主流云计算厂商产品服务介绍

 

 

整体来看，云计算市场产品线大致分为：计算、网络、存储、安全、CDN、中间件、数据库、大数据、AI，再加个IoT。本文主要以产品类型为目录进行介绍，不做过多技术性解释，只做基本的产品描述以及适用场景，能对市场产品有个整体的理解。

整个云平台都是基于虚拟化技术实现，计算虚拟化、网络虚拟化、存储虚拟化等，技术细节不再赘述。

文中涉及难免不够全面，但大致反映出目前云计算市场上的需求产品以及未来发展方向，鉴于个人水平有限，文中难免有理解偏差甚至错误的地方，如有错误还望各位指正。

计算

标准云主机：

       基本的主机功能，配置不算太高，很多配置在16核、64G以下，当然阿里腾讯这种大平台支持超高计算能力的。

GPU计算主机：

       配置基本非常高，关于GPU与CPU概念区别如下：

CPU类似以为老教授，从最基础的1+1到微积分等什么计算类型都能做，全能型；

GPU类似一个教授带了一群小学生，教授负责分发任务，小学生只管简单的加减法。

       目前性能最强悍的应该是阿里的GN6，这个主要用在图片视频处理场景较多。

物理服务器：

       这个没什么太多介绍的，就是物理机嘛，看各家介绍和服务了，支持的最高CPU和内存差别较大，比如阿里神龙最高可以支持96核，768G（没用过，具体可能不准确）

分布式高性能计算：

       高性能的并行计算服务，可以理解为是一个云平台上的管理服务，能够实现任意调用各种异构实例进行计算，将多实例组合起来，类似超算中心的概念，但是比超算中心更灵活。比如微软对于此服务的描述：

• 几分钟内创建上百个相同的虚拟机
• 快速扩展你的大计算和大数据应用程序

还有种批处理服务，类似这种，但是批处理一般适用于单个任务批量并行处理，适用场景还是有所区别。也就是创建一个分布式计算集群或者批处理后，不需要你手动再一个一个申请虚拟机了，平台会直接帮你把所需要的vm申请完成，你只管提交需要执行的任务，平台自动给负载到不同的vm进行计算，然后输出结果。

应用平台：

可以进行一键部署各语言平台的应用环境，.net，java，php，python，Node.js等，厂商直接将应用环境准备好，你开通后直接部署应用即可，省去了部署应用环境的工作。

容器服务：

基于Docker的容器管理服务，有专业的容器服务提供商，比如灵雀云。

网络

虚拟网络：

云上的私有网络，可以将你的所有主机实例放在一个逻辑隔离的虚拟网络中，相当于在物理机房中由交换机和路由器构成的自有网络。并且能通过VPN网关与企业IDC组成混合云。

VPN：

提供一个VPN接入网关，传统的IDC VPN网关一般在防火墙或路由器上实现不同地域分支机构间的互联互通，常用的IPSEC协议类型， VPN网关实现本地IDC与公有云加密传输。

负载均衡：

支持基于 TCP/UDP 的协议的负载均衡，四层和七层负载，较常用。

应用网关类：

Web应用交付网关，根据HTTP请求进行负载，类似硬件F5、A10、深信服等厂商的产品，既能进行API级别的路由和负载，还能进行一些SSL的加解密工作等。目前看只有AWS和azure有这个产品，国内阿里和腾讯暂时没发现，类似的功能很多互联网公司会通过nginx实现，效率也很高，关键是硬件应用交付产品太贵了。

存储

对象存储：

简言之：就是将文件保存在云上，然后可以通过http协议进行访问。AWS的S3行业内最早实现的产品，目前特别适用于大量音视频和图片的场景。

块存储：

就是云盘，能挂载到系统上的存储盘，主要就是卖容量，关键指标是IOPS和吞吐量，最常用的一种存储类型，云主机标配，类似于服务器直接插上一块硬盘。

文件存储：

采用NFS或CIFS命令集访问数据，以文件为传输协议，通过TCP/IP实现网络化存储，可扩展性好、价格便宜、用户易管理，如目前在集群计算中应用较多的NFS文件系统。相当于系统中的一个共享目录。

上云产品：

提供数据从本地上传到云上的解决方案，为什么会出现这种服务，一般情况下，直接将本地数据通过公网拷贝到云上即可，但在数据量大的时候，通过公网上传数据简直就是噩梦，就算500GB的数据，按出口100Mbps专线带宽来算，就得将近12个小时，这还得保证云上带宽也得是100Mbps，成本非常高，何况TCP协议的效率还无法充分利用带宽。如果是TB或PB级别的那基本不要去尝试了，时间成本都超高，所以一些云厂商提供了数据上云方案，比如Amazon的Snowball（一种硬件存储设备，相当于一个超级大容量的移动硬盘）, 是一种PB 级数据传输解决方案，阿里的闪电立方服务，腾讯也有CDM。

       目前大数据上云的最终途径还是人力快递，在数据量超过一定级别后，现有的网络传输能力还无法支撑，成本随着数据量的增加就会变得越来越高，再举个例子，有很多影院在新片上映的时候，高清片源很多都是快递邮寄硬盘到全国各地，就是因为目前互联网传输能力还不能满足部分大数据传输的场景。带宽成本和时间成本都很高，还不如邮寄硬盘来的省事。

最常用的三种存储类型：块存储、文件存储、对象存储。其他还有表存储、队列存储等，也算作存储类型的产品吧，比如redis,kafka，这一大类产品服务，消息中间件类的，后文统一归类到中间件章节介绍。

 

安全

WAF：

Web放火墙，不做太多介绍，硬件能实现的，云上都能实现，但是这个并不是完全替代硬件的方案，这就好比一个国家打仗一样，战场最好是在远离都城的区域，要是敌人都打到家门口了，那显得是不是有点被动了，这就好比公网的放火墙一样，遇到攻击首先在公网上就开战了，如果实在打败了（云放火墙没抗住）或者将军叛变了（云防火墙出问题了），那敌人直接打到了城门口，这时候至少还有一道硬件放火墙替你扛着。

所以公网上的放火墙能拒敌于千里之外，内网的放火墙能决定你生死！

高防DDoS：

       DDoS流量清洗，防御SYN Flood、ACK Flood、ICMPFlood、UDP Flood、NTP Flood 、SSDP Flood、DNS Flood、HTTP Flood、CC攻击。这些都是很基础的服务，最开始传统的CDN厂商一直在做，加速的同时提供流量防御。

场景也是跟WAF一样，公网和内网相结合更保险。

其他安全产品：

       比如鉴黄服务，图片或视频鉴黄，现在网络监管严，很多互联网UGC的平台非常注重涉黄问题，前几年一些大点的互联网公司需招聘几百人每天进行人工鉴别，成本非常高。

       其他入侵检测、堡垒机、安全众测、APP加固、https加密等常见的，还有一些云厂商独有的，比如腾讯的活动防刷、游戏防作弊这些。

CDN

网页加速

基于http和https的网站加速产品，关键技术就是缓存，其他能抗高并发，抵御突发流量等等一些附带的服务。这是比较专业的一块内容，这里不再多介绍，一两句话介绍不完。

流媒体加速：

       直播或点播的加速，点播是在CDN节点上直接把视频转码成不同的格式，供用户访问

；直播涉及推流、转码、拉流三个过程，每个过程都可以分开作为单独的产品服务。

整体来说，CDN这块并不是市场或技术难点，传统的CDN厂商都已经做了很多年了，现在只是在原来公有云的基础上做成一种附加的产品服务，目前市场上没有技术门槛的只有这两种类型的CDN加速，也是最来流量的，同时也是最赚钱的，当然传统的专业CDN厂商提供有很多比较深入的产品，比如底层TCP层的加速服务，大数据传输的加速等等，有些是技术门槛、有些是资源门槛导致新来的无法复制，当然这些细分的并不是最能来钱的，所以新进来的厂商都集中在最赚钱的这两类加速服务上。当然还有类似迅雷的P2P CDN这种，并不是市场主流，有很多不确定性，企业级市场首选还是追求业务稳定性，这种技术还需要企业市场进行验证。

中间件

消息中间件：

消息队列（Message Queue，简称MQ）是一项高可用、高并发、高可扩展、低延时的分布式消息队列服务，解耦消息的生产与消费，多进程可以同时读写、互不干扰，为企业级架构的核心产品之一。

各家使用的基础组件不太一样，Amazon使用Apache的ActiveMQ，阿里自己开发的RocketMQ，腾讯也是自己开发的CMQ等；还有以开源kafka为基础的消息组件，或专用于IoT的微消息队列。

至于产品的性能以及稳定性的话，相对来说阿里和腾讯是在自身大并发平台上试验过的，相对于其他开源产品更有优势。

微服务中间件：

基于SpringCloud的微服务架构平台，还有阿里开源的Dubble服务，腾讯的TST服务等等。

数据库

数据库就比较容易理解，将传统的数据库产品做成SaaS服务的形式按需取用。

关系型数据库：

常见的MySQL、SQL Server、MariaDB，PostgreSQL，MongoDB。

其他就是各家自研的分布式数据库了，比如阿里的DRDS、腾讯的TDSQL

非关系型数据库：

一类是基于redis、memchached开源产品，一类是自研的非关系型数据库，兼容开源协议。

其他类型：

       Hbase分布式存储、时序数据库、数据仓库等。

大数据

大数据计算：

大数据的基础基本都为Hadoop体系，都是在此基础上进行一些定制化的优化集成，让数据处理更灵活，兼容性更强，省去了不少自己开发的精力和成本。

还有一种是大厂自用的大数据套件，现在开放出来作为一种服务，这种最开始也是基于Hadoop体系来做的，只是不断根据自身业务进行了大量的定制化工作，就成了自己的东西，比如阿里的MaxCompute，腾讯的TBDS。

       大数据计算场景大体上分为两类：1，离线计算；2，实时计算。

离线计算：就是用于实时性不很高的场景，比如百度收录一个网站后不需要即时能在搜索引擎中被检索到，先离线处理后，过几天才能被检索到，类似这种就是离线计算，并且最初的Hadoop套件本来就是Google用来作为基础计算的，并不是为了实时计算场景而设计的。但后来又衍生出来的一些套件可以基于Hadoop进行实时计算，所以目前的所有关于大数据计算的组件统称为Hadoop体系。

实时计算：需要实时展现处理后的数据，用于实时推荐、用户行为分析、实时营销、物联网数据分析（如常用的地图交通数据）等场景。比如一般使用spark作为实时计算模块，本来的MapReduce（简称MR，MR2版本升级后又命名为Yarn）也可以作为实时计算，但这个效率不如Spark。这个可以详细了解下MR原理就知道为什么效率不如Spark这种实时流计算模块高了，在此不再赘述。

数据仓库：

这个概念很好理解，可以类似理解为一个大容量的数据存储中心，各家产品架构和功能并无较大差别，都是兼容SQL语法并且能兼容BI工具，剩下的就是兼容性、稳定性、性能的差距了。

Amazon的RedShift，百度的Palo服务，其他如阿里腾讯都有各自的服务，数据仓库在某种程度上类似大数据集群，只是场景不同，产品定位不太一样，就好比在用户行为分析场景中，本身就是一个大数据计算的平台，不仅需要实时计算，还需要离线计算，处理过的数据存储后，也可以将其他数据源比如业务数据导进来结合分析，这也是数据仓库。所以可以这样理解，大数据计算平台侧重点在于计算（实时或离线），数据仓库侧重点在于存储分析（兼容不同数据源和分析工具)，他们的基础组件和架构可能都一样，只是设计的侧重点不同。实现的基础组件可以是关系型数据库，如Greenplum、Vertica、Exadata，也可以是大数据集群存储，如HDFS结合Hive分析工具等，也可以是云存储，总之底层实现架构各有各的套路，总体上实现的功能目标都是一致的。

 

分析检索：

这一类的服务也较常用，特别对于越来越大的数据量，检索查询性能显得格外重要，就好比百度搜索，检索一条关键字肯定都是毫秒级，海量数据检索性能直接关系产品服务的用户体验，在讲究效率的互联网时代，时间显得格外重要。

看各家产品，Elasticsearch（简称ES）是最常用的产品，检索性能非常给力，目前最常用的海量数据检索工具。比如ELK是开源的日志分析平台，目前市场上大部分日志平台都是基于ELK进行二次开发的，ELK中就集成了Elasticsearch用于存储分析检索。这里举个例子，本公司曾经使用mysql作为数据存储，在一般场景查询性能还能满足要求，后来随着客户体量增加，数据量级越来越大，再使用mysql这种关系型数据库查询就有很大的瓶颈，查询一个较大的报表需要几十秒，这种等待是不可被客户接受的，后续更改了架构，加入了ES组件，将数据分离，基础数据存入mysql，剩下的详情数据都存入ES中，极大地提高了查询性能，查询同样一张报表缩短至2秒以内。

BI分析：

这个就是一套工具，各厂商基本一致，可以支持接入不同的数据源，并自定义分析展示报表，基本都是通过sql语句实现定制报表的展现，主要看产品兼容性和性能。

AI

在人工智能领域，首先看国内BAT，百度最早开始把重心放在AI上，完全把自身定位为人工智能公司，显然产品也是国内最领先的，阿里和腾讯进度半斤八两，并通过并购投资行业内一些垂直行业独角兽完善布局。国外的布局较早的公司主要还是集中在Amazon、Google、微软、IBM、苹果等巨头。每家擅长方向不同，根据自身业务类型在AI上的发力点也会有所不同，阿里AI较早应用在电商平台，Google将深度算法、机器学习领域运用到搜索上，IBM在机器人领域从上世纪的沃森就已经开始领先。不论国内还是海外，都是巨头通过不断并购完成自己的产业布局，目前市场估计已经快到了并购的尾期，格局正在形成。

再从整体技术平台上来分，人工智能分为三大领域：

1， 机器人：这个领域国外起步很早，最早是工业机器人的应用，用于生产制造，但是这些年国内很多行业巨头开始发力追赶，或者直接通过收购国外行业巨头来补充自身技术劣势，去年美的收购库卡等。其他行业，比如教育机器人、安防机器人、物流机器人、陪护机器人、医疗机器人等等，甚至还有很多研究出的高仿真xxoo机器人，很多行业都已被渗透，只是在各行业应用的成熟度不同。最大的工业机器人应用公司应该就是富士康了，没有之一。

2， 平台系统：包括硬件操作系统等，如百度的apollo系统（自动驾驶）和DuerOS（物联网设备，包括家电、家具、车载设备、随身设备等等），Amazon的Alexa系统也已应用到echo音响上面并向市场开放（像福特和华为这样的巨头也加入了Alexa系统，还有其他很多的传统制造业，灯泡、开关等等）。占领底层的操作系统能够打造出一个完整生态，就好比上世纪的windows一样，所以这方面的竞争显得至关重要，曾经的Android就成了革命性的经典，物联网所描述的万物互联的世界正在一步一步地实现。

3， 软件应用：目前国内独角兽企业大多都集中在应用领域，文字识别、语音技术、视频技术、计算机视觉、人脸识别等领域，国内较多AI公司重点应用也在于软件层面的应用上，IoT市场也正在成为各家巨头争夺的焦点，物联网规模过于庞大，绝对会成为各家竞争的重要战场，但具体未来能发展成什么样，现在下结论还为时尚早。应用最广泛的语音技术和视觉技术，国内出现了不少独角兽，商汤科技（SenseTime）、旷视科技、格灵深瞳、Video++、地平线。还有一块也比较重要，也是资本市场非常关注的领域：AI医疗领域，目前国内应用场景主要包括医疗机器人、医疗影像、远程问诊、药物挖掘等，知名企业有华大基因、碳云智能、麻省理工学院的达芬奇外科手术系统。

文字识别：

OCR技术应用，这个技术并不是新技术，只是之前应用的领域较少，在当前特别用户追求体验的环境下，此类技术才得以广泛应用，各种证件照识别、车牌、表格等还可以自定义识别模板，自动识别省去了很多工作量，就像最简单的绑定个银行卡，以前手动输入卡号还容易出错，现在直接拍个照自动识别，准确率也很高。

图像识别：

类似文字识别，换成了识别图片上的图像，比如动植物、车型logo等 。百度搜图功能可以通过你上传的图片即时识别出为各种植物或动物等，其他应用比如在内容推荐功能，根据用户浏览图片中的物体来判断用户的喜好。

还有一类图像审核应用，头像审核甚至鉴黄服务等属于此类应用。

语音技术：

这个技术也是非常早出现的了，国内的科大讯飞在这方面具有很强的技术积累，主要应用科大的翻译笔，在去年火了一把。这个技术也是目前各家能实现产品落地的非常好的入口，各种智能音响层出不穷，阿里有天猫精灵，京东有叮咚、百度有小度在家、亚马逊的echo、谷歌Home、苹果的HomePod等等，都是语音交互类应用的具体落地产品，也是物联网较容易入门并且较有市场的产品。

视频技术：

       视频处理技术里包含文字识别、语音识别、图像识别、人脸识别，应用场景也较多，像最基础的鉴黄服务，目前的的直播平台非常注重此类服务，以前是人工鉴黄，现在用工具实现极大地降低成本；同样在智慧城市安防领域应用也最多，并且也最前卫，结合大数据平台进行一些特殊场景的应用。目前实现视频分析的技术基本都是通过将视频拍照还原成图片，然后再进行识别，所以归根结底还是图片识别技术，只是这个数据量较大，比如在视频鉴黄服务中，就很难做到实时分析，一般都是离线分析，用户先上传完视频后，平台才启动鉴黄程序进行监测，这个中间一般都会有个时间差，就是因为数据分析量过大不能完全达到实时监测，当然也能实现实时，只是成本很高，需要大量计算资源，看业务是否需要实时。

人脸识别：

人脸识别将是应用最广泛的技术之一，早前支付宝和微信已经集成了社保和公积金查询服务，即通过人脸识别直接确认身份信息。包括微信公众号里各种通过头像判断颜值年龄等，刷脸考勤、会员认证；应用最多是在安防监控领域，特别是公安很早就开始采用人脸识别协助搜集违法人员信息，锁定一个人脸能实现全城摄像头联动；再举个人脸识别的场景，据说某城市所有娱乐场所（特别是某些会所类）摄像头都已经接入公安平台，公安通过人脸识别统计所有出入这些场所的人员形成人脸库，然后从这些人脸库中分析出哪些人经常出入娱乐会所，还有一些抓嫖分析技术应用，分分钟定位到你在哪在干嘛，这也是在安全城市应用中的一个场景。深圳前段时间就启用人脸识别监测闯红灯，当然虽说这个技术很高级，但是只需要一个口罩就能破解，目前人脸识别还无法识别带着口罩的场景，但还有其他更高明的手段，比如监测步态，公安破案中通过走路步态就能锁定唯一犯罪嫌疑人。很多技术手段都是在政府公安领域首先应用后才普及到民用市场。

单就说安防领域的话，像国内海康大华技术应该比较领先，早就引入此类技术应用在监控摄像头上，当然各有各的侧重优势，传统的应用厂商也跟新兴的AI公司进行技术合作，技术上都是取长补短。

在人脸识别中，还能识别情绪，像微软的情绪识别，你识别出来你的喜怒哀乐。

自然语言：

自然语言，一般指计算机领域人与计算机交互的方法，俗称人机对话。也可以这样理解，就是人的语言。经过处理后怎么让机器理解，也就是自然语言理解。

针对文本信息进行语义分析、词汇分析、句法分析、词义解析、评论观点分析、情感倾向分析、词性标注等。基于这些功能（不限于以上列出功能，目前自然语言处理还在应用发展阶段），可以适用于很多场景，如智能客服、搜素引擎（根据分词提高搜索结果）、舆情评论分析（通过分析用户评论信息智能判断出用户对于产品服务的满意度）、内容推荐等。这块应用场景一般都是结合语音文字视频图像等，也是目前比较难的一块技术，需要有很多积累和练习，才能让自身的平台更智能。

总结一下，自然语言就是处理人机交互问题，所以涉及人机交互领域都需要进行自然语言处理。不论是软件机器人还是硬件机器人，都需要与人交互，应用最广泛的聊天机器人，苹果的Siri，微软的小娜，百度的小度等。

VR/AR：

目前看百度开放了AR的SDK接口，还有Amazon也有对应的SDK，其他厂商未开放对应的服务，这个也是前几年炒的厉害，具体应用并不是很实用，并且需要技术硬件设备等整个生态配合，所以市场反应并没有那么强烈。

题外话：

人工智能，特别是在计算机视觉领域，其实应用最成熟的行业就是安防监控，这也得利于大部分技术需要应用在公安政府等领域，方案落地也较早，并且一直处于技术发展前沿。但是有个比较尴尬的问题就是，目前的云计算处理能力还真的无法完全胜任安防监控这个领域，为啥呢？云计算不是很强大吗？你可以想象一下一个市区有多少个摄像头，并且还得把这些摄像头视频全部进行处理后再分析，里面涉及的图片视频处理是最耗计算能力和存储能力的，技术问题像人脸识别等技术在早十几年前就开始应用了，但关键是计算能力，不过这个也在慢慢改善。

物联网

云计算厂商能提供的产品服务从物联网架构上来分为三类，可以提供全端接入的解决方案，架构图参考如下：

1， 感知层： 即设备采集端。

首先就是物联网系统，比如结合人工智能的百度的DureOS、Amazon的Alexa系统以及专用于物联网设备的FreeRTOS系统等，帮助设备端实现物联网化，为什么系统比较重要，如果占领了系统层对以后的生态至关重要（硬件不是关键），就好比Android一样，百度还有直接提供集成电路板，基于ST的B-L475E-IOT01物联网开发套件，板子集成了WiFi模块、蓝牙模块、NFC模块等，能直接实现网络传输。还有一类是提供软件SDK，基于目前互联网上的平台将现有的互联网设备转换为IoT设备，针对Android或IOS设备的SDK，或C、JAVA平台的，是将传统的互联网设备变成物联网设备，因为越来越多的传统设备会采用开源系统比如Android，目前大部分家电都预装Android系统并集成WiFi模块。相对于百度的DureOS，Android只缺少了智能性，但是这些智能模块都是可以集成到Android系统中的，所以在某些场景下，特别是家电物联网，Android系统的可扩展性更强，而像一些小型设备比如音响则采用DureOS更合适。

甚至Amazon还直接提供硬件，如AWS IoT Button就是一款类似小U盘的产品，可以自行开发进行场景定制，车钥匙、呼叫器、灯泡开关等等，相对小型设备较适用。

2， 网络层：即网络传输。

主要负责传输数据，传统的设备是没有网络能力的，需要集成无线通信模组和其他有线传输模块。

无线模组类：即通过OTA传输。一种是终端设备直接具有网络能力，比如传统的家电设备、穿戴设备等，单独增加一个无线通信模组，实现成类似手机的上网功能，现在很多家电都是集成WiFi模块，连接固网实现传输。阿里也有这样的产品，比如广域网通信模组合宙(Luat)，有方（Neoway），支持GSM/GPRS网络；百度提供SIM卡方式帮助终端设备实现网络传输（天工物联卡），这些硬件产品将传统的设备具备基本网络能力。另一种是终端设备没有网络能力，而是智能网关具有，所有设备数据汇聚到网关后，统一回传至数据平台。运营商有专门的物联网卡，电信NB-IoT网络是目前国内商用最早、覆盖最全的运营商网络，套餐费每年每户才20块。无线传输网络，有专用于物联网的NB-IoT网络，还有传统的通信的2G,3G,4G,5G等，详情可以自行查找资料学习。

有线传输类：比如WiFi或有线网卡等，智能网关路由器等设备，通过以太网进行网络传输。比如最常见的温湿度探头，首先这些探头需要有线通过modbus协议直连在modbus网关（一般是将modbus协议消息转成TCP）上，然后网关统一处理后通过TCP协议回传至数据中心，当然还有另外一种模式，这些探头本身就是自带无线WiFi模块或RJ45接口，显然也比较贵，根据不同的环境进行选择，不适合布线的环境就采用无线方式。

其他传输：蓝牙、NFC等方式。

总结下传输方式，大部分基于无线通信模式（OTA：2G/3G/4G/NB-IoT等）或者以太网传输模式（WiFi、双绞线等），常见的物联网传输协议基于MQTT、COAP（基于UDP）、HTTP(S)、XMPP或WebSockt等。不同的协议应用的场景不同，在此不再赘述！

3， 应用层：即数据接收处理中心。

最前端为消息服务器并集成设备管理、安全权限控制等平台，常用的物联网传输协议MQTT，是基于C/S架构，需要有MQTT服务器接入消息（当然也可以通过HTTP等协议实现），实现数据接入、解析、管理，然后再结合云平台各种产品实现大数据分析及其他应用场景；

国内厂商中，看BAT布局，阿里和腾讯产品在感知层设备端做的比较深，而腾讯则只有几个平台的SDK，不提供硬件或网络接入能力，百度和阿里都有硬件产品，虽然是与其他厂商合作，但也可以看出这两家很关注整个物联网生态，而不是仅仅提供基于云平台的数据接入分析应用服务。

国外厂商中，Amazon产品线覆盖较全，不仅有物联网操作系统，还有基于人工智能的Alexa系统，硬件的按钮设备等，网络层倒是没有过多关注。微软提供的主要也是应用层的服务，当然也有设备端的SDK（基于windows、Linux和实时操作系统，支持C、Python、Node.js、Java、.Net环境）。

 

其他

各家云平台还有一种产品服务是专门针对媒体视频类的，视频处理技术，视频防盗链加密、水印、转码、音视频提取、截图处理、画质增强、智能审核（鉴黄等）、人脸识别、语音识别、文字识别等。这些技术都是之前产品技术的集合，所以说视频多媒体服务单从技术上说是一种解决方案，并非某种技术实现。

       还有些比如管理监控类附加产品，这些可以做基本的管理监控用，特别运维监控这块也是个单独的专业细分市场。云厂商产品真的是包罗万象，还有更多传统的产品服务被云化后陆续上线中，但是云计算的最基础能力还是计算、网络、存储这三方面。其他所有产品服务都是基于这三大基础能力实现的，不论是大数据还是AI，或是IoT。

       剩下的产品服务都是各家特有的，像阿里有较多的移动端产品，钉钉这些，这并不是各家云厂商通用的主流产品，在此不再做过多介绍。