大败局:硅谷巨头甲骨文败走中国始末

640?wx_fmt=png

640?wx_fmt=png


作者 | MissX

来源 | Miss XY(Miss-XY007)


上一次这么激烈的裁员,还是诺基亚。这次轮到Oracle的员工在楼下拉起横幅。

 

Oracle败走中国,多少有些划时代的意义。肇始于10年前,浩浩荡荡的去IOE浪潮,终于有了一个分明的结果。

 

这次的大裁员,也被解读为Oracle的断臂求生、刮骨疗毒。在错失云计算发展窗口期之后,它喊出云转型的口号。然而,在瞬息万变的中国市场,这家路径依赖严重的硅谷巨头显得动作迟缓,甚至步履蹒跚。

 

属于它的时代,已经过去了。老兵不死,退出历史舞台之后,老兵只有凋零。








01



早已发生的“人才空心化”


5月6日晚,一张邮件截图被人扔到了Oracle的员工群里,邮件来自执行副总裁Don Johnson,告知所有人7日早晨要召开一个全员会议。曾经供职于Oracle的李林在这个群里,心里一惊,类似情况此前从未有过,大裁员的疑云笼罩在她心头。


会议开得简短而沉重,亚太区人力资源负责人公布了裁员计划,没有提问环节。Oracle 中国区研发中心(CDC)首当其冲,首批确认裁员900 余人,超 500 人来自北京研发中心。没有一丝防备,那些曾以为自己拥有IT界殿堂级职位和薪水的工程师们,跑到北京总部楼下,拉出了中英文夹杂的横幅,不无悲情地呼吁“我们要工作,孩子要吃饭。”


这还不是终点,“现在(赔偿)谈到了北京,不知道什么时候到深圳。”李林说。在Oracle员工群里,悲观的情绪持续发酵,整个中国研发中心或面临“一锅端”,包括核心的数据库团队。进入中国市场三十年,数据库一直是Oracle的现金奶牛。2002年起,Oracle在深圳、上海、北京等地相继设立研发中心,员工人数达到1600。


Oracle创始人Larry Ellison个性张扬,是乔布斯的好友。这家充满传奇色彩的公司,总部位于加州,拥有众多的光环:全球第二大软件公司,仅次于微软;数据库市场里的绝对寡头……2019年的春夏之交,它在中国市场踩下了急刹车。


千里之堤,溃于蚁穴。在李林看来,巨头的危机并不是今天突然出现的,在过去三四年,甚至十年前都能找到伏笔。


2008年夏天,李林硕士毕业,那是外企巨头的黄金时代,也是Oracle的黄金时代。 “Oracle的offer是一个毕业生能拿到的最好的offer。”中国互联网方兴未艾,BAT仍然面目模糊。李林用薪资对比来说明问题,“跟Oracle比,腾讯、阿里根本排不上号。”


两年之后,Oracle数据库在全球的市场份额超越50%,一时风头无俩。然而,也是差不多同一时间,中国市场已经显露出衰败的痕迹。在李林的记忆里,2009年开始,奖金越来越少,涨薪越来越难,一些早期的创始团队开始离职。


那一年的9月10日,在阿里著名的“博士”王坚的“忽悠”之下,阿里云宣布成立。2009年春节过后,在北京一间没有暖气的办公室里,阿里云的工程师写下了飞天的第一行代码,举起了去IOE的大旗。

 

鲜为人知的是,阿里当时是Oracle在亚太地区最大的客户,拥有全球最大的Oracle集群。当时阿里的Oracle集群达到了20个节点,对比亚马逊美国还只是17个节点。

 

2013年的5月,支付宝最后一台IBM的小型机下线了,同年7月,Oracle的数据库被“赶出”淘宝核心的广告系统。

 

“去IOE”让中国企业看到了样本,一时间阿里的工程师团队变成了接待部门,各类政企来考察参观,取经“去IOE”。股市上更是出现了“去IOE”概念股,随着EMC被收购和IBM中国的衰败,这个概念股更是一路上涨。

 

而后,Oracle零星的裁员开始了,一些不重要的销售部门被砍掉。在内部,Oracle开始急速“空心化”。时势变化时,员工用脚投票。大量的骨干离职,很多人去了阿里。留下来的人一部分是养老的,一部分是新招的。李林也是在2013年离开的Oracle,2008年同她一起入职的人已经尽数离开。


今年5月初的大裁员,只不过是十年危机积累到一定程度之后的爆发。有意思的是,正因为Oracle的“空心化”,裁员公布后,年轻人对 N+6的补偿大呼“良心”,而一些老员工则充满苦闷和无奈。



02



夹生饭


在美国,Oracle被称为“红色巨头”,它的logo是中国人所熟悉的鲜红。为什么它会在前景广阔的中国市场遭遇滑铁卢呢?

 

回顾Oracle在中国30年的发展史则不难发现,它是一家彻头彻尾的美国公司,本土化乏善足陈。


640?wx_fmt=png

 

在Oracle的中国区,绝少有高管是来自于大陆本土,即使有华人,也是台湾人、香港人、新加坡人居多。据李林回忆,深圳研发中心刚设立时的负责人是一位法国人。她自己所在的团队则直接向美国的上司汇报。这些职业经理人对于大陆的市场、客户情况均十分陌生,他们在中国几乎全盘照搬美国、新加坡等地的管理模式。

 

早在2004年前后,Oracle(中国)就曾爆出接二连三的“内乱”,中国区总经理陆纯初与副总经理张书桓相继离职。如果算上之前的,那两年内至少有20位中层带着失望和不满,“抛弃了”甲骨文。张书桓甚至和Oracle闹僵,公开指责其在中国市场的战略存在问题,“他们离客户和市场都太远,甚至脱节了。”

 

这些矛盾和冲突看似因为分歧、强硬、不信任和个人利益,但其背后,则反映了一家进入中国10年以上的跨国公司,在全球战略和中国市场之间存在的无法调和与龃龉。

 

人事与管理的问题,落到业务层面,则是僵化的、不符合市场实际情况的策略。

 

比如服务费政策。ORACLE在全球市场的销售惯例是,客户购买产品后,每年还要交22%的服务费,以提供软件系统维护和升级。但是,中国市场并不成熟,客户对缴纳服务费表示非常不解。Oracle态度强硬,如果出现问题,立即“拉闸限电”。

 

后来,虽然服务费率有所调整,但是直到2008年,Oracle还在和联通进行拉锯谈判,试图惩罚联通,让其一次性缴纳6000万的服务费。套用一句话说,“中国企业苦Oracle久矣”,新的替代品出来时,抛弃“O”几乎是一种必然。

 

除了人事制度之外,更令Oracle前高管们感到头疼的是权限的问题。李林举例说,中国的工程师看不到Oracle数据库的核心代码。那么意味着,中国的程序员只能做一些边缘的优化,根本谈不上迭代。

 

僵化、守旧、脱离了具体的商业场景,使得Oracle很难跟上千变万化的中国市场,而慢一步,意味着步步慢。

 

2016年前后,错失了云计算发展机遇的Oracle为了收复失地,放下身段,高调宣布和腾讯联姻。“这或许是Oracle能做的最‘中国化’的事吧,毕竟在美国,每天怼亚马逊的Larry,是绝不可能和任何一家云计算公司合作的。”李林说。

 

然而,这件事除了存在于公关稿中的声量之外,三年过去了,似乎并没有什么实质性进展。



03



追不上的云计算


Oracle裁撤中国研发中心可能还传递着新的信号——中国的企业IT系统走出O时代。

 

在一些Oracle的老人那里,这次裁撤信息中时代终结的意味特别浓厚,“数据库业务还是盈利部门,但总部已经做出了要裁撤掉中国区核心研发岗的决定,这说明他们对业务的前景不乐观。”

 

这与数据库行业自身面临的深刻变革有关。

 

自1968年IBM推出了第一代数据库DB1以来,数据库一直是企业IT系统的核心。几十年里由于技术门槛高,这个领域长期处于被少数公司控制了绝大部分市场份额的状态,包括Oracle、微软、IBM和SAP等。

 

但2000年以后,互联网和云计算技术变革,开源、分布式和云计算为主导的新数据库时代逐步来临。

 

移动互联网、物联网技术的迅猛发展,海量数据喷发,对数据库提出了完全不同的需求。在这一全新的时代背景下,商业数据库因其昂贵、高运维难度、以及低扩展性和可用性受到挑战。

 

阿里巴巴自身的经历就能代表Oracle作为商用数据库在互联网时代的上限。

 

据财新报道,从2006年和2007年开始,业务快速增长的阿里开始面临世界级难题——数据库太大。2008年,阿里已经成为全亚洲最大的数据库用户。以当时的技术能力,如此大的数据库已经几乎不具备扩展可能。“把全中国最知名的顶尖的DBA(数据库管理员)请到公司,没有任何一家公司包括IBM、微软,能够为我们提供一整套的技术服务。”当时的参与者回忆。

 

当时的服务商如Oracle无力响应互联网时代的并发式数据需求。2009年底,阿里内部提出了一条去IOE的技术路线:“低成本、线性可控、去中心化(分布式):去IBM,PC Sever替代小型机;去Oracle,用MySQL替代;去EMC,用中低端存储”。第二年,进一步提出用MySQL+自研数据库替代Oracle,并不再使用高端存储。

 

去IOE,本质上是用户对此前的企业IT解决方案的反抗,新的数据时代,需要新的解决方案。阿里喊出去IOE的时候,所有人将信将疑。一个普遍的观点是,IBM的小型机和EMC的存储设备并不难解决,难的是数据库,在推进过程中事实也的确如此。

 

“我相信I跟E已经差不多了,O为什么还继续存在?因为应用的切换和搬迁不是一天两天的,门槛是很高的。” 甲骨文高级副总裁及中国区董事总经理李翰璋曾经对媒体表示。

 

Oracle的自信在中国市场特殊性上碰钉子。

 

过去十年,中国企业上云的意愿从3%上升到84%,中国政企市场的互联网化进程也非常高,超过了其他区域。仅以蚂蚁金服为例,此前有超过442个城市将政务服务搬上了支付宝平台。这个涵盖了金融、医疗等传统行业的市场曾是Oracle的自留地,现在这里是BAT和华为等国内云计算厂商们的混战之所。

 

另外,行业里有一种观点认为,IOE代表的是软件时代企业IT解决方案的一套组合生态,它们之间互为支撑。一位数据行业的资深从业者表示,“I和E去掉之后,O就丧失了它存在的根基。”近几年来IBM所代表的大型机让位于x86基本退出了企业IT领域,企业操作系统从Unix转向Linux,软件时代正在让位于云计算时代。

 

“中国区的关闭有非常强的节点意义”,Oracle这位前员工评价,这可能是阿里提出去IOE之后时隔五年的一个遥远回响。巨头的衰朽总需要时间,一只鞋子在五年前落地,现在等到了另一只。



04



创新者的窘境


传统软件时代的巨头Oracle在中国市场的变局可能是技术和时代变革里所有巨头终将遭遇的共同宿命,“让你强大的,终将埋葬你。”

 

IOE是软件时代或是”买物理机”时代的产物,到云计算时代,则变成了买“计算服务”的时代。云计算不单单是降低成本,提高计算性能那么简单,而是一种思维方式的剧变。云计算的本质是用互联网。

 

有人打过一个比喻,Oracle今天面临的困境,和当年柯达在数码相机时代遇到的困境一样——现有的数据库业务是现金奶牛,但发展前景逐渐暗淡;但投身云计算,约等于革自己的命。

 

在互联网的浪潮下,曾经的创新引领者Oracle甚至占到了新技术的对立面。Ellison始终扮演了一个狂怼云计算的角色。科技圈里流行的梗是,今天开会,Ellison又怼了贝佐斯。“xxx是假云计算。”“亚马逊数据库就像半自动汽车,坐进去必死无疑。”

 

但现实并不如他所料。Gartner 的分析指出,2014年商业数据库市场容量大约300亿美元,到2021年将会衰减到220亿美元左右,它正逐渐被开源数据库和云原生数据库追平。在商业数据库中市场占有率超五成的Oracle自然也很难独善其身。


640?wx_fmt=png

(红线为需购买License的商业数据库,蓝线为开源数据库及云原生数据库)

 

面对云计算的攻城略地,Larry Ellison终于还是急了。错失了窗口期之后,Oracle显得瞻前顾后,裹足不前。在美国,AWS的高管在公开场合,也能理直气壮地diss了Oracle——毕竟相较于AWS,Oracle基本可以算是二流玩家。

 

“现在他看到了,也来不及了。云不是一个数据库就能解决的。”一位老员工并不看好它的结果,但她并不感到感伤,“Oracle有过非常辉煌的过去,以后它也会有自己的自留地,只是从前的王者地位将来不再有了。”

 

“一代人有一代人的使命。”李林想到的是从前Oracle DBA的往事,那时候社区文化发达, Oracle DBA的身份就让人引以为豪,“老兵不死,老兵只是老去。”

 

在Oracle身后,是中国浩浩荡荡的互联网浪潮。如此不难理解,IOE在中国的衰落,不过是在互联网时代,中国的互联网企业颠覆传统IT厂商的一种体现。


那么,下一个将会是谁?



640?wx_fmt=gif

THE END

本文为Miss XY原创

未经允许不得转载


640?wx_fmt=png

往期推荐

640?wx_fmt=png

一文看尽微软开发者大会 让AI和云驱动一切

640?wx_fmt=png
▲点击图片观看

朱珑首次公开亮相:依图发布求索AI芯片和两款硬件

640?wx_fmt=jpeg ▲点击图片观看

深度|蔚来的“危险游戏”

640?wx_fmt=jpeg

▲点击图片观看

- 加入社群吧 -

网易智能AI社群(AI芯片、医疗AI、金融AI、电商AI、自动驾驶、教育AI、AIoT、机器人等12个社群)火热招募中,对AI感兴趣的小伙伴,添加智能菌微信 kaiwu_club,说明身份即可加入。

640?wx_fmt=png



智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值