0
在云计算、大数据、人工智能等技术的赋能下，各行业正在全面拥抱云上创新和数字化转型重塑。同时，云计算也为企业的海外业务发展争得了先机。
“云计算给游戏行业带来了深刻的变革，游戏公司可以借助领先的云技术，开发高品质的游戏，实现精细化的运营以及乘云出海获得先发优势，从而实现业务的可持续发展，”亚马逊云科技中国区数字原生事业部总经理梁岩如是说。
可以说，云原生概念的提出确实给中国游戏行业带来了发展的春天。
但从目前来看，经过几年的高速发展之后，中国云游戏市场逐渐趋于饱和，在这种情况下，诸多云游戏厂商试图借助云计算的东风开始将触角伸向了海外市场。
据相关数据显示，今年4月份Data.ai发布的2022年Level Up全球52强排行榜里，有17家是来自于中国，入围数量首次超过美国，目前位列世界榜首的位置。由此可见，中国游戏行业正在经历新一轮的全球化浪潮，在这一过程中，诸多游戏厂商在构建、运行和增长三个环节也提出了新需求：
第一，游戏开发者需要专门构建的服务和解决方案。很多大型的游戏，千万级的并发用户在全球共同参与游戏，这里面对整个平台的要求、对服务的要求都是专门和特殊的。
第二，开发者需要尽可能以最低的成本将全世界各个地方的千万级的用户聚集在一起，这中间对整个基础资源有更强的要求，涉及大体量级的数据的处理以及毫秒级的延时要求。
第三，越来越多的游戏厂商更愿意把精力花在如何去构建一个更有趣的、更创新的游戏本身，而不愿意花过多精力维护和管理IT的基础设施。
中国游戏行业的转型知易行难，同时爱出海的大环境下也衍生出了不少困难挑战，以三七互娱为例，据相关负责人介绍，三七互娱在全球化业务的拓展中就曾面临过巨大的挑战：
首先，运维成本高。全球业务快速增长，导致服务器部署难度越来越高，运维工作越来越复杂，成本急剧攀升。
其次，标准化改造困难。不同地区游戏的策略和逻辑不同，在不同地区发行游戏，需搭建不同的发行平台。随着业务的扩展，平台越来越多，对于一个平台的架构进行标准化的改造变得很困难。
再者，可扩展性遇到瓶颈。在业务快速增长时，平台的可扩展性受阻。
但困难远不止于此，游戏行业除了以上几项挑战外，最大的挑战在于“安全合规”。正所谓“安全是公司每个人的责任，不只是CEO的责任，也不只是公司安全团队的责任，而是公司每个人的责任。”
TapTap开发者服务负责人江宏提到，“安全合规是让游戏出海开发者非常头疼的问题，不同地区、国家都有各自不同且严格的法律法规要求。对于游戏等需要使用大量云服务的行业而言，选择在安全合规方面最有保障的云提供商，能够让自己需要做的事情变得最少，后面可能的风险变得最低。所以我觉得这将是一种趋势，头部的云提供商将会获得更多的用户。”
计世资讯首席分析师任伟巍对此表示，“企业数字化转型过程中，安全和合规是上云和用云的基石。越来越多的企业认识到构建云安全战略是一项持续性工作，需要有自上而下的顶层设计，要以安全为出发点构建云上应用。
云原生概念出来后，大量行业选择将业务迁至云上，安全合规显然就成了各行业老生常谈的话题，对于游戏厂商甚至于其他行业的企业而言，找一家靠谱的云服务商就显得尤为重要。
据了解，三七互娱从自身遇到的困难出发，在亚马逊云科技覆盖全球的云基础设施、数据同步解决方案和应用加速服务非常便利地实现了“全球同服”的游戏后台架构部署。37Games把整个平台迁移到全球平台在使用了Amazon CloudFront之后，欧洲的法国、德国和美国的用户访问新加坡的节点，中位数的延迟能够降低600毫秒，加速保证各地玩家都能获得几乎一致的顺畅体验。
大幅降低运维成本，采用亚马逊云科技的托管服务，管理数据库、存储实例，大大降低了运维的管理成本，提高了组件的稳定性。
对此，念力科技CEO范子瑜提到，基于亚马逊云科技，我们仅花费1周时间迁移至Arm架构，将云游戏的调度成本降低了20%，云游戏的运行成本降低了30%。
实施标准化改造，37Games对整个架构实施标准化改造，摒弃了原来基于IDC的架构方案，最大化地应用云原生和标准性的架构。在完成架构的标准化之后，37Games还利用Amazon Redshift等服务搭建了大数据平台，实现了实时数据分析和对一些比较大的报告的离线分析，提升了对游戏数据分析的效率和整个平台的竞争力。
快速扩容，基于亚马逊云科技的全球统一架构以及公有云的弹性能力，37Games实现了快速扩容。
相对于游戏行业而言，汽车行业的数字化转型也是相当火热的一个话题。艾瑞咨询研究总监、云服务产业研究部门负责人王成峰表示：“汽车行业在近些年发生了深刻的变革，正在从以往的交通工具逐渐升级为更多智能终端属性的产品，从而推动了汽车产业从研发设计到营销运营等全场景的革新。
在亚马逊云看来，自动驾驶、车联网、软件定义汽车代表着汽车产品数字化三大最重要的场景，同时这三大场景也将对整个汽车企业提出严峻的挑战。
“无论你是利用自动驾驶、还是车联网，或者软件定义汽车，最终目标是希望跟客户有更直接的互动，拿到更多的数据，并通过这些数据来指导在车辆生命周期里如何提供客户真正会买单的服务。” 亚马逊云科技大中华区战略业务发展部总经理顾凡认为，在车厂和客户之间的整个生命周期里，给客户不断提供增值服务，是很多车厂正在探索的方向。
那么，整车厂如何站在客户的角度去思考，如何以反向思维能力提供车辆的全生命周期服务，可能会涉及到三个技术路线：
向新的集中化的汽车电子电气架构去转变，真正让车端的算力达到一个非常高的级别；
在一个新的电子电气架构基础上有一个软件定义汽车的平台，真正跨车和云做大量的软件开发工作；
更好的利用数据，无论是车联网还是自动驾驶，其实本质上都是基于数据驱动的软件开发流程。
简言之，传统整车厂会从原本的汽车制造和销售向在整个用户车辆生命周期里面去提供各种服务的模式转型。
其实现在有很多整车厂已经有了明显优势，比如市场保有量、品牌知名度、产品线丰富度、产品的影响力以及销售服务渠道等。当然，在面临“新四化”的趋势里，整车厂在一些方面需要借助外力来完成，比如说软件开发能力、软件的迭代速度、DevOps、算法、软件应用的生态构建的过程等。
那么，在技术相好的发展趋势下，汽车行业如何进行数字化转型，提供更贴近用户体验的全生命周期服务？
在亚马逊云科技看来，助力汽车行业产业链的创新加速和转型，在汽车的研发、创新、生产制造、供应链到市场营销，到智能网联，再到终端用户的服务和应用等方面都能提供相关服务。
以自动驾驶为例，麦肯锡报告预测，到2040年，自动驾驶汽车和相关的移动出行市场会达到2万亿美元，这是非常大的市场。同时，在这一过程中自动驾驶行业的应用范围也在从乘用车扩展到干线物流，甚至最后一公里的交付。
但实际情况是，理想中的自动驾驶的成熟度和今天看到的现实相比，实际上还是有很长的路要走。自动驾驶领域也在经历从早期的实验，到中长期的规模化生产的过渡。
因为自动驾驶是基于深度学习的，既然是基于深度学习的自动驾驶的算法，就需要持续不断地去收集长尾里面的一些不常见案例Corner case的数据，用这些数据像燃料一样去喂给算法、去不停迭代算法。所以基于深度学习的自动驾驶软件，一定是一个基于数据驱动的闭环，反复迭代。
从数据的采集到存储，到数据的预处理分析，到数据的标注、模型训练、仿真验证，再到最后的部署发布，会涉及一系列的工具链。另外，无论是自研还是整合现有的工具，都会面临一个挑战，那就是工具链之间的割裂和数据孤岛问题，而基于云，或者说围绕数据湖去整合工具链的时候，可以从容应对自动驾驶开发流程过程中遇到的挑战。
开发的环节中使用到的工具就是工具链，亚马逊云科技认为，工具链的效率会决定自动驾驶的开发效率。对于很多车企来说，开发工具链并不应该是它的核心竞争力，有一些车企希望更快地整合现成的工具链，把Data Pipeline快速跑通。
同时，无论是自研还是整合现有的工具链，都会面临一个挑战，就是工具链之间的割裂和数据孤岛，而当在云上围绕自动驾驶数据湖去整合工具链的时候，就可以有效地解决数据孤岛的问题。
此外，在自动驾驶开发流程中也会遇到一些具体的挑战，比如海量的数据和传输、海量数据的低成本存储、预处理和分析、复杂的模型开发和训练、仿真验证。
以复杂的模型开发和训练为例，当数据处理完成以后，下一步是数据标注，无论是做2D、3D的标注、联合标注还是车道线的标注，在以深度学习为主的感知模型中，需要向模型“喂养”海量的标注为有“真值（Ground Truth）”的数据。当然，标注里最头疼的是质量价格比。
‘拿自动化辅助标注再配合专业的人力资源，去提升质量价格比’是业界比较流行的方法。
而在模型开发阶段，无论是从特征工程、模型训练，再到超参的调优和模型的调试，其实需要非常复杂的机器学习的端到端的集成开发环境，同时，你会发现需要花大量的人力和经验，针对多个训练任务，针对一堆的GPU的计算资源进行调度、管理，听起来都非常麻烦。
Amazon SageMaker就是一个全托管端到端的机器学习集成开发环境，它可以帮助自动驾驶公司或者是车企，把复杂的模型开发和训练的超级复杂的工作流串起来，真正的目的是让算法工程师把精力投入在高质量的模型的构建和迭代上，不浪费时间去管底层的资源，真正做到把好钢用在刀刃上。
除此之外，亚马逊云科技在存储、计算、数据湖、AI/ML、CI/CD等方面都有了丰富的应用，可以为车企和自动驾驶公司在整合工具链的时候提供强大的平台支持能力。诸如丰田、Mobileye、Uber、Lyft、Zoox等都使用了亚马逊云服务。
无论是今天我们提到的游戏行业，还是汽车行业，其数字化转型和出海都不是一蹴而就的，都需要时间的反复验证的实践去论证和解决。
（雷峰网雷峰网雷峰网(公众号：雷峰网)）
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
