回望2018：華為雲的順勢和錯位

2017年底，曾有一種論調認為雲計算的2018年將有一場「腥風血雨」。而今又到了年底，雲計算在過去一年的競爭沒那麼慘烈，市場格局的刷新卻是不爭的事實。

不管是Gartner發布的2018年「MG報告」，還是Forrester 2018年第三季度的中國主流公有雲廠商評估報告，相較於2017年最大的不同，或許就是在一線陣營的名單里，出現了華為雲這樣的新面孔。在另一個維度上，IP地址的總量和活躍數量一直是衡量雲計算市場佔有率的關鍵指標，華為雲在2018年的活躍IP增速達219%，並在IP地址的總量上擠進市場前三，而其他雲廠商的增速明顯放緩。

回望華為雲的2018，在技術創新、市場份額、業務增速等指標上不乏亮點，但讓華為雲以最快速度邁進第一陣營的因素中，順勢而為和錯位競爭恰是最明顯的標籤。

趕上多雲的快車道

2017年2月，亞馬遜的一位程序員輸入了一組不正確的指令，導致北弗吉尼亞州的數據中心中斷服務，Slack、The Verge、Quora等網站受到不同程度的影響，彼時就在行業內引發了深思：如何避免宕機等不確定風險，或是寄託於雲計算技術的進一步成熟，但更為理性的策略則是多元化雲戰略。

多雲架構主要有三種形式：私有雲自建數據中心 1家公有雲、私有雲自建數據中心 2家公有雲、2家以上公有雲。比如新浪微博採用了混合雲模式，除了在內部離線業務中搭建私有雲體系，同時和華為雲、阿里雲等公有雲進行深度合作；每逢春運即被吐槽的12306，選擇阿里雲和天翼雲提供服務，確保高並發需求和數據安全。

Forrester的調查數據顯示，99%的雲計算決策者認同混合雲和多雲策略，全球混合雲的市場規模將從2018年的446億美元增長到2023年的976.4億美元，屆時將有81%的大型企業採用多雲架構。

華為雲可以說是多雲戰略的重視擁躉。據IDC的報告顯示，2017年華為私有雲解決方案在中國政務雲市場、中國大數據市場、中國虛擬化市場、中國桌面雲市場均為市場份額第一。憑藉在私有雲市場的先天優勢，加上公有雲市場的迅速增長，華為雲在混合雲市場迎來了得天獨厚的條件，並在2018年順勢趕上了多雲戰略的快車道。

不過，順勢而為的前提是差異化優勢，除了在私有雲市場的行業地位，客群上的差異化是華為雲錯位競爭的另一賭注。

阿里雲、騰訊雲的崛起和雙創熱潮不無關係，大批的創新企業、中小企業像是「雲計算原住民」，對成本天生敏感，有面臨高速的業務增長，阿里、騰訊、百度等互聯網巨頭有著深刻的感知，並在雲計算業務上瞄準了這樣的客群。但政府和大型企業的數字化轉型也開始加速，這些G端和B端的客戶成了華為雲的優勢客群，也是華為雲和互聯網陣營錯位競爭的主要籌碼。

為了在快車道上直線超車，華為雲在2018年開始「錯位出擊」，一方面，在戰略上「上不做應用、下不碰數據、中不做股權投資」，中立的身份成為華為雲在多雲架構中的天然優勢；另一方面，華為雲發布了國內首個完整的公有雲容災備份解決方案，包括跨雲備份、跨雲容災及雲上容災三大場景，相比之下大多數雲廠商的容災備份解決方案都帶有排他性。

在制定2018年的市場戰略時，華為雲勢必花費了很多功夫進行戰略定位，以己之長攻彼所短，同時積極擁抱市場趨勢來掩蓋進入時間上的劣勢。新華社就是一個例子，無論是總社還是分社，過去在采、編、發系統上都採用自建的形式，不僅人力成本高，還常常會發生這樣或那樣的故障。當面臨上雲的問題時，新華社需要一個混合雲解決方案，如何解決在私有雲和公有雲之間數據的遷移，華為雲深厚的IT技術服務能力和本地化響應能力，奠定了獨一無二的市場優勢。

雲計算早已不再是新事物，但對企業來說最重要的卻是數據。一些遊戲、電商、金融、資訊等領域的玩家，恰是因為數據上的焦慮，在選擇雲計算平台時小心而謹慎。諸如微博、秒拍等在選擇多雲架構的時候，在數據安全上有著差異化優勢的華為雲，成為互聯網公司多雲方案中的熟面孔。

華為雲的開放無疑成了互聯網公司眼中的妥善方案，加上本身在企業、政府層面的優勢，在市場份額上迅速進入第一陣營，似乎不在意料之外。

全棧全場景AI的新賽道

2018年後，雲計算行業的另一個鮮明特點與人工智慧息息相關。

阿里雲在9月份的雲棲大會上提出了「雲計算＋IoT＋人工智慧」的組合拳，寄希望於人工智慧和物聯網來拓展業務邊界；百度雲多次在行業會議上強調「ABC戰略」，將自家擅長的AI作為百度進入企業級市場的急先鋒；騰訊雲頻繁為AI即服務的智能雲背書，推出了智能鑒黃、語音識別、機器翻譯等一連串的AI應用服務……

在人工智慧的新賽道上，華為雲的打法和多雲戰略不無相同，先找准行業宏觀層面的勢，再結合自身特點尋找差異化抓手。雲計算和人工智慧的融合毋庸置疑，確定了這一點的華為雲，不僅是行業的同行者，還是跑在最前面的引路人。

可能是基於自身的互聯網背景，阿里雲、騰訊雲在人工智慧上多半是雲服務的對外輸出，比如人臉識別、語音識別、自然語言處理、知識圖譜以及打包後的智能客服、智能營銷等解決方案。畢竟人工智慧不是重複造輪子，和雲計算的融合剛好為客戶們提供了可以直接使用的「輪子「，成為AI服務的常態。

在這個方面，華為雲也不例外，在2017年9月正式發布了華為雲EI，包括基礎平台服務、通用服務和行業場景解決方案三類服務。經過2018年的積累，華為雲EI已經上線了45種服務、142項功能，且這些技術方案大多已經在華為內部應用多年，技術水平和落地能力均被驗證。

以供應鏈端的智能裝箱、倉儲應用為例，華為公司每年處理的物流單數量多達30萬-50萬，對於供貨預估、裝箱管理、區域分發等流程有著完整的技術支持體系。於是華為雲相關的EI服務，可以根據物品特徵提供最佳裝箱方案，可以提升20%的分揀裝箱效率，同時做到集裝箱3D模擬可視，整體利用率提升6%。其中在華為雲和德邦物流的合作中，華為雲EI幫助德邦物流實現了降本增效的目的，類如高速掃描取件、自動分揀等等。

華為雲EI的優勢還在於政企市場的落地。2018年4月，華為雲與北京市交管局合作，在上地三街與上地東路交叉路口率先試點，利用AI演算法實現信號配時優化和時段自動劃分；2018年6月，華為雲針對交通和工業分別推出了EI交通智能體和EI工業智能體；到了10月份，華為雲EI 又發布了智慧城市解決方案……華為在全球各地的ToG資源讓華為雲拿到了AI落地的先手棋。

而與其他雲服務廠商不同的是，華為雲的錯位出擊體現在2018全聯接大會上提出的「全棧全場景AI」。其中全棧是技術視角，包括晶元、開發工具、訓練和推理框架、應用使能在內的技術全堆棧；全場景指代公有雲、私有雲、邊緣計算、物聯網行業終端以及消費類終端的部署環境。「全棧全場景AI」可以說是為華為量身打造的，也只有華為這樣真正兼顧底層和應用層的廠商才有可能做到。

比如在晶元方面，華為已經發布了自主研發的Ascend 910 與 Ascend 310，統一採用可擴展計算、可擴展內存、可擴展片上互聯的達芬奇架構。華為的Ascend晶元包括Max、Mini、Lite、Tiny 和 Nano 五個系列，面向不同的場景。

再比如華為雲的AI全流程開發平台與工具，涵蓋AI開發平台ModelArts、視覺AI應用開發平台HiLens、量子計算模擬器與編程框架HiQ。尤其是ModelArts，提供了數據標註準備、模型訓練、模型調優、模型部署等AI應用開發的一站式服務。

梳理來看，華為雲的AI戰略並不複雜，本質上還是彌合人工智慧研究和應用之間的溝壑，讓AI成為一種通用技術。所以華為雲要投資基礎研究、打造全棧方案和開放生態，讓人工智慧變得觸手可得。在競爭對手們執著於單一服務的對外輸出時，華為雲的「普惠AI」何嘗不是一種差異化呢。

站在企業需求的視角，人工智慧勢必會成為雲計算增長的重要驅動引擎，特別是智能城市、智能交通等宏觀層面的行業趨勢。華為雲2018年在人工智慧上動作不乏這一層面的考量，本身的政企客群提供了AI落地的契機，而從晶元到開發工具的「全棧AI」滿足了落地的保障，已然在提前落子。

尾記

回看今天的雲計算，早不再是誕生之初的樣子，從最開始的虛擬化到容器技術，再到Serverless，如今人工智慧也像雲計算一樣成為新的基礎設施。

技術永遠在進化，置身其中的搏擊者，既要對行業趨勢有精準的洞察，又需要找到自己適合的發力點，也就不難理解雲計算浪潮里的華為，2018年如此，2019年也會這樣。令人驚喜的是，華為諾亞方舟實驗室的Kevin Scaman 獲得了NeurIPS 2018 最佳論文，這家以創新為使命的公司並沒有局限在順勢和錯位的競爭思維里，仍然專註於最基本的底層創新。

我們看到了華為雲在業務上的聚沙成塔，在商業競爭中的進退中繩，也看到了最純粹的出發點。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！