八骏研究1已发布报告上半部分，此文为下半部分。

目录 

    4.3 Alphabet其他分部(Other Bets)

 4.3.1 Nest

 4.3.2 Google X

        Project Loon项目

        风电Makani项目

        Project Wing 无人机项目

 4.3.3无人驾驶子公司Waymo

    4.4 Alphabet人工智能

 4.4.1 医疗健康深度学习应用

 4.4.2 谷歌联合学习

 4.4.3 谷歌神经机器翻译

 4.4.4 DeepMind

        AlphaGo

        DeepMind 医疗健康领域布局

        DeepMind用于谷歌节能项目

 4.4.5 谷歌助手和谷歌家居

   互联网巨头在语音交互领域布局

 4.4.6 Google Multimodel

 4.4.7 TensorFlow: 谷歌机器学习开源项目

5 总结与展望

6 风险因素

4.3 Alphabet其他分部(Other Bets)

Alphabet除了谷歌外的其他分部主要投资于未来，从事颠覆式创新工作，目前仍然处于早期阶段，如Verily致力于使用创新技术和数据解决健康问题；Calico则投资超过15亿美元来研究衰老的原因以延长人类寿命；Waymo致力于无人驾驶汽车的研究；拥有诸多革命性新想法和项目的Google X实验室。

图25 Alphabet其他分部情况（来源：visualcapitalist.com）

目前来讲，Other bets 这部分业务仍然处于前期投入阶段，营业利润持续亏损；营业收入占公司总营收比重较小，但增速高于谷歌业务，因此呈现出占比逐渐扩大的趋势。

根据2016年年报及2017年一季报，其他分部收入的主要来源有三个部分：互联网接入和电视服务；授权和研发服务（Licensing and R&D services）以及Nest 硬件设备；其中驱动这部分收入增长的主要是Nest硬件收入以及互联网接入和电视服务（Google Fiber）。

表11 Alphabet 其他分部收入及利润情况季度数据

图26 Alphabet 其他分部（Other Bets）收入变化

图27 Alphabet其他分部收入与谷歌收入比较（来源：visualcapitalist.com）

4.3.1 Nest

Alphabet于2014年2月收购了Nest，成为Alphabet在节能和智能家居领域的又一大布局，此后Nest硬件在Other Bets收入中占据较大部分，且为该部分业务增长有较大贡献。Nest目前有三种类型产品：第三代Nest学习恒温器（Nest Learning Thermostat）；烟和CO感应报警器；户内外智能摄像头。

Nest第三代学习恒温器可以自动适应用户的生活节奏以及季节变化，只需要使用一周，该恒温器便可以根据用户生活习惯自动设定程序来控制室内温度。除了智能，Nest恒温器还有一大优点就是节能，2011年以来，Nest恒温器帮助用户节约的能量超过135亿kWh。一项独立研究标明，Nest恒温器在加热方面平均可以节约10-12%的能耗，在制冷时，平均可以节约15%的能耗，使用两年节约的能耗成本便可以抵消恒温器的购买成本。Nest恒温器还可以和烟感及CO报警器协同作用，当加热或燃烧过程中释放烟或CO时，烟感报警器会报警，而恒温器会因为室内温度升高而及时切断热源。

图28 Nest产品：左上为恒温器，右上为烟/CO感报警器，下为智能摄像头

（来源：Nest官网）

4.3.2  Google X

Google X又叫“Moonshot Factory”，汇集了各行各业的顶尖专家，专门从事重大的、有风险的工作，寻找世界性难题，然后找到完美的解决方案，并且确认该解决方案在技术上是可行的。该部门鼓励冒险，当一个项目因为进展不下去而停止时，团队的所有成员会得到嘉奖。目前在研究的项目有向无法连接互联网的地区提供WiFi连接的气球项目；提供更高效更加节省材料的风力发电装置（Makani）项目以及提供无人机送货服务的Project Wing项目。

图29 Google X蓝图（Google X官网）

除了在研的项目，还有从GoogleX中“毕业”的项目，包括：成为Alphabet单独子公司的项目无车驾驶子公司Waymo，生命科学子公司Verily，基于大数据、应用于改善建筑设计、建造及维护的建筑平台Flux，并入谷歌研究部门的Gcam和谷歌大脑（Google Brain），并入谷歌地图的Project Insight，并入谷歌安卓产品线的谷歌手表，专注于虚拟现实和增强现实、现在为谷歌先进技术和项目（ATAP）团队一部分的Google Tango。

X实验室气球WiFi（Project Loon）项目

该气球WiFi项目设计的初衷是希望建立一个在大气层边缘定向漂流的气球网络，从而让农村和偏远地区的人们可以连接互联网，同时使部分地区在灾后可以正常上网。

由于平流层不同高度的气流速度不同，通过向气球中充入或抽出氦气的方法可以控制气球上下移动，然后利用算法和世界风向数据可以控制气球的漂流方向。根据X实验室的试验结果，该气球可以从20000公里以外的地方漂流到目的地，误差在500米以内，且气球WIFI可以有效的与地面手机建立连接，速度达到15M/s；实验室的一只造价不贵的气球用187天周游世界19次，证明了气球WiFi的稳定性。目前该项目团队正在与部分国家运营商合作进行测试。

图30 X实验室气球WiFi（Project Loon）项目（来源：Google X官网）

风电Makani项目

Makani风力发电的目的为以更便宜的的价格提供清洁能源。设备的优点在于更小更轻便，单位重量发电量更高。由于海拔高度越高，风力越大越稳定。该团队设计的功率为600kW的设备，重量为11吨；传统的固定涡轮式的750kW的风力发电装置重量则达到135吨。

图31 X实验室风电Makani项目（来源：Google X官网）

Project Wing 无人机项目

该项目主要提供下一代无人驾驶飞行器，保证其有效、安全、低噪音，将用于从货物到紧急情况下药物的运输。为了确保安全，每一辆无人机均配备备用航空电子设备、发动机、电池和导航系统。该团队正在研发一个共享空间系统，从而确保业余爱好者和商用无人机可以在空间内安全导航和飞行。该团队研发的送货无人机预计将在今年投入商用。

图32 Project Wing团队设计的送货无人机（来源：Project Wing官网）

4.3.3 无人驾驶子公司Waymo

谷歌无人驾驶开始于2009年，于2016年成为单独子公司Waymo。截止2017年5月，无人驾驶汽车Waymo已经行驶的里程超过300万英里，并且持续在城市复杂道路众进行试验。如果将行驶过程中出现需要驾驶员干预的情况称为一次“偏离”（disengages），2016年每1000英里的偏离次数为0.2，与2015年相比出现很大改进。

2014年全球就有125万人死于车祸，美国则有3.27万人死于车祸，其中绝大多数是由于驾驶员的失误或者开车不专心导致的，美国约有94%的事故是由于人为选择或者错误导致的。从无人驾驶发展的速度来看，不会花太长时间，无人驾驶汽车发生事故的概率就会低于人为因素所致事故发生的概率，从而带来无人驾驶汽车的爆发。

图33 Alphabet Waymo无人驾驶汽车（来源：Waymo官网）

图34 Waymo无人驾驶汽车试验数据（来源：Waymo官网）

4.4 Alphabet人工智能

根据美国科学院院士张首晟认为，人工智能发展到今天，主要是三大趋势的汇集，首先是摩尔定律，计算机的计算能力在过去的五六十年里面每过十八个月就翻一次倍，未来量子技术的发展有望继续提升计算能力；其次是互联网的快速发展产生了大量数据来给机器学习，包括中国的BAT及美国的硅谷和Facebook，产生了大量数据提供给机器学习，Google的核心业务搜索、安卓系统、地图、Chrome浏览器、YouTube、Google Play、和Gmail邮箱均有超过10亿的月度活跃用户，其积累的数据可想而知；最后是算法的推进。正是这三大趋势推动人工智能的不断进步，并且这三大支柱将持续改进和提升，将人类社会带入人工智能新纪元。

谷歌CEO SundarPichai说，“机器学习和人工智能正在解锁几年前人们无法想象的新技能。”人工智能对普通人来说不再遥不可及，人脸识别、语音输入、手机智能助手等智能技术正在影响每一个人的生活。如果说过去十年我们见证了移动设备及应用的普及浪潮，那么未来几十年我们即将见证人工智能给我们工作生活的方方面面带来的不断创新，而这一切才刚刚开始。

Alphabet适应变化能力很强，在计算机向移动设备转变的大潮流中使Alphabet重新思考，并对产品进行改造，以适应新型交互模式。根据谷歌数据，Android 设备月活跃用户刚刚突破了20亿；YouTube有10亿用户及长达10亿小时的日播放时长；Google 地图日导航里程超 10 亿公里。大量用户数据的积累使得谷歌很早便开始人工智能领域的研究，是公认的AI领导者。如今，计算机又处在新的变革时期，从移动优先转变为人工智能优先。Alphabet旨在构想一个能够进行更加自然、无缝的技术交互的世界，也早已将公司战略从移动优先（Mobile first）转型为AI优先(AI first)，2016年Alphabet就在搜索、地图、社交和Google Play等领域上线了350项深度学习支持的应用和功能，如邮件回复更加方便，YouTube推荐更加精准、机器学习翻译、谷歌助手等。基于在人工智能领域的深厚功底，谷歌在这一轮人工智能浪潮中将更大概率胜出。

那么Alphabet在人工智能领域都有哪些布局和应用，发展到什么阶段呢？下面对Alphabet的人工智能领域布局进行一个简单的梳理和总结。

4.4.1 医疗健康深度学习应用

谷歌将深度学习应用于医疗健康领域，旨在于变革医药领域，提供新的辅助性技术，使医生在服务病人时更加强大，医疗服务更加便利和精确。通过和临床的合作，谷歌深度学习在眼科和数字病理学两个疾病的诊断领域取得了进展。

在眼科领域，深度学习被用于糖尿病性视网膜病变（diabetic retinopathy）的电脑辅助诊断。糖尿病性视网膜病变如果在早期诊断，有效的治疗可以防止不可逆的失明，而在全球大多数地区，并没有足够的医生来对该病的患者做筛查，因此人工智能大有用处。谷歌的深度学习算法诊断糖尿病性视网膜病变的能力与美国持证职业眼科医师的水平相当。

图35 Alphabet深度学习被用于糖尿病性视网膜病变的电脑辅助诊断

在数字病理学领域，谷歌的研究可以帮助病理学家通过淋巴结活检来诊断乳腺癌。检查病理学幻灯片非常复杂，需要多年的培训、专业知识和经验，既使进行大量培训，不同病理学家对同一患者的诊断也可能存在很大差异。为了解决时间耗费和诊断变异性问题，谷歌构建了一种自动检测算法，可以自然补充病理学家的诊断流程，该算法高度敏感，使得病理学家更容易在淋巴结活检中发现乳腺癌的轻微转移。

图36 Alphabet算法可以有效的区分片众巨噬细胞和肿瘤

4.4.2 谷歌联合学习（Federated Learning）

传统机器学习方法要求将训练数据集中在一台机器或数据中心。为了训练用户与移动设备进行互动的定制模型，Google又引入了一种新的深度学习方法：联合学习（Federated Learning），使用用户的手机数据进行计算学习和改进模型，共享存储空间，保护用户数据隐私的同时为用户提供个性化体验。目前该技术被用于谷歌输入法中，使用Gboard键盘来测试联合学习的效果，通过改进模型来改进推荐输入词条的精确度。当Gboard键盘列出所有查询建议后，手机设备会存储当前上下文的有关信息以及用户是否点击了该建议。在联合学习过程中，能够通过设备的历史输入来迭代改善Gboard键盘的查询建议模型。

图37 谷歌联合学习（Federated Learning）实现原理

图37给出了谷歌联合学习的基本框架，首先建立深度学习模型，然后根据用户在手机上的应用使用情况来更新共享模型（A），将用户更新信息集中起来（B），改善云端共享模型的权值（C），然后重复该过程。

具体工作原理为：在设备下载当前最新的共享模型后，通过手机上的用户数据进行学习来改进这个模型，然后将网络权值的变化部分压缩为一个小型更新包，并将该模型的更新部分用加密通信方法上传到云端，立即与其他用户的更新部分进行平均，以改善共享预测模型，同时保证用户数据的安全性。所有训练数据都保留在用户设备上，当每个用户的权值部分在改善预测模型后，会立即删除，不会存储在云端。

图38 谷歌联合学习模型改进和个性化机制

根据谷歌解释，联合学习的优点为：可以使模型更加智能，速度更快，共享设备存储带来的更低能耗，同时能够确保用户的隐私。这种方法具有另一个直接好处是除能够更新云端的共享模型，用户在自己设备上的改善模型能立即应用到该设备中，根据特定用户的使用习惯来为用户提供个性化的体验。

用户的手机仅在不会对用户体验产生负面影响时才参与联合学习，既共享云端改进模型，又在本地保留模型个性化特征。

4.4.3 神经机器翻译（Neural machine translation）

2016年底，谷歌推出其神经网络机器翻译系统(Google Neural MachineTranslation)，简称GNMT，使用当前最先进的训练技术，将原来的短语翻译改进为对整个句子进行翻译，更加符合人类的语言习惯，从而得到质量更高的翻译结果。

图39 谷歌神经机器翻译示意图

在双语评估者的帮助下，通过在维基百科和新闻网站的例句测定，Google发现：在多个样本的翻译中，神经网络机器翻译系统将误差降低了55-85%甚至更多。从谷歌给出的测试结果可以看出，谷歌的神经网络翻译系统与原来的短语翻译相比，得到了很大的提升，英语和法语、英语和西班牙语的互译质量已经达到90%左右，中英互译的准确度也达到了80%左右。

图40 谷歌神经机器翻译效果展示

由于神经网络机器翻译系统是具有自我训练和学习功能的，因此随着翻译数量的增加，其翻译质量也会不断提升，也为不久的将来机器翻译取代人工翻译开辟了一条切实可行的途径。

4.4.4 DeepMind

DeepMind是由Demis Hassabis等人于2010年联合创立，是人工智能领域的领导企业；2014年被谷歌斥资4亿美元收购。在收购之前，DeepMind的主要工作就是利用深度学习算法控制电子游戏的操作。在被并购前，DeepMind最著名的案例是在2013年12月，DeepMind开发的一款名为Deep Q-Network（DQN）的人工智能程序首度以“超人”难度通关了一款Atari公司开发的像素点游戏。被Alphabet并购后，其开发的自主学习围棋程序AlphaGo先后战胜世界顶尖高手李世石、柯洁，声名远扬，让人们体会了人工智能的强大能力。

AlphaGo

AlphaGo的成功说明AI确实拥有帮助全社会探索新知识的潜能，使人们从中受益。自与李世石的比赛之后，AlphaGo成为了自己的老师，并完成了百万次高水准的自我训练，以不断提高。DeepMind后续会公布50盘AlphaGo自我慢棋对弈的棋谱，这些棋谱中会包含许多全新的思路及策略，让职业棋手以及爱好者可以从AlphaGo的视角来重新审视围棋。

Deepmind首席执行官Demis Hassabis表示，对于AlphaGo 而言，与柯洁的比赛已经是它作为一个竞技程序所能企及的巅峰，并且该比赛也将是AlphaGo参加的最后一场赛事。“从现在开始，AlphaGo 的研发团队将把精力投入到其它重大挑战中，研发出高级通用算法，为科学家们解决最复杂的问题提供帮助，包括找到新的疾病治疗方法、显著降低能源消耗、发明革命性的新材料等。如果人工智能能够在上述领域发现新的知识和策略，那在这些领域的突破将十分可观。我们已经迫不及待地想看到这一切的发生。”

DeepMind与英国全民医疗健康系统的合作项目包括帮助英国皇家慈济医院的医生监测急性肾损伤病症和与Moorfields眼科医院合作，利用深度学习技术辅助诊断眼科疾病等。

DeepMind 医疗健康领域布局

在医疗健康领域，DeepMind和皇家慈济NHS信托（Royal Free NHS Trust）于2015年9月签署数据共享协议。通过皇家慈济NHS信托运营的三家伦敦医院（Barnet、Chase Farm 和 the Royal Free），该协议授予了DeepMind每年对160万患者医疗数据的广泛使用权。

DeepMind与英国国家医疗服务体系NHS（National Health Service）合作，推出一款名为“Streams”的综合性医疗辅助App（Streams可以分析病人的所有医疗数据，如如病患的X射线、扫描或血液测试的结果，并对病情加以分析，将结果推送到医生手中），该app目前主要用于辅助诊断急性肾损伤（acute kidney injury ,AKI，在英国每年约4万人死于该疾病，而该病如果能够及时发现是可以通过医疗手段避免死亡的），及时预警，从而提供及时治疗。同时该app也可以帮助医生和护士简化疾病处理流程，节约更多时间，根据护士的反馈，该平台可以帮助他们每天节约两个小时。

图41 DeepMind与NHS合作推出应用“Streams”可以简化医院处理流程

图42 “Streams”每天的数据处理量（来源：DeepMind网站）

2017年6月，DeepMind宣布为Taunton和Somerset的NHS信托基金会部署Streams应用，这也是它首次被伦敦以外的地区所采用。

由于对研发成果的保密和医疗大数据的使用，DeepMind一度遭到了许多非议。2016年4月《新科学家》发布的一份调查显示，DeepMind与NHS签署的协议条款比原来暗示的更加宽泛，也吸引了政府部门的注意。根据最新进展，英国信息专员办公室（ICO）在对该交易进行了长达一年的调查后，最终裁决英国医院和DeepMind之间的一项数据共享交易“没有遵守数据保护法案”，因为病人没有完全了解他们的个人信息将被如何使用。可见数据隐私问题也是人工智能应用发展过程中必须考虑的一个问题。但随着技术的发展以及大众对其技术的理解和认可，数据隐私问题应该能够通过可靠的加密方法得到解决，大众的接受度也会越来越高。

DeepMind用于谷歌节能项目

DeepMind研发的机器学习算法已经被应用于谷歌数据中心的节能项目，改进数据中心的能效，可以将数据中心的降温能耗降低40%，除此之外，DeepMind还在与Google Play，Google Ads和Google Shopping等部门合作，这意味着人工智能已经开始处理生活中的实际问题，并获得了富有成效的结果，而Alphabet的目标则是在2017年将公司所有能耗使用可再生能源替代。

4.4.5 谷歌助手（Google Assistant）和谷歌家居（Google Home）

2016年谷歌大会上，谷歌正式推出了谷歌助手，与其功能类似的平台包括苹果的Siri，微软推出的Cortana以及亚马逊的智能家居平台Alexa。谷歌助手于去年五月刚推出时，只限于在谷歌自己的手机Pixel中使用，后续扩展到谷歌推出的Google Home硬件设备（与亚马逊的Echo类似）及谷歌智能穿戴设备及谷歌即时通讯软件Google Allo中，然后可以在安卓手机及苹果手机中使用，在苹果手机中的功能会受到一定限制。

比较而言，谷歌助手的功能比其他几个平台更强大，首先该助手可以与谷歌其他应用有机整合在一起发挥更强大的作用；然后谷歌助手本身可以通过深度学习算法不断进化，变得更加智能，提供更加个性化的服务。谷歌助手可以用于以下功能：查询本地信息；查询天气、寻找饭店、导航等沟通交流；打电话、发短信、发邮件等规划日程；设置闹钟、设置提醒、查交通状况；向 Google 问各种问题：搜索、计算汇率、翻译、查字典；设置手机：开启或关闭 Wi-Fi、蓝牙、手电筒，调节音量；娱乐，如讲笑话、唱一首歌；结合谷歌其他硬件设备调节室内温度及灯光亮度等。

谷歌助手是非常高效的工具，比如事先设置好家和工作单位的地址，对Google Assistant 说“Navigate home”，马上会返回导航路线；事先定制好自己感兴趣的新闻，说“Listen to the news”，Google Assistant 就会朗读新闻；当收到普通短信时，可以直接跟Google Assistant说“Show my messages”，Google Assistant 就会返回最近 5 条信息。每一条信息都会询问“hear or skip”。如果选择“hear”，Google Assistant 就会读给你听，读完后会询问你想“reply，repeat or go no next one”。如果选择reply，你只需要直接说出回复内容即可帮你发送信息。

维基百科显示可以将人工智能分为弱人工智能（Weak AI）和强人工智能(Strong AI)。弱人工智能智能模拟人类的思维行为与表现，但缺乏人类的思考、推理和解决问题能力，目前大多数产品都属于这一类，如苹果的Siri；但强人工智能则具备自主意识，可以自我学习和推理，谷歌的人工智能产品正属于此类。

不难看出，谷歌助手是一个可以不断学习的虚拟助手，不仅可以用于谷歌设备中，还可以嵌入到其他应用中，充满想象空间，未来是否有可能苹果使用谷歌助手来取代其预装的Siri？

图43 谷歌助手应用示例

比较亚马逊的Echo系列和Google Home产品，Amazon Echo自2014年推出至今已经热销一千万台左右，而谷歌的产品是2016年10月发布的，与Echo相比，首先是Home的价格更低，只有129美元，比Echo的179美元便宜50美元。在硬件配置方面，Home有两个麦克风，而Echo有7个麦克风，谷歌解释说其在云端采用了更加复杂的计算机学习方法，从而让两个麦克达到7个的效果；从平台生态系统来讲，谷歌的生态圈更大，可应用场景更广，如可以整合谷歌日历、Gmail、Alphabet旗下的Nest也将进入谷歌物联网部门，从而使智能硬件与恒温器、烟雾报警器及监视器互联；Home可以和Chromecast（谷歌电视棒）进行交互，播放自己想看的电视节目；在联网搜索方面，Home有天然优势，比如你只要告诉Google Home想听《疯狂动物城》的主题曲，它便会自动播放《Try Everything》。

图44 Google Home（左）和Amazon Echo产品（右）

NLP(自然语言处理)是人工智能(AI)的一个子领域。不管是亚马逊的Echo还是谷歌的Home，起点都是语音交互，这一AI细分领域的可应用场景除了在智能音响场景应用，还可以在智能手机、电视、可穿戴设备、应用软件平台、游戏、家庭或企业服务型聊天机器人等领域，并且已经进入密集落地期，可以说智能音箱是智能家居很多应用的入口，各大巨头也早有布局。

互联网巨头在语音交互领域的布局

根据前海黑鲸科技创始人在知乎上的总结，几家互联网巨头语音交互领域的布局如下表12。

表12 各大互联网巨头在语音交互领域布局

Api.ai是谷歌在2016年收购的一家B2D公司，该公司将语音识别、语意理解、不同域实现及对话集成到一个平台中，谷歌工程副总裁Scott Huffman这样评价，“Api.ai公司长久以来帮助开发者设计、构建和持续改进对话接口，超过6万名开发者利用Api.ai的产品构建对话交互接口，广泛应用于Slack、Facebook Messenger和Kik等应用中。作为在对话用户界面平台开发的领导者，Api.ai将帮助谷歌开发者持续构建伟大的自然语言用户接口”。

图45 语音智能平台生态系统

4.4.6 Google Multimodel--人工智能由单一功能向多功能转化

2017年6月20日，谷歌微博提到其最新发表的关于Multimodel的文章，传统机器学习系统一般只面向特定的任务，如AlphaGo下围棋、人脸识别、语音识别，很少有模型能真正突破单一功能机器学习的限制，有能力学习多种不同领域任务。谷歌该项最新的研究成果则提出了多功能联合学习的解决方案。

该模型的直觉来自于人类大脑，人类对外界变化的感知主要通过感官（如皮肤、视觉、听觉、嗅觉等）获得，然后转化为单一信号通过神经系统输入大脑，然后由大脑处理后输出，最终转化为语言、表情、肢体动作等。MultiModel的设计思想正是基于上述人脑模型，MultiModel系统有较多子网络，用于学习音频，图像或文本等特定形态的任务（目前该模型可以同时进行八种任务：检测图像中的物体、提供字幕、识别语音、翻译四种语言和进行语法解析，MultiModel由编码器，输入/输出混合器和解码器组成共享模型，给定的输入和一个简单的信号一起，决定了最终要求的输出形式。

图46 MultiModel结构：小型特定子络与共享编码器，I / O混合器和解码器一起工作。每个小花瓣代表一种形态，转化为内在的表征（来自googleblog）

虽然MultiModel没有刷新最优性能记录，但研究表明MultiModel可以显著提高模型在原本应用领域的性能，同时不会影响模型在其他任务中的性能。MultiModel不仅可以在多个任务联合训练上取得良好的表现，而且在数量有限的任务上，也可能提高实际性能。即使面对来组完全不同领域的任务，性能提高的现象仍然存在，如图像识别任务可以提高语言任务的性能。

若进展顺利，这一研究可能将人工智能的发展推向新的发展阶段。首先从数据角度来看，MultiModel实现了从单一领域数据的深度学习到多领域数据的联合深度学习，多渠道所能够积累的数据比单一渠道要多很多，因此人工智能的应用门槛将更低且更准确；其次，MultiModel提供了一种全新的思维，从单一智能直接过渡到复杂人工智能，一台设备可以帮助人们解决多种问题，效率更高。

MultiModel的部分研究结果尚未得到证实，该研究能否应用于其他领域目前还较难判断。不过MultiModel也属于谷歌开源项目的一部分，其他领域的工程师也可以尝试使用该模型，从而得到不断完善。

4.4.7 TensorFlow——谷歌机器学习开源项目

Google Brian团队的机器学习开源项目TensorFlow已经成立超过一年半，已经是GitHub上最受欢迎的机器学习项目，并且仍然在持续优化更新中。该开源项目2016年倍用于通过高清航拍图来之追踪澳洲濒危物种海牛，速度远远超过人工，精度也是肉眼的1.4倍；Google神经网络机器翻译也适用该开源项目；日本的以为菜农则适用TensorFlow为他收获的黄瓜建立了自动分拣储存系统，将黄瓜按颜色、大小的不同自动分拣为9个不同的品质等级；除此之外，TensorFlow还被用于协助争端帕金森综合症、火车定位等生活中的项目，未来应用场景非常广阔。

不仅在算法和程序领域，谷歌在硬件领域也推出相应产品以支持其人工智能算法的快速高效运行。2016年Google 发布了第一代推理学习和分析决策能力更强的TPU（Tensor Processing Unit），这使得Google的机器学习算法能够更快更有效地运行。2017年，Google 发布了第二代TPU-Cloud TPU，新版的TPU针对推理和训练进行了优化并且可以处理大量信息。Google 将把 Cloud TPU引入Google Compute Engine，以便公司和开发人员更好地使用。如果科学家和工程师可以拥有更好的计算机工具，创造出更强大的研究成果，那么复杂社会问题的解决将有巨大的突破。

GPU更适合训练，而不善于做训练后的分析决策。谷歌打造TPU的动机则是想要一款更适合做分析决策的芯片，配合GPU一起使用，使机器学习更加智能。

图47 谷歌第一代TPU（左）及第二代Cloud TPU(右)

5 总结与展望

广告收入一直以来是Alphabet主要收入来源，但受制于公司广告收入体量较大及来自合作伙伴产品广告收入增长减缓，增速估计会有逐渐下滑的趋势。由于互联网广告行业未来仍然为快速增长态势，预期2020年前谷歌广告收入仍然会以大约20%的速度增长，其净利润的增长会略高于营收增长。

谷歌除广告外其他收入对上市公司未来增长的贡献将越来越大，尤其是智能硬件设备和谷歌云服务。谷歌除广告外其他收入占总营收比重已经从2011年的3.6%提升到了2017年一季度的12.5%，并且将继续维持高速增长。构筑在其强大软件及智能生态系统之上的智能硬件会持续更新换代，谷歌电视棒及谷歌笔记本已经成功打入市场，搭载谷歌助手的Google Home强势与亚马逊Echo竞争；谷歌云服务会随着其云服务平台的完善受到更多企业的青睐。

Alphabet其他分部（Other Bets）则至少定位于5-10年后，每一个项目都是当做初创公司来孵化的，目前仍然处于初始投入阶段，有较大营运损失，但是在未来爆发力无限。Alphabet其他分部（Other Bets）收入占比从2013年的0.02%提升到了2017年一季度的1%，主要还是来自相对传统的Nest硬件及互联网和电视接入服务，未来则看点很多，无人驾驶累计已经行驶300万英里，平均每5000英里才需要人为干预一次，未来几年就有望实现商用。

当移动市场逐渐发展到瓶颈时，人工智能将接过互联网发展的下一棒，开启人工智能时代，影响人们生活的方方面面。Alphabet已经明确提出将其发展战略由移动优先转为AI优先，而公司在AI领域的布局和技术目前来看均优于竞争对手。不管是在现有产品如广告、YouTube、翻译、公司节能，还是在未来发展领域如医疗健康、智能家居、云计算、物联网等领域，Alphabet均有布局。

比尔盖茨在今年给毕业生的职业建议中给出了他认为未来非常有前景的三大领域：人工智能、能源和生命科学。Alphabet在人工智能领域的龙头地位自然不必说，在能源和生命科学领域也有布局。而Alphabet则不局限于这些领域，公司优质的文化决定了其内部会不断有伟大的想法诞生并付诸实践，使公司维持卓越，可以说Alphabet是一家有梦想的公司。如果美股未来会诞生10000亿美元市值公司的话，我觉得Alphabet可能会是第一家。

6 风险因素

谷歌的风险因素主要来自于三个方面，搜索广告收入受到来自社交网络、社区网站等越来越多的威胁；在硬件领域布局较晚，在智能家居和云计算等领域的发展上均被亚马逊占得先机；来自于各国政府的政治风险。

随着社交网络如Facebook、微信等的崛起，以及基于共同爱好而发展起来的社区网站如国内的豆瓣、知乎，一部分广告需求从搜索引擎转移到上述网站中。社交及社区网络有一个天然优势是可以根据用户的特点推荐个性化广告，转化率会更高，据前文数据，Facebook 2016年广告收入增速远高于谷歌广告收入，且谷歌广告增量也主要来自于YouTube网站。在国内可以感受到的趋势也是一部分搜索会直接通过微信搜一搜进行，对书籍、电影相关的部分搜索去豆瓣，也有越来越多的用户在闲暇时间去刷知乎、提问题。不过谷歌在这些领域也有相应布局，如即时通讯工具Google Allo以及分享共同兴趣爱好的社区网站Google +。

谷歌在硬件领域有点后知后觉，云计算及智能家居设备的发展落后亚马逊很多，当进入市场时已经被竞争对手占据较多市场份额，且亚马逊占有一块很大的销售渠道，这也使谷歌处于劣势，如亚马逊已经下架谷歌数字电视棒Chromecast。同时谷歌在智能手机、笔记本、可穿戴设备以及虚拟现实设备的发展也仍然处于早期阶段，能否成功仍然是未知数。谷歌的优势在于其包括软件、平台、技术和内容在内的巨大生态系统，且公司正在将该系统尤其是人工智能与相应硬件结合，以此来吸引用户，用户是否会接受仍然需要观察。

政治风险。政治风险主要来自于各国政府，近期欧盟就向谷歌开出了约27亿美元的巨额罚单，并且又盯上了安卓操作系统，而谷歌在欧洲的业务占比较大。事实上单纯的罚款影响较小，市场更担心的是罚款后还要求谷歌去调整其搜索模式，进而实质性影响其盈利模式。

"八骏研究"、"八骏聊投资"、"八骏成长30指数"、及"八骏爱阅读"均由八骏投资原创，与"资本前沿"平行推出。欢迎转发，请尊重我们的劳动，转发或者引用时请全文并载明出处。此处不提供投资建议，请注意投资风险。

 北京八骏投资管理有限公司秉持"远见导航  成长为伴"之投资理念，执着研究，为客户提供专业资产管理服务，让您的资产持续稳健增长。博学思远，创新成长。八骏投资公众微信号：bajunfund。