5分36秒，人类认输。
不到三年，谷歌母公司Alphabet旗下独立团队DeepMind再度出手，其开发的人工智能系统AlphaStar于北京时间1月25日凌晨在《星际争霸2》中打败了职业电竞选手。
与国际象棋或者围棋这样的全盘博弈不同，星际争霸显然更加困难，因为人工智能无法通过观察每一颗棋子的移动来计算下一步动作，系统必须实时做出反应。DeepMind工作人员称，AlphaStar与AlphaGo“进化”版Zore的最大差异是引入了模拟学习的方式，因而能解决“不完美的信息”的困境。
但是，有业内人士指出，AlphaStar挑战电竞选手背后，是一个始于人工智能，却落脚在云计算竞争的故事。
“人机大战”背后的云计算
DeepMind团队介绍，为了训练AlphaStar，他们通过谷歌云服务使用了TPU，后者是谷歌针对机器学习而定制的芯片，具有更高的效能。这一点在赛后的分析中，被着重提出，因为是这个芯片让AlphaStar在两周的时间内，完成了上述的训练。
然而，不单独销售TPU的谷歌，一直希望通过其拉动云计算的增长，而人工智能或许只是个噱头。有业内人士评价，谷歌一面训练自己的算法模型，另一面炒作一下市场热点，大家都想通过人工智能作为动力之一，进一步拉动云市场的增长。
新一轮热潮下的人工智能实际上是算法和算力的竞争。所谓算法，就是对问题寻解的过程，这对应的是人工智能的应用，比如语音合成、图像识别和机器翻译；而算力，也就是计算能力，目前是由芯片所主导的。
这轮热潮是由深度神经网算法所引导的变革，而算法背后需要的是并行计算的能力。英伟达的GPU（图形处理器）恰好满足所需，因而英伟达的芯片开始供不应求。但是，很快产业开始意识到，GPU并不能完全满足需求，人们逐步发现定制加速芯片可以提供更强算力。于是，英伟达的竞争对手英特尔开始押注FPGA（可编程阵列）。
而谷歌选择了另一条路。2016年5月，谷歌发布了专门为机器学习优化的处理器TPU（张量处理器），并对外宣布AlphaGo的算力硬件核心基于此。两年时间，谷歌将TPU升级至3.0，声称其可以每秒计算100千万亿次加减乘除。
更重要的是，谷歌将这款芯片与其机器学习开源软件TenserFlow融合，开发者几乎无需修改，就可以将TenserFlow框架下开发的代码在TPU上运行。但谷歌并不对外销售TPU，所以没有成为另一家芯片厂商，而是选择通过自身云服务对外提供算力的方式销售。
因此，谷歌从一开始就将人工智能与云计算紧紧联系在一起。
云竞争中，谷歌不占优势
与搜索引擎和人工智能技术大幅领先业界不同，谷歌在云计算市场一直处于尴尬的境地。长期掌握全球90%搜索引擎市场份额的谷歌，在亚马逊进入云计算市场两年后的2008年，才上线云计算业务。
但此后，谷歌云一直不温不火。直到2015年，谷歌全盘变动，原因是谷歌搜索业务日趋饱和，导致季度净利润同比下滑5%。当年8月，谷歌宣布重组母公司Alphabet，除了搜索、Android和YouTube等业务外，其他业务纷纷独立。
当年11月， 科技公司VMware前CEO Diane Greene加入谷歌，成为云计算业务的CEO。这位“硅谷女王”开始变革谷歌云计算业务。七个月时间，Diane Greene重新打造了谷歌云的业务架构，组建了销售和客服团队，制定了推广计划，以及创建了与大企业合作的联盟计划。
2016年，“Google Cloud”开始启用。从这时开始，谷歌将云计算、人工智能和机器学习融合成为一体，起名为“Cloud AI & ML”。在Diane Greene的计划图中，谷歌的所有技术都应该为云计算服务。
凭借数据分析处理能力，云计算服务商就可以推动更多存储、计算等服务的售卖，甚至是增值应用的销售。但这一次，Diane Greene碰壁了。
微软就是这么做的。CEO纳德拉（Satya Nadella）将“移动为先，云为先”转化为“智能云和智能边缘计算”。截至6月30日的2018财年，智能云业务营收同比增长了23%。纳德拉在财报中称，对智能云的早期投资正在获得回报。
与此同时，亚马逊虽然并未直言智能云，但2018年底，这家公司推出了自研的云服务器芯片，以及用于云端人工智能推理芯片。不过，这款芯片要在2019年底才能上市，而且是通过云业务的模式提供。
相关阅读
赞助商广告
