目前矽谷最火最有名的高科技創業公司都有哪些？

摘要： 1、目前矽谷最火最有名的高科技創業公司都有哪些？ 在矽谷大家非常熱情的談創業談機會，我也通過自己的一些觀察和積累，看到了不少最近幾年湧現的熱門創業公司。 我給大家一個

1、目前矽谷最火最有名的高科技創業公司都有哪些？

在矽谷大家非常熱情的談創業談機會，我也通過自己的一些觀察和積累，看到了不少最近幾年湧現的熱門創業公司。 我給大家一個清單，這個是華爾街網站的全世界創業公司融資規模評選。 它本來的標題是billion startup club，我在去年國內講座也分享過，不到一年的時間，截至到2015年1月17日，現在的排名和規模已經發生了很大的變化。

首先估值在10 Billlon的達到了7家，而一年前一家都沒有。 第二；第一名是中國人家喻戶曉的小米；第三，前20名中，絕大多數（8成在美國，在加州，在矽谷，在三藩市！ ）比如Uber, Airbnb, Dropbox, Pinterest；第四，裡面也有不少相似模式成功的，比如Flipkart就是印度市場的淘寶，Uber與Airbnb都是共用經濟的範疇。 所以大家還是可以在移動(Uber)，大資料（Palantir），消費級互聯網，通訊(Snapchat)，支付(Square)，O2O App裡面尋找下大機會。 這裡面很多公司我都親自面試和感受過他們的環境。

2、有如此之多的高估值公司，是否意味著存在很大的泡沫？

看了那麼多高估值公司，很多人都覺得非常瘋狂，這是不是很大泡沫了，泡沫是不是要破了，是很多人的疑問。 我認為在矽谷這個充滿夢想的地方，投資人鼓勵創業者大膽去做同樣也助長了泡沫，很多專案在幾個月的時間就會估值翻2，3倍，如Uber，Snapchat上我也驚訝于他們的巨額融資規模。 那麼這張圖就是講「新興技術炒作」週期，把各類技術按照技術成熟度和期望值分類。

創新萌芽Innovation Trigger」、「期望最頂點Peak ofInflated Expectation」、「下調預期至低點Trough of Disillusion」、「回歸理想Slope ofEnlightenment 」、「生產率平臺Plateau of Productivity」，越往左，技術約新潮，越處於概念階段；越往右，技術約成熟，約進入商業化應用，發揮出提高生產率的效果。 縱軸代表預期值，人們對於新技術通常會隨著認識的深入，預期不斷升溫，伴之以媒體炒作而到達頂峰；隨之因技術瓶頸或其他原因，預期逐漸冷卻至低點，但技術技術成熟後，期望又重新上升，重新積累使用者，然後就到了可持續增長的健康軌道上來。

Gartner公司每年發佈技術趨勢炒作圖。 今年和去年的圖對比顯示，物聯網、自動駕駛汽車、消費級3D列印、自然語言問答等概念正在處於炒作的頂峰。 而大資料已從頂峰滑落，NFC和雲計算接近谷底。

3、未來，高科技創業的趨勢是什麼？

我先提一個最近看的一部電影《Imitation Game》，講電腦邏輯的奠基者艾倫圖靈（電腦屆最高獎以他命名）艱難的一生，他當年為破譯德軍密碼製作了圖靈機為二戰勝利作出卓越貢獻，挽回幾千萬人的生命， 可在那個時代因為同性戀被判化學閹割，自殺結束了短暫的42歲生命。 他的一個偉大貢獻就是在人工智慧的開拓工作，他提出圖靈測試（Turing Test），測試某機器是否能表現出與人等價或無法區分的智慧。

今天人工智慧已經有了很大進步，從專家系統到基於統計的學習，從支援向量機到神經網路深度學習，每一步都帶領機器智慧走向下一個階梯。

在Google資深科學家吳軍博士（數學之美，浪潮之巔作者），他提出當前技術發展三個趨勢，第一，雲計算和和移動互聯網，這是正在進行時；第二，機器智慧，現在開始發生，但對社會的影響很多人還沒有意識到；第三， 大資料和機器智慧結合，這是未來時，一定會發生，有公司在做，但還沒有太形成規模。 他認為未來機器會控制98％的人，而現在我們就要做個選擇，怎麼成為剩下的2％？

4、為什麼大資料和機器智慧結合的未來一定會到來？

其實在工業革命之前（1820年），世界人均GDP在1800年前的兩三千年裡基本沒有變化，而從1820年到2001年的180年裡，世界人均GDP從原來的667美元增長到6049美元。 由此足見，工業革命帶來的收入增長的確是翻天覆地的。 這裡面發生了什麼，大家可以去思考一下。 但人類的進步並沒有停止或者說穩步增長，在發明了電力，電腦，互聯網，移動互聯網，全球年GDP增長從萬分之5到2％，資訊也是在急劇增長，根據計算，最近兩年的資訊量是之前30年的總和，最近10年是遠超人類所有之前累計資訊量之和。 在電腦時代，有個著名的摩爾定律，就是說同樣成本每隔18個月電晶體數量會翻倍，反過來同樣數量電晶體成本會減半，這個規律已經很好的match了最近30年的發展，並且可以衍生到很多類似的領域：存儲、功耗、頻寬、圖元。

馮諾伊曼是20世紀最重要的數學家之一，在現代電腦、博弈論和核武器等諸多領域內有傑出建樹的最偉大的科學全才之一。 他提出（技術）將會逼近人類歷史上的某種本質的奇點，在那之後 全部人類行為都不可能以我們熟悉的面貌繼續存在。 這就是著名的奇點理論。 目前會越來越快指數性增長，美國未來學家Ray Kurzweil稱人類能夠在2045年實現數位化永生，他自己也創辦奇點大學，相信隨著資訊技術、無線網、生物、物理等領域的指數級增長，將在2029年實現人工智慧， 人的壽命也將會在未來15年得到大幅延長。

5、國外值得關注的大資料公司都有哪些？ 國內又有哪些？

這是2014年總結的Big Data公司清單，我們大致可以分成基礎架構和應用，而底層都是會用到一些通用技術，如Hadoop，Mahout，HBase，Cassandra，我在下面也會涵蓋。 我可以舉幾個例子，在分析這一塊，cloudera，hortonworks，mapr作為Hadoop的三劍客，一些運維領域，mangodb，couchbase都是nosql的代表，作為服務領域AWS和Google BigQuery劍拔弩張，在傳統資料庫，Oracle收購了MySQL，DB2老牌銀行專用，Teradata做了多年資料倉儲。 上面的Apps更多，比如社交消費領域Google, Amazon, Netflix, Twitter, 商業智慧：SAP，GoodData，一些在廣告媒體領域：TURN，Rocketfuel，做智慧運維sumologic等等。 去年的新星 Databricks 伴隨著Spark的浪潮震撼Hadoop的生態系統。

對於迅速成長的中國市場，大公司也意味著大資料，BAT三家都是對大資料的投入也是不惜餘力。

我5年前在百度的時候，就提出框計算的東東，最近兩年他們成立了矽谷研究院，挖來Andrew Ng作為首席科學家，研究專案就是百度大腦，在語音、圖片識別大幅提高精確度和召回率，最近還做了個無人自行車，非常有趣。 騰訊作為最大的社交應用對大資料也是情有獨鍾，自己研發了C++平臺的海量存儲系統。 淘寶去年雙十一主戰場，2分鐘突破10億，交易額突破571億，背後是有很多故事，當年在百度做Pyramid（按Google三輛馬車打造的金字塔三層分散式系統）的有志之士，繼續在OceanBase創造神話。 而阿裡雲當年備受爭議，馬雲也懷疑是不是被王堅忽悠，最後經歷了雙十一的洗禮證明了阿裡雲的靠譜。 小米的雷軍對大資料也是寄託厚望，一方面這麼多資料幾何級數增長，另一方面存儲頻寬都是巨大成本，沒價值就會破產。

6、Hadoop是現今最流行的大資料技術，在它出現的當時，是什麼造成了Hadoop的流行？ 當時Hadoop具有哪些設計上的優勢？

看Hadoop從哪裡開始的，不得不提Google的先進性，在10多年前，Google出了3篇paper論述分散式系統的做法，分別是GFS, MapReduce, BigTable,非常NB的系統，但沒人見過， 在工業界很多人癢癢的就想按其思想去仿作，當時Apache Nutch Lucene的作者Doug Cutting也是其中之一，後來他們被Yahoo收購，專門成立Team去投入做，就是Hadoop的開始和大規模發展的地方， 之後隨著Yahoo的牛人去了Facebook, Google, 也有成立了Cloudera, Hortonworks等大資料公司，把Hadoop的實踐帶到各個矽谷公司。 而Google還沒有停止，又出了新的三輛馬車，Pregel, Caffeine, Dremel, 後來又有很多步入後塵，開始新一輪開源大戰。

為啥Hadoop就比較適合做大資料呢？ 首先擴展很好，直接通過加節點就可以把系統能力提高，它有個重要思想是移動計算而不是移動資料，因為資料的移動是很大的成本需要網路頻寬。 其次它提出的目標就是利用廉價的普通電腦（硬碟），這樣雖然可能不穩定（磁片壞的幾率），但通過系統級別上的容錯和冗余達到高可靠性。 並且非常靈活，可以使用各種data，二進位，文檔型，記錄型。 使用各種形式（結構化，半結構化，非結構化所謂的schemaless），在按需計算上也是個技巧。

7、圍繞在Hadoop周圍的有哪些公司和產品？

提到Hadoop一般不會說某一個東西，而是指生態系統，在這裡面太多交互的元件了，涉及到IO，處理，應用，配置，工作流。 在真正的工作中，當幾個元件互相影響，你頭疼的維護才剛剛開始。 我也簡單說幾個：Hadoop Core就三個HDFS，MapReduce，Common，在週邊有NoSQL: Cassandra, HBase, 有Facebook開發的資料倉儲Hive，有Yahoo主力研發的Pig工作流語言， 有機器學習演算法庫Mahout，工作流管理軟體Oozie，在很多分散式系統選擇Master中扮演重要角色的Zookeeper。

8、能否用普通人都能理解的方式解釋一下Hadoop的工作原理？

我們先說HDFS，所謂Hadoop的分散式檔案系統，它是能真正做到高強度容錯。 並且根據locality原理，對連續存儲做了優化。 簡單說就是分配大的資料塊，每次連續讀整數個。 如果讓你自己來設計分散式檔案系統，在某機器掛掉還能正常訪問該怎麼做？ 首先需要有個master作為目錄查找（就是Namenode），那麼資料節點是作為分割好一塊塊的，同一塊資料為了做備份不能放到同一個機器上，否則這台機器掛了，你備份也同樣沒辦法找到。 HDFS用一種機架位感知的辦法，先把一份拷貝放入同機架上的機器，然後在拷貝一份到其他伺服器，也許是不同資料中心的，這樣如果某個資料點壞了，就從另一個機架上調用，而同一個機架它們內網連接是非常快的，如果那個機器也壞了， 只能從遠端去獲取。 這是一種辦法，現在還有基於erasure code本來是用在通信容錯領域的辦法，可以節約空間又達到容錯的目的，大家感興趣可以去查詢。

接著說MapReduce，首先是個程式設計范式，它的思想是對批量處理的任務，分成兩個階段，所謂的Map階段就是把資料生成key, value pair, 再排序，中間有一步叫shuffle， 把同樣的key運輸到同一個reducer上面去，而在reducer上，因為同樣key已經確保在同一個上，就直接可以做聚合，算出一些sum， 最後把結果輸出到HDFS上。 對應開發者來說，你需要做的就是編寫Map和reduce函數，像中間的排序和shuffle網路傳輸，容錯處理，框架已經幫你做好了。

9、MapReduce模型本身也有一些問題？

第一：需要寫很多底層的代碼不夠高效，第二：所有的事情必須要轉化成兩個操作Map/Reduce，這本身就很奇怪，也不能解決所有的情況。

10、Spark從何而來？ Spark相比于Hadoop MapReduce設計上有什麼樣的優勢？

其實Spark出現就是為了解決上面的問題。 先說一些Spark的起源。 發自 2010年Berkeley AMPLab，發表在hotcloud 是一個從學術界到工業界的成功典範，也吸引了頂級VC：Andreessen Horowitz的 注資. 在2013年，這些大牛（Berkeley系主任，MIT最年輕的助理教授）從Berkeley AMPLab出去成立了Databricks，引無數Hadoop大佬盡折腰，它是用函數式語言Scala編寫， Spark簡單說就是記憶體計算（包含反覆運算式計算，DAG計算,流式計算 ）框架，之前MapReduce因效率低下大家經常嘲笑，而Spark的出現讓大家很清新。 Reynod 作為Spark核心開發者, 介紹Spark性能超Hadoop百倍，演算法實現僅有其1/10或1/100。 在去年的Sort benchmark上，Spark用了23min跑完了100TB的排序，刷新了之前Hadoop保持的世界紀錄。

11、如果想從事大資料方面的工作，是否可以推薦一些有效的學習方法？ 有哪些推薦的書籍？

我也有一些建議，首先還是打好基礎，Hadoop雖然是火熱，但它的基礎原理都是書本上很多年的積累，像演算法導論，Unix設計哲學，資料庫原理，深入理解電腦原理，JAVA設計模式，一些重量級的書可以參考。 Hadoop 最經典的the definitive guide, 我在知乎上也有分享。
其次是選擇目標，如果你像做資料科學家，我可以推薦coursera的data science課程，通俗易懂。 學習Hive，Pig這些基本工具，如果做應用層，主要是把Hadoop的一些工作流要熟悉，包括一些基本調優，如果是想做架構，除了能搭建集群，對各個基礎軟體服務很瞭解，還要理解電腦的瓶頸和負載管理，Linux的一些性能工具。 最後還是要多加練習，大資料本身就是靠實踐的，你可以先按API寫書上的例子，能夠先調試成功，在下面就是多積累，當遇到相似的問題能找到對應的傳統模式，再進一步就是實際問題，也許周邊誰也沒遇到，你需要些靈感和網上問問題的技巧， 然後根據實際情況作出最佳選擇。

12、與大資料技術關係最緊密的就是雲計算，您曾在Amazon 雲計算部門工作過，能否簡單介紹一下亞馬遜的Redshift框架嗎？

我在Amazon 雲計算部門工作過，所以還是比較瞭解AWS，總體上成熟度很高，有大量startup是基於其開發，比如有名的Netflix，Pinterest，Coursera。 Amazon還是不斷創新，每年召開reInvent大會推廣新的雲產品和分享成功案例，在這裡面我隨便說幾個：像S3是簡單面向物件的存儲，DynamoDB是對關聯式資料庫的補充，Glacier對冷資料做歸檔處理， Elastic MapReduce直接對MapReduce做打包提供計算服務，EC2就是基礎的虛擬主機，Data Pipeline 會提供圖形化介面直接串聯工作任務。

Redshift，它是一種（massively parallel computer）架構，是非常方便的資料倉儲解決方案，就是SQL介面，跟各個雲服務無縫連接，最大特點就是快，在TB到PB級別非常好的性能， 我在工作中也是直接使用，它還支援不同的硬體平臺，如果想速度更快，可以使用SSD的，當然支援容量就小些。

13、Linkedin都採用了哪些大資料開源技術？

在Linkedin，有很多資料產品，比如People you may like, job you may be interested, 你的使用者訪問來源，甚至你的career path都可以挖掘出來。 那麼在Linkedin也是大量用到開源技術，我這裡就說一個最成功的Kafka，它是一個分散式的訊息佇列，可以用在tracking，機器內部metrics，資料傳輸。 資料在前端後端會經過不同的存儲或者平臺，每個平臺都有自己的格式，如果沒有一個unified log，會出現災難型的O(m*n)的資料對接複雜度，如果你設定的格式一旦發生變化，也是要修改所有相關的。 所以這裡提出的中間橋樑就是Kafka，大家約定用一個格式作為傳輸標準，然後在接受端可以任意定制你想要的資料來源（topics),最後實現的線性的O(m+n)的複雜度。 對應的設計細節，還是要參考設計文檔。 這裡面主要作者Jay Kreps，Rao Jun 出來成立了Kafka作為獨立發展的公司。

在Linkedin，Hadoop作為批次處理的主力，大量應用在各個產品線上，比如廣告組。 我們一方面需要去做一些靈活的查詢分析廣告主的匹配，廣告預測和實際效果，另外在報表生成方面也是Hadoop作為支援。 如果你想去面試Linkedin 後端組，我建議大家去把Hive, Pig, Azkaban(資料流程的管理軟體），Avro 資料定義格式，Kafka，Voldemort 都去看一些設計理念，Linkedin有專門的開源社區， 也是build自己的技術品牌。

14、談一談Coursera在大資料架構方面和其他矽谷創業公司相比有什麼特點？ 是什麼原因和技術取向造成了這些特點？

Coursera是一個有使命驅動的公司，大家不是為了追求技術的極致，而是為了服務好老師，同學，解決他們的痛點，分享他們的成功。 這點是跟其他技術公司最大的區別。 從一方面來說，現在還是早期積累階段，大規模計算還沒有來臨，我們只有積極學習，適應變化才能保持創業公司的高速成長。

Coursera作為創業公司，非常想保持敏捷和高效。 從技術上來說，所有的都是在基於AWS開發，可以想像隨意啟動雲端服務，做一些實驗。 我們大致分成產品組，架構組，和資料分析組。 我把所有用到的開發技術都列在上面。 因為公司比較新，所以沒有什麼歷史遺留遷移的問題。 大家大膽的使用Scala作為主要程式設計語言，採用Python作為腳本控制，比如產品組就是提供的課程產品，裡面大量使用Play Framework，JAVAscript的backbone作為控制中樞。 而架構組主要是維護底層存儲，泛型服務，性能和穩定性。

我在的資料組由10多人構成，一部分是對商業產品，核心增長指標做監控，挖掘和改進。 一部分是搭建資料倉儲完善跟各個部門的無縫資料流程動，也用到很多技術例如使用Scalding編寫Hadoop MapReduce程式，也有人做AB testing框架, 推薦系統，盡可能用最少人力做影響力的事情。 其實除了開源世界，我們也積極使用協力廠商的產品，比如sumologic做日誌錯誤分析，Redshift作為大資料分析平臺，Slack做內部通訊。 而所有的這些就是想解放生產力，把重心放到使用者體驗，產品開發和反覆運算上去。