谷歌想要返华,但却陷入了尴尬境地

  六年前谷歌甩头离开的时候,绝对想象不到今天会把自己陷入如此尴尬的境地。

  从12月中旬一张声称谷歌将于12月18日(下周五)举行新闻发布会的假邀请函刷爆朋友圈,到昨天眼尖的媒体爆出“谷歌已在中国社交媒体上发布了多个岗位招聘信息,单是在职业社交网站LinkedIn上,谷歌就列出了在北京和上海招募的60个岗位”,“谷歌重返中国”的传言一波未平一波又起。

  然而谷歌除了辟谣,还是什么都做不了!

  如今的中国市场已与5年前互联网刚刚起步时大相径庭,彼时谷歌一家独大、呼风唤雨;今天,中国互联网业务不断发展壮大,广告市场的蛋糕越做越大,如果今天谷歌想要回到中国,它必须认清一点根本的改变,那就是:不再是中国需要谷歌,而是谷歌需要中国。

  当它意识到这些时,已经太晚了。

  1、主流业务受限

  从去年年底开始,谷歌终于忍不住暗示要“回归中国”,然而,回来的却不是那个以搜索引擎为核心业务的Google,而只是一个小小的安卓商店Google Play。

  罗兰·贝格执行总监Raymond对《财经国家周刊》记者说,“谷歌的商业本质实际上是以搜索引擎、谷歌地图等为主要业务的新媒体,其业务收入的90%来源于广告,Google在中国遇到的问题,实质是媒体产品被禁掉后,前面那一环通路的缺失。”

  谷歌退出中国整整六年,如今它的处境十分被动,以至于硬生生把这样一家互联网巨头逼成了“广告代理”:在中国市场,一方面,它在充当对中国媒体广告业务不熟悉的外企进入中国的广告通道;另一方面,中国企业进入海外市场时,可以通过谷歌来在国外进行宣传,尤其是在第三世界国家,谷歌的渗透率非常高。

  在eMarketer最新的全球广告投入数据报告中指出,2016年全球媒介广告投入将从2015年的5780亿美元增长达到6150亿美元,其中数字广告投入为1980亿美元。在这之中,2016年中国媒介广告投入相比2015年将增长14%,数字广告增长28%,高于美国、日本、德国和英国。

  面对如此巨大的市场,谷歌的广告收入没有一分钱是来自中国。一向梦想很大的谷歌绝不甘心只充当一个小小的“二道贩子”,因此,它有些动摇。

  不成想时过境迁,这场“说走就走”的旅行却成了诀别,规则变了,想要回来不是谷歌一厢情愿就能做得到的。仍在徘徊犹豫的它不得已使出下策,借助未被限制的非主流核心产品,逐渐靠近中国,而Google Play就是它有限的选择之一。

  2、非主流业务先行

  去年11月中旬,《华尔街日报》刊文称,谷歌有意在中国大陆地区推出其Google Play应用商店。

  彼时,2010年谷歌离开中国,Android作为一个操作系统还没统治世界;而今,由于安卓手机市场的混战,各家手机厂商都拥有了自己的应用商店。

  不仅如此,易观智库发布了《中国全渠道应用分发市场份额监测报告2015年第3季度》报告显示,在中国全渠道应用分发市场排在市场前三名的百度系、腾讯系和360系,其市场份额分别为42.2%、22.2%和19.5%。三分天下格局已定,谷歌已经失去了位置。

  另据比达咨询(BigData-Research)发布的《2015年5月中国第三方安卓应用商店市场研究报告》显示,在安卓应用商店市场份额中,有80%份额由第三方应用商店所占据,其中,手机厂商应用商店占据20%份额。

  同样作为智能手机主流系统的鼻祖,Google与苹果的境遇完全不同,iPhone用户只能从苹果App Store下载应用,但是Android用户却有多个应用商店可供选择。加之很多手机本身已经拥有自己的预装软件,谷歌想要突袭,几乎成了不可能的任务。

  3、外国对手围剿

  去年三月份,一则“俄罗斯最大的在线搜索服务Yandex 将在上海开设办公室,准备试水中国市场”的消息悄然扩散开来,Yandex 内部人士称“公司并不会在搜索业务上和百度展开面对面的竞争,他们会像其他外国互联网入华时那样经营自己的广告服务。”

  有“俄罗斯谷歌”之称的Yandex,在2013年总资产达到100亿美元,已经成为世界第四大搜索引擎和仅次于百度的世界第二大非英语搜索引擎。

  而作为在俄罗斯市场占有率达到了 59.9%的搜索引擎龙头老大,Yandex的先行一步也给Google进华造成了极大压力。

  在中国这片土地上,拥有强劲实力的玩家绝非少数,再过些时日,格局已定,Google想要进入必定要花费更大的成果和力气。

  Raymond预测,就算谷歌能够突破重重障碍,将它的主流业务搜索引擎再次带入中国市场,从相对值上来说,想要达到达到离开前的市场地位,已经是不可能了。

  而从绝对值上来讲,由于整个市场变大,占据一定市场份额之后,谷歌若想超过当时的业务量,还有可能实现,但即使是这样,顺利的话也是3年以后的事了。

  4、还能做什么?

  当初年轻气盛的Google已经失去愤然转身的怒气,现如今Google和中国的关系已然逆转。

  一方面,随着中国互联网企业能力的提升,中国对Google的依赖程度不断减小,谷歌对于中国政府来说,重要性不断降低;另一方面,对谷歌来讲,中国市场这块蛋糕越来越大,谷歌的可替代性越来越强,可是却愈来愈需要中国市场来拓展它的业务。

  对于从头再来的谷歌来说,最着急的是重建生态体系,只有拥有了足够多的业务合作伙伴——增加POI,拓展O2O服务供应商才能实现盈利。

  还好,谷歌这么多年的经验让它拥有足够强大的技术能力和运作模式,技术方面,确保同等价格的广告投入,实现的价值和效果超过其他同类搜索引擎;在运作模式方面,结合中国实际,懂得变通,或许还能为谷歌赢来一席之地。

  现在的中国市场对谷歌来说已经相当陌生,重新建立起自己的体系,谷歌首先要做的就是平等对待合作伙伴。

  除此之外,谷歌必须通过充分开放自主权利,迎合中国市场业务拓展的模式和需求。如今BAT商业条款和合作模式俨然成为主流,若谷歌和Facebook一样依然不懂变通,执意采用全球模板,将无法在这个国家继续它的商业模式。

  最后,技术研发的力量,不单单依靠商业合作,还要依靠技术力量。通过本地化的技术研发团队,迅速调整技术平台来适应中国。

  而除了自身能力方面,若要重获中国市场,在商业原则和话语权方面做出必要的牺牲是不可避免的:严格遵守中国对于信息安全的原则,将数据服务器放在国内,对敏感词的屏蔽,这些,是谷歌必须做出的妥协。

  “这是一场博弈,当中国市场对它整体的利益已经形成了非常大的权重,Google自然会放弃他的利益。”Raymond这样说。

  这个世界上,从来不存在十全十美的商业环境,也不存在不可或缺的企业。谷歌的去留自然由它自己定夺,但在这场博弈对于中国来说,俨然已经是获得了一半的胜利。无论是对终端的消费者还是对企业来说,多了一个能力很强的玩家,何尝不是一件好事呢?

  何况,它现在说什么都不算了。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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