<mark id="oztn4"></mark>
0
在云計算、大數據、人工智能等技術的賦能下，各行業正在全面擁抱云上創新和數字化轉型重塑。同時，云計算也為企業的海外業務發展爭得了先機。
“云計算給游戲行業帶來了深刻的變革，游戲公司可以借助領先的云技術，開發高品質的游戲，實現精細化的運營以及乘云出海獲得先發優勢，從而實現業務的可持續發展，”亞馬遜云科技中國區數字原生事業部總經理梁巖如是說。
可以說，云原生概念的提出確實給中國游戲行業帶來了發展的春天。
但從目前來看，經過幾年的高速發展之后，中國云游戲市場逐漸趨于飽和，在這種情況下，諸多云游戲廠商試圖借助云計算的東風開始將觸角伸向了海外市場。
據相關數據顯示，今年4月份Data.ai發布的2022年Level Up全球52強排行榜里，有17家是來自于中國，入圍數量首次超過美國，目前位列世界榜首的位置。由此可見，中國游戲行業正在經歷新一輪的全球化浪潮，在這一過程中，諸多游戲廠商在構建、運行和增長三個環節也提出了新需求：
第一，游戲開發者需要專門構建的服務和解決方案。很多大型的游戲，千萬級的并發用戶在全球共同參與游戲，這里面對整個平臺的要求、對服務的要求都是專門和特殊的。
第二，開發者需要盡可能以最低的成本將全世界各個地方的千萬級的用戶聚集在一起，這中間對整個基礎資源有更強的要求，涉及大體量級的數據的處理以及毫秒級的延時要求。
第三，越來越多的游戲廠商更愿意把精力花在如何去構建一個更有趣的、更創新的游戲本身，而不愿意花過多精力維護和管理IT的基礎設施。
中國游戲行業的轉型知易行難，同時愛出海的大環境下也衍生出了不少困難挑戰，以三七互娛為例，據相關負責人介紹，三七互娛在全球化業務的拓展中就曾面臨過巨大的挑戰：
首先，運維成本高。全球業務快速增長，導致服務器部署難度越來越高，運維工作越來越復雜，成本急劇攀升。
其次，標準化改造困難。不同地區游戲的策略和邏輯不同，在不同地區發行游戲，需搭建不同的發行平臺。隨著業務的擴展，平臺越來越多，對于一個平臺的架構進行標準化的改造變得很困難。
再者，可擴展性遇到瓶頸。在業務快速增長時，平臺的可擴展性受阻。
但困難遠不止于此，游戲行業除了以上幾項挑戰外，最大的挑戰在于“安全合規”。正所謂“安全是公司每個人的責任，不只是CEO的責任，也不只是公司安全團隊的責任，而是公司每個人的責任。”
TapTap開發者服務負責人江宏提到，“安全合規是讓游戲出海開發者非常頭疼的問題，不同地區、國家都有各自不同且嚴格的法律法規要求。對于游戲等需要使用大量云服務的行業而言，選擇在安全合規方面最有保障的云提供商，能夠讓自己需要做的事情變得最少，后面可能的風險變得最低。所以我覺得這將是一種趨勢，頭部的云提供商將會獲得更多的用戶。”
計世資訊首席分析師任偉巍對此表示，“企業數字化轉型過程中，安全和合規是上云和用云的基石。越來越多的企業認識到構建云安全戰略是一項持續性工作，需要有自上而下的頂層設計，要以安全為出發點構建云上應用。
云原生概念出來后，大量行業選擇將業務遷至云上，安全合規顯然就成了各行業老生常談的話題，對于游戲廠商甚至于其他行業的企業而言，找一家靠譜的云服務商就顯得尤為重要。
據了解，三七互娛從自身遇到的困難出發，在亞馬遜云科技覆蓋全球的云基礎設施、數據同步解決方案和應用加速服務非常便利地實現了“全球同服”的游戲后臺架構部署。37Games把整個平臺遷移到全球平臺在使用了Amazon CloudFront之后，歐洲的法國、德國和美國的用戶訪問新加坡的節點，中位數的延遲能夠降低600毫秒，加速保證各地玩家都能獲得幾乎一致的順暢體驗。
大幅降低運維成本，采用亞馬遜云科技的托管服務，管理數據庫、存儲實例，大大降低了運維的管理成本，提高了組件的穩定性。
對此，念力科技CEO范子瑜提到，基于亞馬遜云科技，我們僅花費1周時間遷移至Arm架構，將云游戲的調度成本降低了20%，云游戲的運行成本降低了30%。
實施標準化改造，37Games對整個架構實施標準化改造，摒棄了原來基于IDC的架構方案，最大化地應用云原生和標準性的架構。在完成架構的標準化之后，37Games還利用Amazon Redshift等服務搭建了大數據平臺，實現了實時數據分析和對一些比較大的報告的離線分析，提升了對游戲數據分析的效率和整個平臺的競爭力。
快速擴容，基于亞馬遜云科技的全球統一架構以及公有云的彈性能力，37Games實現了快速擴容。
相對于游戲行業而言，汽車行業的數字化轉型也是相當火熱的一個話題。艾瑞咨詢研究總監、云服務產業研究部門負責人王成峰表示：“汽車行業在近些年發生了深刻的變革，正在從以往的交通工具逐漸升級為更多智能終端屬性的產品，從而推動了汽車產業從研發設計到營銷運營等全場景的革新。
在亞馬遜云看來，自動駕駛、車聯網、軟件定義汽車代表著汽車產品數字化三大最重要的場景，同時這三大場景也將對整個汽車企業提出嚴峻的挑戰。
“無論你是利用自動駕駛、還是車聯網，或者軟件定義汽車，最終目標是希望跟客戶有更直接的互動，拿到更多的數據，并通過這些數據來指導在車輛生命周期里如何提供客戶真正會買單的服務。” 亞馬遜云科技大中華區戰略業務發展部總經理顧凡認為，在車廠和客戶之間的整個生命周期里，給客戶不斷提供增值服務，是很多車廠正在探索的方向。
那么，整車廠如何站在客戶的角度去思考，如何以反向思維能力提供車輛的全生命周期服務，可能會涉及到三個技術路線：
向新的集中化的汽車電子電氣架構去轉變，真正讓車端的算力達到一個非常高的級別；
在一個新的電子電氣架構基礎上有一個軟件定義汽車的平臺，真正跨車和云做大量的軟件開發工作；
更好的利用數據，無論是車聯網還是自動駕駛，其實本質上都是基于數據驅動的軟件開發流程。
簡言之，傳統整車廠會從原本的汽車制造和銷售向在整個用戶車輛生命周期里面去提供各種服務的模式轉型。
其實現在有很多整車廠已經有了明顯優勢，比如市場保有量、品牌知名度、產品線豐富度、產品的影響力以及銷售服務渠道等。當然，在面臨“新四化”的趨勢里，整車廠在一些方面需要借助外力來完成，比如說軟件開發能力、軟件的迭代速度、DevOps、算法、軟件應用的生態構建的過程等。
那么，在技術相好的發展趨勢下，汽車行業如何進行數字化轉型，提供更貼近用戶體驗的全生命周期服務？
在亞馬遜云科技看來，助力汽車行業產業鏈的創新加速和轉型，在汽車的研發、創新、生產制造、供應鏈到市場營銷，到智能網聯，再到終端用戶的服務和應用等方面都能提供相關服務。
以自動駕駛為例，麥肯錫報告預測，到2040年，自動駕駛汽車和相關的移動出行市場會達到2萬億美元，這是非常大的市場。同時，在這一過程中自動駕駛行業的應用范圍也在從乘用車擴展到干線物流，甚至最后一公里的交付。
但實際情況是，理想中的自動駕駛的成熟度和今天看到的現實相比，實際上還是有很長的路要走。自動駕駛領域也在經歷從早期的實驗，到中長期的規模化生產的過渡。
因為自動駕駛是基于深度學習的，既然是基于深度學習的自動駕駛的算法，就需要持續不斷地去收集長尾里面的一些不常見案例Corner case的數據，用這些數據像燃料一樣去喂給算法、去不停迭代算法。所以基于深度學習的自動駕駛軟件，一定是一個基于數據驅動的閉環，反復迭代。
從數據的采集到存儲，到數據的預處理分析，到數據的標注、模型訓練、仿真驗證，再到最后的部署發布，會涉及一系列的工具鏈。另外，無論是自研還是整合現有的工具，都會面臨一個挑戰，那就是工具鏈之間的割裂和數據孤島問題，而基于云，或者說圍繞數據湖去整合工具鏈的時候，可以從容應對自動駕駛開發流程過程中遇到的挑戰。
開發的環節中使用到的工具就是工具鏈，亞馬遜云科技認為，工具鏈的效率會決定自動駕駛的開發效率。對于很多車企來說，開發工具鏈并不應該是它的核心競爭力，有一些車企希望更快地整合現成的工具鏈，把Data Pipeline快速跑通。
同時，無論是自研還是整合現有的工具鏈，都會面臨一個挑戰，就是工具鏈之間的割裂和數據孤島，而當在云上圍繞自動駕駛數據湖去整合工具鏈的時候，就可以有效地解決數據孤島的問題。
此外，在自動駕駛開發流程中也會遇到一些具體的挑戰，比如海量的數據和傳輸、海量數據的低成本存儲、預處理和分析、復雜的模型開發和訓練、仿真驗證。
以復雜的模型開發和訓練為例，當數據處理完成以后，下一步是數據標注，無論是做2D、3D的標注、聯合標注還是車道線的標注，在以深度學習為主的感知模型中，需要向模型“喂養”海量的標注為有“真值（Ground Truth）”的數據。當然，標注里最頭疼的是質量價格比。
‘拿自動化輔助標注再配合專業的人力資源，去提升質量價格比’是業界比較流行的方法。
而在模型開發階段，無論是從特征工程、模型訓練，再到超參的調優和模型的調試，其實需要非常復雜的機器學習的端到端的集成開發環境，同時，你會發現需要花大量的人力和經驗，針對多個訓練任務，針對一堆的GPU的計算資源進行調度、管理，聽起來都非常麻煩。
Amazon SageMaker就是一個全托管端到端的機器學習集成開發環境，它可以幫助自動駕駛公司或者是車企，把復雜的模型開發和訓練的超級復雜的工作流串起來，真正的目的是讓算法工程師把精力投入在高質量的模型的構建和迭代上，不浪費時間去管底層的資源，真正做到把好鋼用在刀刃上。
除此之外，亞馬遜云科技在存儲、計算、數據湖、AI/ML、CI/CD等方面都有了豐富的應用，可以為車企和自動駕駛公司在整合工具鏈的時候提供強大的平臺支持能力。諸如豐田、Mobileye、Uber、Lyft、Zoox等都使用了亞馬遜云服務。
無論是今天我們提到的游戲行業，還是汽車行業，其數字化轉型和出海都不是一蹴而就的，都需要時間的反復驗證的實踐去論證和解決。
（雷峰網(公眾號：雷峰網)雷峰網雷峰網）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
