这提高了云提供商自身的风险;优秀的机器学习产品不仅可以是提供差异化，而且是可持续的：更优的产品将吸引更多的客户，从而获得更多的数据，而数据是机器学习改进的动力。因为这些数据使得Google是AWS在云中的最大威胁。

　　我之前描述了谷歌的企业业务受到其消费者焦点的限制，但谷歌的巨大优势是，它已经使用大量的数据将近二十年，并在过去几年开发功能强大的机器学习算法。尽管如此，数据是最重要的。最好的证据如下：去年，当谷歌讲解机器学习的蓝图TensorFlow开源时：正如我在TensorFlow and Monetizing Intellectual Property这一篇中讲述，谷歌愿意分享其方法是在变相承认，其优越的数据和处理基础设施是一个可持续的优势。

　　我们刚刚开始看到这种优势适用于Google的云产品。就在感恩节之前，谷歌利用其数据优势做了一系列产品公告：

　　1.云自然语言API，它使用机器学习来分析文本，延伸到一般可用性

　　2.高级版的Cloud Translation API，它使用机器学习大幅提高翻译八种语言的准确性（超越并且延伸到了支持超过100种语言的标准版本）

　　3.Cloud Vision API的大幅降价，它使用机器学习来分析图像

　　4.新的Cloud Jobs API，atv，它使用机器学习来匹配潜在员工与工作职位

　　这四个加入了使用机器学习能力的Cloud Prediction API来做预测。它以及上面的前三个API明确来自各种Google消费产品;Jobs API可能建立在内部Google工具以及Google的大量数据的网络上。在每种情况下，Google都花了几年时间来磨炼其算法，以便将它们应用于企业数据集时，结果可能更优，或者至少远远低于培训漏斗。我期望这个优势可以持续下去并且变得更有意义。

　　尽管如此，谷歌必须付出更多，这就是为什么另一个重要声明是由李菲菲和Jia Li领导的Google云端机器学习小组成立：这个小组将负责开发专门的商业机器学习API;换句话说，他们的任务是研发Google的机器学习功能。

　　这一点用迂回的方式获得了谷歌的战略精髓：亚马逊依赖于最好的平台在第一波云计算的战斗中战胜了谷歌;通过开源Kubernetes试图将该行业转移到供应商不可知的容器，Google正在试图将竞争平面转向产品。毕竟，改变竞争规则通常比改变公司的性质更容易。

　　可以肯定的是，Google能否成功还没有定论：公司仍然必须应对新的业务模式：销售与广告，并且建立销售以及企业支持所需的组织。两者都是亚马逊的领先领域，并且亚马逊拥有一个庞大的合作伙伴生态系统和一个更大的功能集。

　　当然，AWS还有自己的机器学习API，以及IBM和微软。微软很可能在这方面有强大优势：公司不仅从事多年研究，也有经验的针对商业的生产技术。Google长期以来以消费者为焦点有时可能是一个障碍，而且像Kubernetes一样广受欢迎的观点是：Google还没有分到自己的那一杯羹。

　　不过，Google将是一个强大的竞争对手：其战略是健全的，而且更重要的是，找到一个新的业务线的紧迫性在今天来看比2006年更紧迫。最重要的是，向云计算的转变仍然在处于初始阶段。虽然亚马逊似乎生活在最远的未来，但是未来还没有发生。看到Google试图改变未来将要运行的规则将是非常有趣的。