在腾讯不久前公布的财报中，手游高增长成为业界激烈探讨的话题，不过峰回路转的是，腾讯高管在解读财报中明确表示随后的两个季度腾讯手游收入将会保持稳定。小谦推测这或许是因为腾讯微信和手Q两大分发渠道已经陷入瓶颈期，对腾讯来说分发量以及游戏用户量或许很难再继续增长下去，接下来的时间里腾讯只能把重心放在提升ARPU值上，但休闲游戏用户付费率普遍不高，腾讯未来或许将遭遇断崖式的收入下降。

不过有一个有意思的信息就是腾讯高管说的一段话：“我们会继续对移动游戏进行商业化，同时也会投入更多精力来改善平台基础设施和用户体验。与此同时，我们会在研发方面投入大量资源，以支持第三方游戏的发展，给它们带来更多的流量。我们的平台游戏收入出现了增长，但主要是由第三方游戏推动。”

这段话引申出了一个思考，那就是为什么一直对开发商不屑于顾，自己闷声挣大钱的腾讯，也愿意开放资源给第三方，并支持这些第三方移动游戏了呢？在小谦看来，可能主要有三方面原因。

一、平台内部良性竞争的必要抉择

腾讯既是游戏平台，又是游戏研发商，运动员和裁判员都是。腾讯确实因为这种垄断性的地位获取了整个产业链上更多的利润，但随之问题也是大爆发。好的开发者不愿意接受腾讯的霸王条款和腾讯合作，差的开发者腾讯又不愿意接受他们，处于一个两难抉择中。就算有好的开发商愿意合作，腾讯肯定也是把更多的资源给自家的游戏。

但现在手游已经属于大爆发时代，腾讯的研发实力确实很强，但就现在而言也没研发出什么好玩的游戏，端游上的积累，反而成为阻碍手游创新的障碍。腾讯内部如果持续没有诞生好游戏，那么一定会造成用户大量流失。引进优质游戏对平台来说相当必要，因为对腾讯来说游戏平台比纯游戏公司地位更重要。好的游戏引入还会刺激腾讯游戏内部的再创业激情，不会因为坐吃腾讯平台用户而放弃创新，这对腾讯来说是一种双赢选择。

二、第三方游戏可为腾讯带来可观收入

对腾讯来说，拥有微信和手Q两大移动分发平台，不管是自主研发的游戏还是第三方游戏，营业利润都会相很可观。对第三方游戏，腾讯获得的收入占用户所花的总金额比例会低一些，但那会体现在收入而不是利润率上面。如果它是一款成功的游戏，不管它是第三方游戏还是自主研发的游戏，它对腾讯和游戏开发商来说都是一项盈利可观的业务。

好的第三方游戏也可以确保腾讯平台能够支持更好的用户体验。从第三方游戏中获得净营收稍低一点，但第三方游戏也是可以反馈回给腾讯更多的流量和资源，这将有助于腾讯在平台上打造一个非常庞大的第三方游戏生态系统。

三、资本洗牌的诉求需要

腾讯其实在外面投资了大量的游戏公司，主要都是通过少量的现金+用户+流量获取对方公司的股份，虽然腾讯确实在积极引入第三方游戏，但绝大多数这些游戏公司都是腾讯有入股。这些游戏公司入驻腾讯平台，腾讯就能更好的对这些游戏公司进行掌控。而一款游戏是否有潜力，没有一定用户量测试，肯定是无法感知游戏好坏的。

腾讯通过少量用户导入，就可以发现这款游戏的潜力所在，然后就可以通过深入性的合作获取更多的利润，榨取更大的商业价值。而这一切的基础都需要腾讯平台引入第三方游戏公司。

手游的多元化，在小谦看来已经成为一种不可避免的趋势。现在手机已经如同我们身体一个器官一样，我们去到每个地方都会带着手机，而且随着智能终端的普及，让很多从来没有接触过游戏的朋友开始接触游戏，所以游戏里面的需求是多元化的，因为它移动的特征。腾讯永远不会开发出所有能够符合用户兴趣的手游，引入第三方游戏公司，才是最终的出路。

机器学习在过去的几年里取得了很大的进步，在很大程度上归功于计算密集型工作负载扩展新技术的发展。NSF最新的资助项目似乎暗示我们看到的可能只是冰山一角，因为研究人员试图将类似深度学习的技术扩展到更多的计算机和新型的处理器上。

由纽约州立大学石溪分校团队实施的一个特别有趣项目，该项目旨在证明FPGA（现场可编程门阵列）优于GPU，他们发现深度学习算法在FPGA上能够更快、更有效地运行，这突破了当前传统的认识。

根据项目概要：

研究人员预计在GPU上算法的最慢部分，运行在FPGA上将实现明显的加速，同时，在GPU上算法最快的部分在FPGA上将有类似的运行性能，但是功耗会极低。

实际上，除了不同于GPU，在硬件上运行这些模型想法并不新奇，例如，IBM最近凭借一个新的brain-inspired芯片轰动一时，它声称可以完美支持神经网络和其他cognitive-inspired工作负载。微软在今年7月演示了它的Adam项目，这个项目是重新修改了一个流行的深度学习技术使其在通用英特尔 CPU处理器上运行。

由于其可定制的特点，FPGA有着独特的优势，今年6月，微软解释它如何通过卸载某些进程部分到FPGA来加快Bing搜索。当月晚些时候，在Gigaom的Structure大会上，英特尔宣布即将推出的混合芯片架构将FPGA在CPU共置在一起（实际上它们会共享内存），这主要针对专业大数据负载与微软必应这样的案例。

然而，FPGA对于深度学习模型来说并不是唯一的、潜在的基础架构选择。NSF还资助纽约大学的研究人员，让他们通过基于以太网远程直接内存访问技术来测试深度学习算法以及其他工作负载，这在超级计算机上广泛使用，但现在要将它带到企业系统，RDMA连接器通过直接发送消息到内存，避免了CPU、交换机和其他组件给进程带来的延迟，从而加快计算机之间传输数据速度。

说到超级计算机，另一个新的NSF资助项目，由机器学习专家斯坦福大学（百度和Coursera）的Andrew Ng和超级计算机专家田纳西大学的Jack Dongarra以及印第安纳大学的Geoffrey Fox领导，旨在使深度学习模型利用Python可编程，并且将它带到超级计算机和扩展云系统。据悉，这个得到了NSF将近100万美元的资助的项目被称为Rapid Python Deep Learning Infrastructure。

RaPyDLI将被构建成一套开源的模块，可以从Python用户界面访问，但是可以放心地在最大规模超级计算机或云的C / C++或Java环境中通过互动分析和可视化执行。RaPyDLI将支持GPU加速器和英特尔Phi协处理器以及广泛的存储技术包括Files、NoSQL、HDFS和数据库。

目前做的所有工作都是让深入学习算法更容易并且改善它们的性能，这三个项目只是一小部分，但是如果这些技术能够被科技巨头用到商业领域，或者进入研究中心以及国家实验室利用计算机解决真正的复杂问题将是非常有益的。

未来几年，四个超大规模云平台供应商（Amazon、Microsoft、Google和SoftLayer）将要从本质上改变公有云托管市场。托管行业一直以来专注于Amazon，而如今是时候开始关注即将占领大部分市场的四大平台了。

四大平台的共同点

• 资金充裕
• 有其它赚钱项目
• 价格通常会在几天内统一（SoftLayer除外）
• 大规模合作伙伴生态系统
• 迎合终端用户
• 投入大笔资金为客户和合作伙伴提供培训项目

比如在培训方面，AWS认证的专业人才已经成千上万，我确信其它几个云平台在接下来几年也会有类似的培训项目。与现在的本地数据中心服务供应商存在着本质区别，云平台服务商能够促使云业务与其它赚钱业务交互补贴发展，云业务以一种免费增值的商业模式运作，也就是说一旦客户开始向云平台转移数据，就不太可能更换服务商了。

底价不上涨的原因（计算、存储和网络价格）

四大云平台都使用较低的（底层）价格来扩展市场份额。一旦客户使用该平台，客户就能够获得更大的升级几率，以及/或者追加更高的服务利润率，这些都属于高价值服务、类似于正在持续发展的AWS Cacao和RDS。

去年互联网巨头们共投资270亿美元，一些供应商每季度投资10亿美元。

其主要扩展区域之一是销售和运营：

• AWS团队去年增加了上千名员工。扩大AWS基础设施、企业和公共部门销售能力，允许团队持续加速创新，是亚马逊2014年的第二季度指导。

关于如何计算四大云平台收入的问题一直争论不休。比如，微软有Office365，Google有云产品，IBM有云服务， 如果你主要关注IaaS&PaaS，那么AWS显然位居第一，微软Azure位居第二，Google和Softlayer次之。看下图：

公有云的机遇

你的客户询问过公有云吗？如果没有，那么他们要么已经落后要么问了别人。越来越多的服务供应商开始意识到“是的，我们能够为你提供公有云”这句话的魅力。

公有云是复杂的，Bob Darrow最近表示AWS的致命弱点是其复杂性。然而这也是服务供应商为客户减负的机会。据Gartner分析，巨变和一场信任危机将重塑服务供应商的现有局面。

云服务定价混乱

AWS价格选择有按需、预留和竞价，Azure价格有即付即用和期付计划，Google有持续使用和HR付费模型。

盈利模式有许多种，主要包括以下三个部分：

• 推广价值
• 减轻客户负担
• 投资组合产品化

总之，大规模服务供应商将在未来几年占据主要市场份额，他们将致力于创建更大的生态系统、实现服务平台更多的价值。

云平台复杂性的问题可能会被某个独立平台或者托管服务供应商克服。云服务代理商将管理多种云服务并为客户提供便捷。