关于美国科技巨头的神话和现实（三）

Alphabet vs. IBM: 硬科技的核心问题在于应用场景

IBM是中国人非常熟悉的一家信息科技公司。它不但主宰了计算机行业在PC出现之前的历史，而且亲手创造了PC产业。虽然在1980年代一度陷入危机，但是从1990年代开始，IBM在Louis Gerstner的领导之下成功回到了一线巨头的位置（尽管仍然远远落后于Microsoft这样的新一代公司）。IBM对人工智能(AI)的投资可以上溯到1990年代，很多人至今还记得“深蓝”超级电脑在国际象棋中击败人类的报道。2010年代，IBM又推出了Watson这个“基于自然语义的人工智能解决方案”，试图以此为支点彻底改造人类的商务和政务活动。

然而，2022年4月的IBM，市值仅有约1100亿美元，远远低于上文提到的“五大科技巨头”。IBM Watson早已沦为历史遗迹，现在人们印象最深刻的是Alphabet (Google)开发的Alpha Go在围棋中击败人类的一幕；Alphabet与Amazon、Microsoft一道，成为了新的人工智能三巨头（有人认为Meta是第四巨头）。无论人工智能在今后二十年能发展到什么阶段，IBM的受益程度将注定小于Alphabet这个后辈。

IBM和Alphabet在人工智能领域的此消彼长，原因固然很多，但最根本的原因是：前者没有找到最合适、性价比最高的应用场景，而后者找到了。因此，Alphabet是在沿着阻力最小的路径前景，基础研发和应用之间形成了良性循环；而IBM的惊世豪赌则以惨败告终。“后人哀之而不鉴之，则使后人复哀后人也！”

IBM: 一部追逐“硬科技”应用失败的总记录

在中国资本市场趋之若鹜的“硬科技”领域，IBM一直不缺乏成果。毫不夸张地说，越是前沿、越是不接地气的研究方向，IBM的存在感往往就越强；如果一项研究项目还停留在实验室里，那它很可能就是IBM精通的项目。当下最典型的例子是量子计算(Quantum Computing)，被学术界视为传统（电子）计算机的潜在颠覆者，但是离大规模实用还非常遥远。IBM Q System One不但是世界上第一部基于线路(Circuit)的量子计算机，而且是第一台投入商业运营的量子计算机。虽然实际商业价值非常有限，这个成就仍然得到了无数媒体的报道，并且必将在IBM印发的各种PPT当中反复被强调。

IBM Q System One, 世界上第一台量子线路计算机

熟悉历史的人不妨大胆预测：一旦量子计算开始大规模投入实用，IBM的领先地位即使不丧失，也会大打折扣。这家老牌科技公司有能力维持基础研发投入，却总是在寻找应用场景上落后于那些更新潮、更灵活的公司——以前是Microsoft, 现在是Alphabet。我们不需要寻找遥远的例子，只需要回顾IBM Watson这个高开低走的大型泡沫就足够了。

机器学习(Machine Learning, ML)是人工智能的一个重要分支，而且从1990年代开始逐渐发展为一个独立的研究领域。在这份研究报告中，我们没有必要讨论二者的微妙区别，只需要了解机器学习更重视大数据、强调通过海量数据的训练去自动提高算法精度即可。沿着这条道路发展下去，算法可以代替人类解决越来越多的智力问题，就像机器已经代替人类解决了大部分体力问题一样。有人将机器学习视为下一次工业革命的核心技术，并非没有道理。

IBM不可能缺席如此重要的前沿技术。早在2016年，它就启动了Watson项目，目标是在自然语义下实现复杂的人机问答。也就是说，用户可以以日常语言向计算机提问，无需将其转换为代码，即可获得专业的、可理解的回答。2011年1-2月，IBM Watson取得了一个万众瞩目的开局：在美国历史最悠久的电视智力竞赛节目“Jeopardy!”当中击败了两位人类冠军，并获得了100万美元的大奖。同年，IBM宣布Watson已经达到了医学院二年级学生的知识水平。

雄心勃勃的IBM决定利用Watson改造整个西方世界最复杂、资源浪费最大的行业——医疗，而且一上来就聚焦于难度最高的癌症诊疗。2013年，包括德克萨斯大学MD Anderson癌症中心在内的三家大型医疗机构与Watson签约合作；IBM市值的历史最高点，也恰好出现在这一年（比现在高25%）。2015年，Watson Health正式成为了IBM旗下的一个独立部门。与此同时，Watson在教育、交通、工程、政务、天气预报等领域也得到了一定的应用。人们有理由相信，IBM将成为机器学习产业化的最大受益者之一。

然而，IBM Watson此后的历史，给“技术泡沫”这个词做出了最佳注脚。从2018年开始，每年都有大批医疗机构与Watson解约；2019年，IEEE Spectrum发表了一篇文章，详细论述Watson为何不能完成自己的承诺；2021年，IBM终于决定出售Watson Health的大部分资产，由于买家兴趣平平，直到2022年才出售完成。综合看来，Watson的失败完全是可以理解的：

对癌症治疗的建议效果不佳。具体而言，Watson的治疗建议与人类专家建议的一致性较低，导致许多医院拒绝予以采信。当然，人类专家的建议未必就是对的，可是在癌症治疗这种大事上，没有人敢轻易用人工智能否定人类专家。此外，Watson的适用场景有限，只对肺癌等常见癌症有比较高的精度。无法融入已有的医疗信息和数据系统。在MD Anderson癌症中心，Watson甚至无法接入电子病历系统；在英国，Watson也经常无法读取实际病历。原因一方面在于监管（病人隐私保护），另一方面在于医疗系统的复杂性。让Watson接入所有医院的医疗信息系统(HIS)简直是难于登天！无法直接代替医生的劳动。Watson Health的设计初衷是减轻医生的工作负担，但由于技术和伦理的双重原因，它无法代替医生发表诊断意见，只能为医生提供参考。结果，在许多医院，Watson沦为昂贵的“年轻医生培训系统”，资深医生的工作量并未得到很大缓解。

说到底，IBM选择医疗作为突破口，本来就错了，因为医疗涉及到太多既得利益，又有太多伦理问题；选择癌症诊疗作为细分市场突破口，更是大错特错，因为医疗机构对于癌症这种重症的治疗手段必然是非常保守的，很难相信人工智能；选择以自然语义提供癌症诊疗建议，更是人为增加难度，妄想一步登天。事实上，直到2020年，医疗机构仍然在抱怨Watson对日常语言的理解能力不足！

IBM对Watson从希望到绝望的全过程，形象地体现在其年报中：2012年仅提及8次Watson，此后逐年剧增至2016年的131次，然后又一路回落至2021年的6次。值得一提的是，2020年Watson有过回光返照的势头，可那是由于疫情期间个人用户大量使用Watson语音助手所致，与“高大上”的医疗服务没有关系。

假如IBM没有选择医疗这个极难改造的行业作为突破口，而是从一开始就聚焦于教育、交通等相对容易改造的行业，或许Watson的命运会大不相同。换一个角度想，IBM可不可以把Watson做成纯粹的消费应用，例如智能家居产品或智能机器人？毕竟，“自然语义识别”对消费者有很强的吸引力，即使是Siri和Alexa这种半吊子智能语音助手都能赢得用户青睐，何况是水平更高的Watson？可惜，历史不容假设。好高骛远、一味追求改变人类历史的结果，就是成为人类历史的笑料。

可惜的是，自从2005年出售PC业务以来，IBM基本失去了消费级业务，也就失去了对消费市场的感知。可以看到，IBM几乎从来没有认真地在零售、家电等消费行业推广Watson。2017年，IBM收购了一家广告代理公司，企图利用Watson指导广告投放——可是与Google、Meta高度成熟的精准投放技术相比，IBM又能有什么优势？就算IBM想把Watson技术带进千家万户，也要首先找到一个To C科技巨头作为合作伙伴。可想而知，Apple、Amazon、Microsoft应该都不会对此十分感冒。

由此可见，Microsoft在2007-14年的困难时期，坚持不放弃消费级业务，反而一次又一次对智能硬件市场放弃冲击，又是何等高瞻远瞩。那是进入21世纪以来Microsoft与IBM市值差距最小的时期，也是两家走上根本性道路分歧的时期。附带说一句，IBM可能是历史上的所有信息科技巨头当中，唯一一家从未认真考虑开展任何消费互联网业务的公司。

当IBM在Watson押下重注之时，Google（后来更名Alphabet）的广告业务正处于黄金时期，而且这个黄金时期至今尚未结束。2011年，即Watson首次公之于众的那一年，IBM的营业收入是Google的2.82倍，净利润则是后者的1.63倍；到了2021年，即IBM拼命寻求出售Watson Health的那一年，它的营业收入仅相当于Alphabet的27%，净利润则仅为后者的6%。

2022年1月，IBM终于以约10亿美元将Watson Health的大部分资产出售，一个时代划上了句号；它同时宣布将改变战略，从此聚焦于“混合云和AI策略平台”。事到如今，也没有什么更好的选择了，因为IBM的财力已经不足以支持如此巨大的野心。在人工智能和机器学习领域，Alphabet即便在基础研发方面的实力，至少也不逊色于IBM。假设前者希望重复IBM Watson在医疗行业的冒险，虽然不一定能成功，但成功的希望很可能稍大一些——至少它可以多撑上一段时间。

恩格斯《在马克思墓前的讲话》中提到：“人们首先必须吃、喝、住、穿，然后才能从事政治、科学、艺术、宗教等等；所以，直接的物质的生活资料的生产……便构成基础。”对于企业而言，基础研发是比较高级的工作，必须以前台业务部门提供现金流、应用场景和生态系统支撑。这个道理本来是非常直观、不言自明的，遗憾的是，无论在美国还是中国，真正理解的人似乎不多。

Alphabet: 最远大的理想，以及最接地气的生意

Alphabet既是全世界最大的广告平台（没有之一），又是全世界在人工智能和机器学习领域成就最大的公司之一。上述两方面可谓浑然天成，因为广告本来就是机器学习最早、最重要的应用场景之一。Alpha Go在围棋这样复杂的智力运动中击败人类，当然是值得大书特书的，问题在于Alphabet不是依靠下围棋赚钱，也不是依靠比围棋更复杂的天气预测或癌症治疗赚钱；它赚钱主要是依靠在搜索引擎、地图等场景中搭载广告，赚钱效率则依赖于广告推送的精度。

2014年，麻省理工学院(MIT)就论证过机器学习对于广告行业的重要意义：与人类专家根据历史经验做出的判断相比，机器学习的判断能够将广告转化率提升12倍，而且通过机器学习获得的客户黏性（体现为续约率）要高出近2倍。从那时起，效果广告在互联网广告当中的地位越来越重要，自动化投放比例也越来越高。这个趋势的受益者不仅包括Alphabet、Meta和Amazon，也包括国内的字节跳动、阿里巴巴和腾讯。

与癌症治疗这种“地狱级难度”的应用场景相比，互联网广告投放堪称“简单难度”：在这个场景里，监管和伦理问题要少得多，做出成效要容易得多，也不存在大量盘根错节的既得利益。作为全球最大的搜索引擎、地图和网盟服务商，Alphabet自己掌握着终端消费者，也就掌握了机器学习技术的整个实用链条。机器学习的进步，既提升了广告推送的效率，从而取悦了广告主；也提升了搜索结果的精度，从而取悦了消费者。IBM在医疗、交通等场景未能实现的良性循环，在广告场景却比较顺畅地实现了。

2016年以来，随着美国和欧盟的消费者隐私保护立法进程的深入，互联网公司不得不配合进行自律式监管，其中影响最大的两个举措就是Apple修改IDFA（广告提示符）政策，以及浏览器厂商纷纷禁用第三方Cookie。上述两个举措均会导致广告平台或广告代理商追踪用户身份的难度提升，从而既无法精准地推送广告，也难以准确衡量广告转化率。迄今为止，Alphabet的广告收入增速没有受到实质性影响，其管理层也不认为用户隐私政策将对自身的广告业务构成重大约束。一个非常重要的原因是：Alphabet通过前瞻性的技术研发，在一定程度上抵消了用户隐私保护的影响。

最典型的例子是2019年宣布、2021年开始实施的Google Privacy Sandbox方案。该方案的核心是改变广告推送人群，不再追踪个体浏览行为，转而追踪有类似浏览习惯的群体，从而最大限度地保护个人隐私。Google宣称，Privacy Sandbox的最终目标是废除浏览器端的第三方Cookie和安卓端的广告提示符，同时尽量不影响广告推送精度。虽然监管部门和外部开发者对此充满疑虑，但是我们应当承认，Google提出了目前对于解决互联网用户隐私问题比较全面、有实用价值的解决方案。

Google Privacy Sandbox应用了多种数据分析和机器学习技术。其中最重要的算法之一是“群体联盟学习”(Federated Learning of Cohorts)，原理是将浏览相同内容的用户“混合”起来，赋予一个群体ID，从而在不泄露个体身份的情况下进行基于兴趣的广告投放。听起来非常庸俗、缺乏美感，但正是这种“庸俗”的技术应用，支撑着那些更远大、通向“星辰大海”的前沿技术研发。（注：该算法其实并不符合“联盟学习”的定义，可能是因为Google在开发过程中改变了技术路线。）

浏览器端的Google Privacy Sandbox时间表

资料来源：Google Privacy Sandbox官网

与此同时，鉴于搜索广告在全球广告市场的份额已经见顶，Alphabet一直在探索更多场景、更多形式的广告投放，其中首要的是基于地理位置(LBS)的投放。上文提到过，新冠疫情彻底改变了美国消费者的习惯，零售商因此更加追求“全渠道零售”，试图整合线上线下供应链和履约能力——无论是吸引到店消费，还是进行“线上下单、线下/路边提货”，乃至提供到家配送服务，都离不开地图等LBS应用；而美国最流行的地图应用只有Google和Apple。

按照Alphabet管理层的说法：“我们计划向中小企业提供……在线上和线下获客之间无缝切换的能力，范围应该大大超越它们的邻近地区。”在实体商品方面，Google允许零售商标注存货状态（是否有货）、送货选择（是否支持配送到家/路边提货）；在服务方面，Google在部分地区开放了订票、酒店预订乃至服务预约功能。这些功能，在中国大多被归类于“本地生活服务”，看上去似乎缺乏技术含量。事实恰恰相反，Google通过强大的算法技术（包括但不限于大数据、机器学习），提高了商家与用户的匹配效率，从中获得了大量收益。

2021年5月，Google先后与Shopify和Square两个美国最大的零售行业SaaS服务商签署合作协议，允许其客户更方便地在Google展示商品广告，同时也开放了一些数据接口。今后，对于小型本地商户而言，在Google上标记地点、展示货架、显示服务状态可能会更加容易，只要通过Shopify和Square的系统一键同步过去就可以了。这个举动彰显了Google建立“开放式零售生态系统”，从而在美国零售广告市场获得更多份额的决心。对于传统的本地广告投放渠道，例如本地报纸、本地电视台、户外广告而言，则绝不是什么好消息。

Google Maps可以提供本地商户的细节和评分

另一个重要方向是视频广告。无论在中国还是美国，视频（含短视频）都是用户时长增长最快、广告开支比例上升最快的在线内容品类。Alphabet旗下的YouTube不但是美国最大的移动视频APP，而且在OTT市场的渗透率也仅次于Netflix。近年来TikTok的兴起，虽然严重影响了Facebook和Instagram的用户和收入，但是对YouTube几乎没有影响。YouTube广告收入占据Alphabet总体收入的比重，也从2017年的7.3%上升到了2021年的11.2%；我们估计，如果把YouTube付费会员收入也计算进去，它的收入贡献比可能达到15%。

YouTube广告业务有两个重要的增长驱动力：第一是随着它不断深入“大屏”(OTT)场景，它也在逐渐侵蚀有线电视的市场份额，甚至成为了“大屏端”最重要的广告平台；第二是通过提升算法、推出更多形式的“直接响应”(Direct Response)广告，从而进一步提升效果广告的精度。附带说一句，YouTube也推出了“直播带货”功能，而且效果明显好于同样推出了带货功能的Instagram！

相对于基于文字的传统搜素广告而言，视频广告的算法复杂性本来就更高；何况YouTube贴片广告在播放几秒之后就能够由用户主动跳过，从而对广告推送精度提出了极高的要求。没有强大的算法技术，就无法在用户体验和广告收入增长之间达到平衡。现在，YouTube的一个技术投入重点是提升OTT端的广告效果衡量能力——用户有没有注意观看，有没有尝试进行互动（包括在移动端的互动）？这是传统电视广告完全无法做到的，也是广告主将预算不断转移到YouTube的原因。

因此，我们完全可以理解Alphabet CEO Sundar Pichai在2021年四季度财报电话会议上所说的：“在提升搜索、地图、YouTube等信息产品的使用价值的过程中，对人工智能的投资将是一个关键因素。”准确的说，此处的“人工智能”是一个宽泛的概念，包括通常所谓的机器学习、大数据、生物识别、物联网等技术。它们从Alphabet平台每天产生的海量数据当中获取养分，然后反过来提高平台的运营和商业化效率。

Alphabet没有将强大的人工智能和机器学习技术用于太空探索或火星移民，这一点可能会让国内的一些“硬科技”爱好者失望；当他们意识到Alphabet的主要业务与国内的腾讯、百度之流没有本质性区别的时候，可能会更加失望。然而，正是这些平淡无奇、接近日常生活的广告业务，在过去十年推动Alphabet的营业收入增长了6倍、营业利润增长了7倍，使得它得以手握1396亿美元的现金，每年花费87.1亿美元的研发费用（均为2021年数据）；仅仅Google Research这个“前沿研发中心”就雇佣了2297名科研人员。

在2021年度报告中，Alphabet管理层写道：“在历史上，不走寻常路的精神一直驱动着我们，鼓舞我们去解决重大问题，投资于人工智能和量子计算等疯狂的想法。”很多公司都有过“不走寻常路的精神”、投资于“疯狂的想法”，其中绝大部分都失败了。IBM Watson就是一个疯狂的想法，可惜它未能治好癌症。Alphabet与这些失败者的最大区别在于拥有消费互联网这个永不枯竭的现金来源，从而能为“解决重大问题”投入无穷的弹药。否则，它的理想就永远只能停留在理想阶段。

一个严肃的问题：究竟什么是“硬科技”公司？

从2019年A股科创板成立开始，“硬科技”成为了国内资本市场的热门名词。2021年以后，“硬科技公司”往往被拿来与“互联网公司”做对比——前者专注于基础研发和重大发明创造，后者则只想着从流量生意里捞钱；前者是智力密集和技术密集型企业，后者只能算得上人力密集和资本密集而已；前者代表着人类社会真正的发展方向，而后者很可能只是经济发展过程中的一段弯路。

究竟什么是“硬科技”？按照《上海证券交易所科创板企业发行上市申报及推荐暂行规定》（2021年4月修订），科创板上市公司应该属于以下产业：新一代信息技术、高端装备、新材料、新能源、节能环保、生物医药；与此同时，限制金融科技、模式创新类企业在科创板上市。

在“新一代信息技术”当中，人工智能是无可争议的宠儿，炙手可热的程度可能仅次于半导体和集成电路。提到人工智能，大部分投资者马上就能想到两家公司的名字：已经在港股上市的商汤科技，以及申报科创板但尚未过会的旷视科技。在一级市场赫赫有名的“AI四小龙”当中，它们是最早申报上市的两家，显然符合资本市场对“硬科技”的定义。

商汤和旷视都是比较纯粹的To B公司，产品应用范围还比较狭窄，营业收入有限，所以均处于亏损状态。2021年，商汤的经调整净亏损率高达30.2%；旷视尚未披露2021年度数据，但是上半年其扣非净亏损率高达138.8%。投资者对这种巨额亏损的意见并不一致，有人认为“硬科技公司”就是应该在早期多亏钱，有人则希望尽快缩小亏损并提出盈利路线图。在2021年以前，国内资本市场的对人工智能企业的风险容忍度还是比较高的，进入2022年以后则出现了明显的收缩。

从招股书及财报披露数据看，旷视和商汤的客户集中度都比较高，对大客户比较依赖——2021年上半年，旷视前五大客户贡献了25%的收入，商汤最大的一个客户就贡献了23%的收入。此现象很好理解：这两家公司均未直接掌控应用场景，既缺乏消费级客户，也缺乏中小企业客户；至少在现阶段，它们必须先把自己的技术解决方案卖给大型企业，由后者负责应用场景和客户服务。事实上，很多“硬科技公司”目前实践的都是这种商业模式。

那么问题来了：假设一家拥有类似技术研发能力的公司，恰好也有庞大的消费级业务，而且可以将自身的研发成果直接应用到消费场景中，那它还算不算硬科技公司？

这样的公司是存在的。本文讨论的全部公司，尤其是Alphabet、Amazon和Meta，都在人工智能和机器学习方面有大量研发成果，而且直接运用于内容推荐、商品推荐、广告推送和广告效果衡量。Microsoft也有较强的人工智能技术，主要应用于Azure云服务。Apple在这个领域的存在感稍弱一些，但是iPhone用户应该都对Siri非常熟悉；在地图和流媒体服务场景，Apple也需要广泛地应用人工智能。别误会，上述科技巨头当然会使用外来技术，并与外部公司或科研机构进行研发合作。但是，它们的核心技术以自主研发为主，或者通过收购完成“自研化”（Amazon和Apple尤其擅长这种操作）。

事实上，国内的腾讯、阿里巴巴、百度、字节跳动等互联网巨头，出于商业上的考虑，一直在大力研究人工智能和机器学习技术。2017-20年字节跳动广告业务的迅猛增长，以及同一时期淘系电商GMV及广告收入的稳定提升，很大程度上都要归功于算法推荐精度的提高；腾讯除了在广告业务上需要机器学习，在游戏业务上也需要（尤其是PVE方面）；百度则在无人驾驶技术上投入重注，这显然个技术高度密集的业务。

那么问题又来了：为何上述互联网巨头没有被称为“硬科技公司”，反而经常被列为硬科技的对立面呢？是因为它们在消费端太成功了吗？是因为它们直接介入了应用场景吗？还是因为它们的业务规模实在太大，外界难以准确辨认哪些部分的技术含量较高？无论是哪个原因，它们都是因为自己“过于成功”而受到惩罚。

2021年，商汤和旷视的研发费用之和约为48亿元（注：旷视未披露年度数据，按上半年数据的两倍估算）；美团、百度、腾讯、阿里巴巴的研发费用分别是这个数字的3.5倍、5.2倍、10.9倍、12.1倍。当然，研发费用是一个局限性很强的财务指标，不能单独代表企业的研发实力；而且互联网巨头的研发团队需要分散到许多个不同的方向。然而，只要腾讯或阿里将其研发资源的十分之一投向人工智能方向，就足以与两家“硬科技公司”的投入旗鼓相当了。我们没有任何理由认为，互联网巨头的硬科技水平会弱于纯粹的“硬科技公司”！

肯定会有人这样反驳：“但是互联网巨头研究硬科技仅仅是为了加强自己的垄断地位，与整个社会无益。只有纯粹的硬科技公司会向全社会输出技术！”很可惜，这种臆想是错误的。互联网巨头也会向外部输出“硬科技”研究成果，不是因为它们的心肠有多好，而是因为这是一门能赚钱的生意。

“机器学习即服务”(Machine Learning as a Service, MLaaS)是云计算领域的一个新方向，也是各大公有云平台的兵家必争之地。根据《福布斯》(Forbes)杂志预测，2020年全球MLaaS市场规模即已达到73亿美元，2024年将增长到306亿美元。简而言之，就是由科技巨头从云端向客户提供成套的机器学习工具，这样客户就不用自己研究、自己部署相应技术了。例如，Amazon机器学习服务可以帮助客户处理自然语言、发布聊天机器人、建立时间序列预测模型、进行图形和视频分析，以及文本/语音转换服务——几乎就是机器学习目前所具备的一切功能。

进一步说，以云服务的方式向大量客户提供标准化的机器学习工具，有助于大批企业和组织享受到最新的技术进步，从而减少技术上的不平等。就像Alphabet在2021年财报中所说：“互联网是人类历史上最伟大的均衡器(Equalizer)。”如果我们不是以互联网的方式，而是以传统软件服务的方式去交付机器学习能力，那么必然只有最大的一些组织有能力享受。难道硬科技成果不应该最快速地服务于最大多数人吗？

四大“机器学习即服务”平台功能对比

资料来源：Alexsoft

根据Alexsoft的分析，在全球最领先的四大MLaaS平台当中，Amazon和Microsoft并列第一，功能最完善；Google次之，进步势头很快；IBM Watson又次之。我们不得不再次感叹，在人工智能方面，IBM起了一个大早，却赶了一个晚集。由于收入和利润多年停滞不前，IBM已经出售了曾经最重要的Watson Health业务，我们很难指望它能在MLaaS领域与三大互联网巨头展开平等的竞争。讽刺的是，按照部分国内投资者的标准，IBM肯定算一家“硬科技公司”，而Amazon肯定不算。

美国科技巨头也惦记着本地零售，而且力争将其作为突破口

近年来，中国互联网巨头因为近场电商的押注而饱受争议。所谓近场电商，就是消费周期较短、对即时性和本地化要求较高的电商业务，包括餐饮外卖、到店、生鲜、日用食杂、买药、社区团购等；与线下实体的近场零售结合起来，就是所谓“本地零售”。美团、阿里、拼多多、京东均在此投入重兵，百度、滴滴也有过一定程度的参与。

问题在于，对本地零售市场的争夺恰恰是从美国开始的，阿里、美团、京东的举动均带有对Amazon的强烈模仿色彩。截止2021年底，Amazon已经在美国和英国建立起比较完整、覆盖面较广的生鲜和食杂电商体系。Alphabet虽然尚未全面下场，但也在跃跃欲试地尝试各种可能性。毫不夸张地说，美国科技巨头也惦记着线下零售的生意，并且将其作为持续改造传统经济的突破口；这丝毫没有损害它们的“技术含量”。

关键词： 机器学习 人工智能 广告投放