终目标是让 Alexa 无处不在、无所不能,统治从家居家电、消费级可穿戴设备到汽车的一切平台。



我们从技术层面 drill down,对 Alexa 的处理流程进行拆解。AVS 主要负责两个转化:语音转文字(Speech-to-Text)和文字转语音(Text-to-Speech)。这两个转化的背后由两个深度学习引擎支撑:Amazon Lex 和 Amazon Polly。


  1. Amazon Lex:语音转文字服务,包含自动语音识别 ASR 和自然语言理解 NLU 的功能,可以独立于 Alexa 使用,是 Amazon AWS 对外提供的 chatbot 服务

  2. Amazon Polly:文字转语音服务,利用的是语音合成技术(speech synthesis)


首先,AVS 解析用户发起的语音请求,识别技能的名称,转成结构化的信息。如果技能已经部署在 AWS,ASK 就直接运行 AWS Lambda 服务。AWS Lambda 是云计算 Serverless 的计算架构,函数即服务(Function-as-a-Service, FaaS)。简单的来说,就是开发人员直接编写运行在云端上的函数,后面 AWS 章节会详细描述。如果技能不在 AWS,ASK 就通过 REST API 调用外部服务。返回的结果通过 AVS 转成语音信息传给 Echo,或者图像形式发送到手机 App。



Alexa 的成功主要在产品、市场先机和开放策略。先从 Echo 单点爆发,迅速占领市场,形成第一道“护城河”。然后,利用开放的策略,吸引更多的开发者研发第三方的 Alexa 设备,满足消费者各种场景需求,用户体验不断提升,然后带来更多的流量,吸引更多的开发者进入,打造一个自给自足的生态循环,形成第二道“护城河”。另外,生态的增长,持续产生大量有价值的用户偏好数据,数据的反哺帮助 ML 算法优化,分析更加精确,个性化程度更高,客户的体验更好,形成第三道“护城河”。从用户流量,到开发生态,到数据反哺,持续优化模型,层层递进,形成一个让竞争对手难以复制的巨大壁垒,最终垄断市场。



Amazon 在 2015 年成立 1 亿美元的 Alexa Fund,2017 年再加注 1 亿美元,target 全球更多地区(美国、加拿大、澳新、印度等)。基金目的主要是围绕 Alexa 打造智能助手的生态,让 Alexa 植入到更多的外部第三方产品,开发更多技能,引入先进的语音交互、NLP 等 AI 技术。基金除了关注 ToC 应用,还会进入 ToB 领域,这跟逐渐从消费级转型到企业级的微软 Cortana 正面交锋。


除了基金,Alexa 跟知名加速器 Techstars 合作,孵化以语音技术驱动的创业公司。据了解,Amazon 与 Techstars 向每家加速器创业公司投资 12 万美元,换取 6%的普通股。另外,基金还与大学,如卡内基梅隆 CMU、Johns Hopkins、南加州大学以及加拿大的 Waterloo 等,合作创办 fellowship 项目,争取从更早期阶段孵化语音 AI 技术。



基金的 portfolio 有 3 家来自加拿大,7 家来自欧洲,1 家来自以色列和 1 家来自印度,其他均来自美国地区。领域覆盖了智能家居、汽车出行、教育、医疗护理、企业应用等领域。很明显,智能家居仍然是 Alexa 的重心,从智能冰箱贴、宠物喂食器到安防摄像头,共投了 14 家。其中智能门锁 Garageio、智能门铃 Ring、安全路由器 Luma、智能洒水系统 Rachio 均被收购。儿童教育也是 Alexa 的关注领域,结合语音技术和 IoT,赋能儿童 STEM 教育。


核心技术和平台方面,KiTT.ai 专注语音唤醒和自然语音交互技术,尤其定制化的热词检测和支持多回合、多平台的语音会话技术,2017 年被百度收购。DefinedCrowd 针对的是语音识别、NLP 和计算视觉方面的数据打标签和训练服务。还有明星公司 Ctrl-Labs,同时获得 GV、Matrix Partners、Peter Thiel 的 Founders Fund 等知名风投的投资,结合计算神经科学、机器学习、生物物理、人机交互等技术,打造新一代的“脑机接口”。


另外,Alexa 也进入 ToB 领域,包括销售场景的Tact.ai、零售场景的 Blutag、餐饮场景的 SeverRooms。



80 到 90 年代,微软的 Windows 一直稳坐 PC 操作系统的王者地位。从 2000 年开始,移动互联网开始崛起。2007 年是一个关键里程碑,Google 推出免费操作系统 Android 和 Apple 发布 iPhone,标志着正式进入移动互联网时代。虽然两家走的路线不一样,一个开放操作系统以应用生态为主,一个封闭走中高端路线,提供极致的用户体验,但并不阻挡 iOS 和 Android 的发展势头,完全占据了用户手机使用的半壁江山。


2015 年,Echo 横空出世,以极快地进入智能家居市场,从点到面地爆发。通过精准的产品定位、闪电式的市场策略、开放的生态以及投资布局,建立极高的竞争壁垒。得用户者得天下,Amazon 目标只有一个,就是打造下一代基于语音交互的操作系统。



根据“The Alchemy of Growth”理论(中文: 增长的炼金术),企业有三个层次的增长。第一个层次是 Operator,维持当前业务的核心竞争力。第二个层次是 Business Builder,开拓新的业务增长模式和解决方案,扩展核心竞争力。第三层次是最高级别 Visionary,也是离公司的 comfort zone 最远的区域,创造独有的解决方案,开拓全新市场,实现业务爆炸性的增长。


我们可以看出,Echo 一系列智能产品利用语音技术让 Amazon 从电商业务拓展到智能家居,实现了新的业务模式,进入到 Horizon II。盈利不是首要目标,速度才是关键。这让我想到了“The Lean Startup”里面的原则: learning and iterating as quickly as you can to build a viable business。而 Alexa 最大的潜力在于开放 API 给第三方的开发者,打造生态系统,让 Alexa 的设备达到 1 亿多台,一年之内翻了 5 倍,把 Amazon 带进了 Horizon III,实现 transformative 的增长。是否能实现 Amazon 最终的目标?我们拭目以待。


下一篇,将会细讲 Amazon 在电商和物流上的 AI 应用和布局,敬请留意。


2019-01-25 12:3010079

评论

发布
暂无评论
发现更多内容

开闭原则详细介绍

杨充

研发管理如何度量「人效」

feijieppm

项目管理 研发效能 技术管理 文化 & 方法 效能度量

华为云桌面Workspace,让云上工作更高效!

路过的憨憨

Python 操作Excel(xlrd和XlsxWrite)

度假的小鱼

11月月更 Python xlrd读取Excel Python xlrd

读《程序是怎样跑起来的》体会

听风go

读书笔记 后端 计算机 计算机原理 读书总结

一文了解 Go 标准库 strings 常用函数和方法

陈明勇

Go golang 字符串 11月月更 strings

《2022开源大数据热力报告》发布,Flink 摘得「流处理」领域热力值 TOP1

Apache Flink

大数据 flink 实时计算

Linux yum 命令

梦笔生花

yum源 11月月更 Linux系统指令

支持向量机-SVC的模型评估指标

烧灯续昼2002

Python 机器学习 算法 sklearn 11月月更

python版本管理工具DVC

AIWeker

人工智能 版本管理 11月月更 dvc

Python 操作Mysql

度假的小鱼

pymysql 11月月更 Python操作Mysql

深度学习-浅谈keras的扩展性

AIWeker

深度学习 keras 11月月更

Python 操作mongodb库

度假的小鱼

mongodb 11月月更 Python 操作mongodb库

“后 Hadoop 时代”,大数据从业者如何应对新技术趋势带来的挑战?

Apache Flink

大数据 flink 实时计算

Flink CDC 2.3 发布,持续优化性能,更多连接器支持增量快照,新增 Db2 支持

Apache Flink

大数据 flink 实时计算

2022-11-29:查找重复的电子邮箱。以下数据中a@b.com是重复的,请写出sql语句。 DROP TABLE IF EXISTS person; CREATE TABLE person (

福大大架构师每日一题

数据库 福大大

华为云大数据平台,助力企业数字化转型成效明显

路过的憨憨

细说值传递、引用传递和地址传递

闫同学

编程语言 计算机基础 11月月更

凝心聚力 开源共建 | 统信软件参与成立OpenKunlun开源固件社区

统信软件

开源 开源社区 开源技术

【web 开发基础】PHP中的数组 (41)

迷彩

php 数据结构 11月月更 关联数组 索引数组

【React技术】JSX在企业级项目的运用and一个元素渲染demo

恒山其若陋兮

前端 11月月更

赫夫曼树编码实验报告

我是一个茶壶

数据结构 哈夫曼树 11月月更

支持向量机-ROC曲线中的概率和阈值

烧灯续昼2002

Python 机器学习 算法 sklearn 11月月更

「Go易错集锦」正确使用defer避免代码重复

Go学堂

golang 程序员 个人成长 defer 11月月更

制造业要用龙头带动整条产业链发展,阿里云智能制造加速器首次集结

B Impact

基于 Apache Flink Table Store 的全增量一体实时入湖

Apache Flink

大数据 flink 实时计算

xxj-job服务端架构流程

IT巅峰技术

融云全球社交泛娱乐洞察,老资格的「游戏社交」还有哪些想象空间

融云 RongCloud

社交 泛娱乐社交

单一职责原则详解

杨充

企业办公新模式,随时随地云上协同!

秃头也爱科技

【web 开发基础】PHP 中数组的定义 (42)

迷彩

数据结构 数组 11月月更 数组的定义

深度剖析Amazon AI技术应用和战略布局:Alexa不受重视反逆袭_AI&大模型_Henry_InfoQ精选文章