
大数据的分岔路:一软到底还是软硬兼施?
在计算机发展史上,先是做硬件的风光,IBM曾经一枝独秀,然后就慢慢不行了;做计算机软件的开始发力,微软独占鳌头,IBM被迫向软转型。
在互联网发展史上,同样先是做硬件的风光,SUN和北电都曾得意一时,然后就慢慢不行了;做网络服务的开始发力,雅虎、谷歌、FACEBOOK先后称霸。在人类社会开始向大数据时代开始迈进的时候,相似的历史进程会不会重演?
大约从08年开始,广义的互联网产业出现了两个相互对立的发展路径。一个是以FACEBOOK为代表,逐渐发展出了以个人为中心,以人际关系为传播动力的WEB2.0平台。另一个是以苹果为代表,逐渐发展出了以个人数据终端为中心,以数据终端间的互动为传播动力的另类WEB 2.0平台。前者可称为软平台,后者可称为硬平台。
无论平台软硬,背后的逻辑是一致的,即通过平台生产,获取,整理,融合,利用尽可能多的网络用户和网络服务商的内容和行为数据,并在此基础上探索全新的商业模式。就软平台而言,迄今为止仍在坚持一软到底的初衷,认为无论人们使用何种硬件数据终端,只要还是用我的软平台,那么数据的汇集仍然会以软平台为中心,硬件厂商还是辛辛苦苦地为我打工。就硬平台而言,至少对产业顶端的几家企业来说,已经不是经典意义上的纯粹硬件制造商,而是集硬件,操作系统,开放平台和应用商店为一体,软硬结合,无缝整合的新型硬平台。
在大数据时代,究竟是一软到底的软平台还是软硬兼施的硬平台能够成为大数据时代的数据汇集点,在激烈竞争和产业整合中最终取胜,现在下结论恐怕为时尚早。
FACEBOOK在推出开放平台的6年间,一直将公司的使命定义为让全世界所有的人互相连接起来。然而,就在用户规模超过12亿,股价大幅飙升的时刻,公司创始人扎克伯格在9月初宣布了重新定义过的新的公司使命:让世界上的一切互相连接起来。这就将过去仅仅发力于人与人的关系,扩展到了人与物,物与物的关系,把潜在的市场规模扩大了千百倍。也就是说,在现实世界中的万事万物正在以极高的速度和加速度生成数据化的存在方式时,FACEBOOK有雄心把这个数据化世界中的一切连接起来,创造新的服务模式和商业模式。要做到这一点,它必须像现在创造出人与人关系数据的产业事实标准一样,创造出人与物,物与物关系数据的产业事实标准。而这在自身不具备自家硬件数据终端和操作系统的情况下,无疑是个巨大的挑战。
由于让FACEBOOK这样的后生小子抢了软平台的先机,业界几家传统老大只好半自觉半无奈地走上了软硬兼施的硬平台之路。谷歌以搜索生态圈和安卓操作系统为核心,同时向手机、平板电脑、眼镜、手表、汽车、卫星和高速宽带等五花八门的数据终端和系统全面出击,希望以量取胜,成为大数据时代的事实标准。苹果在确立了软硬兼施的路径之后,近年来竟然无所作为,将乔布斯拼命夺来的历史先机付之东流,与谷歌竞争已落下风。微软在长达近十年的踌躇不前,欲进还退后,终于出手收购了诺基亚,完成了谷歌,苹果,微软三国演义的产业格局。三家之间能否达成数据共享或数据交换协议,甚至形成共同的数据标准,是硬平台能否战胜软平台的关键。否则,任何单独一家都无法与FACEBOOK抗衡。
这场即将决定产业今后十数年走向的决战正在这四家市值过千亿美元,用户过十亿,全球为市场的巨头之间进行。这场决战完全与中国网络业无关,我们仍然在模仿者和跟随者的道路上洋洋自得地行走着。迄今为止,中国尚未出现一家居市场领先地位的软平台,虽然特殊国情为此提供了相当的机会。最有机会进化为软平台的当属微信,不过要看腾讯有无这样的决心,试金石就是它有无勇气尽快将自家的种种服务和产品整合到微信生态圈内,并将微信平台建成,同时全方位开放。微博有成为软平台的一线希望,但新浪的DNA决定了它无法承担如此挑战,除非做出全面的内部调整。百度和阿里具备一定的资质与能力,但它们好像志不在此,仍然停留在自家垂直领域深耕不止。
至于那些做手机、做盒子、做电视等硬件数据终端的公司,肯定与硬平台建设无关,把这些努力理解为IT制造业新一波可能更准确些,虽然旗帜上的确写着硬件加服务的口号。这些依赖安卓系统为生的东西,最好的结局就是成为谷歌大数据生态圈里的一员,扮演数据提供者的角色。如果未来硬平台战略在大数据时代占了上风,它们有机会在生态圈下游混日子。如果未来软平台战略得势,它们的日子就会很难过了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29