最早提出“大數據”（Big Data）時代到來的是全球知名咨詢公司麥肯錫，麥肯錫稱：“數據，已經滲透到當今每一個行業和業務職能領域，成為重要的生產因素。人們對于海量數據的挖掘和運用，預示著新一波生產率增長和消費者盈余浪潮的到來。

??

大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。大數據時代的出現簡單的講是海量數據同完美計算能力結合的結果，確切的說是移動互聯網、物聯網產生了海量的數據，大數據計算技術完美地解決了海量數據的收集、存儲、計算、分析的問題。

當我們最初談大數據的時候，談的最多的可能是用戶行為分析。即通過各種用戶行為，（以互聯網行業為例）包括瀏覽記錄，消費記錄，交往和購物娛樂，行動軌跡等各種用戶行為產生的數據。通過對用戶各種行為產生的大數據進行分析、預測， 就可以幫助企業精準營銷、風險管控，向企業提供決策支持，并輔助產品設計，提升企業的效率。

?[[359064]]?

醫療大數據讓預防和看病更高效， 生物大數據讓改良基因有了可能，金融大數據成為投資理財利器，零售大數據最懂消費者，電商大數據是精準營銷的法寶，農牧大數據可預測需求并量化生產，交通大數據方便百姓暢通出行，教育大數據輔助教育工作者因材施教，食品大數據可以保障舌尖上的安全，輿情監控大數據可預測數據預防犯罪......

大數據技術的發展帶來企業經營決策模式的轉變，驅動著行業變革，衍生出新的商機和發展契機。各行業的核心數據的相關性再加上可感知設備的智能數據采集，就構成一個完整的大數據生態環境。由此推動了企業的效率提升、科學決策、精細管理，更重要的是科學管理，數據治國。

1

云計算

云計算最初的目標是對資源的管理，管理的主要是計算資源，網絡資源，存儲資源三個方面。想象你有一大堆的服務器，交換機，存儲設備，放在你的機房里面，你最想做的事情就是把這些東西統一的管理起來，最好能達到當別人向你請求分配資源的時候（例如1核1G內存，10G硬盤，1M帶寬的機器），能夠達到想什么時候要就能什么時候要，想要多少就有多少的狀態。

這就是所謂的彈性，俗話說就是靈活性。靈活性分兩個方面，想什么時候要就什么時候要，這叫做時間靈活性，想要多少就要多少，這叫做空間靈活性。

在云計算的發展過程中，云計算逐漸發現自己除了資源層面的管理，還能夠進行應用層面的管理，而大數據應用作為越來越重要的應用之一，云計算也可以放入PaaS層管理起來，而大數據也發現自己越來越需要大量的計算資源，而且想什么時候要就什么時候要，想要多少就要多少，于是兩者相遇，相識，相知，走在了一起。

??

2

大數據

??

大數據時代，眾人拾柴火焰高

當數據量很小時，很少的幾臺機器就能解決。慢慢的，當數據量越來越大，最牛的服務器都解決不了問題時，怎么辦呢？這時就要聚合多臺機器的力量，大家齊心協力一起把這個事搞定，眾人拾柴火焰高。所以說什么叫做大數據？說白了就是一臺機器干不完，大家一起干。可是隨著數據量越來越大，很多不大的公司都需要處理相當多的數據，這些小公司沒有這么多機器可怎么辦呢？

?[[359065]]?

大數據需要云計算，云計算需要大數據

說到這里，大家想起云計算了吧。當想要干這些活時，需要很多的機器一塊做，真的是想什么時候要就什么時候要，想要多少就要多少。

例如大數據分析公司的財務情況，可能一周分析一次，如果要把這一百臺機器或者一千臺機器都在那放著，一周用一次非常浪費。那能不能需要計算的時候，把這一千臺機器拿出來；不算的時候，讓這一千臺機器去干別的事情？

誰能做這個事兒呢？只有云計算，可以為大數據的運算提供資源層的靈活性。而云計算也會部署大數據放到它的PaaS平臺上，作為一個非常非常重要的通用應用。因為大數據平臺能夠使得多臺機器一起干一個事兒，這個東西不是一般人能開發出來的，也不是一般人玩得轉的，怎么也得雇個幾十上百號人才能把這個玩起來。

所以說就像數據庫一樣，其實還是需要有一幫專業的人來玩這個東西。現在公有云上基本上都會有大數據的解決方案了，一個小公司需要大數據平臺的時候，不需要采購一千臺機器，只要到公有云上一點，這一千臺機器都出來了，并且上面已經部署好了的大數據平臺，只要把數據放進去算就可以了。

云計算需要大數據，大數據需要云計算，二者就這樣結合了。

3

人工智能

雖說有了大數據，人的欲望卻不能夠滿足。雖說在大數據平臺里面有搜索引擎這個東西，想要什么東西一搜就出來了。但也存在這樣的情況：我想要的東西不會搜，表達不出來，搜索出來的又不是我想要的。例如音樂軟件推薦了一首歌，這首歌我沒聽過，當然不知道名字，也沒法搜。但是軟件推薦給我，我的確喜歡，這就是搜索做不到的事情。當人們使用這種應用時，會發現機器知道我想要什么，而不是說當我想要時，去機器里面搜索。這個機器真像我的朋友一樣懂我，這就有點人工智能的意思了。

人們很早就在想這個事情了。最早的時候，人們想象，要是有一堵墻，墻后面是個機器，我給它說話，它就給我回應。如果我感覺不出它那邊是人還是機器，那它就真的是一個人工智能的東西了。

怎么才能做到這一點呢？人們就想：我首先要告訴計算機人類的推理的能力。你看人重要的是什么？人和動物的區別在什么？就是能推理。要是把我這個推理的能力告訴機器，讓機器根據你的提問，推理出相應的回答，這樣多好？

其實目前人們慢慢地讓機器能夠做到一些推理了，例如證明數學公式。這是一個非常讓人驚喜的一個過程，機器竟然能夠證明數學公式。但慢慢又發現其實這個結果也沒有那么令人驚喜。因為大家發現了一個問題：數學公式非常嚴謹，推理過程也非常嚴謹，而且數學公式很容易拿機器來進行表達，程序也相對容易表達。

然而人類的語言就沒這么簡單了。比如今天晚上，你和你女朋友約會，你女朋友說：如果你早來，我沒來；你等著，如果我早來；你沒來，你等著！這個機器就比較難理解了，但人都懂。所以你和女朋友約會，是不敢遲到的。

因此，僅僅告訴機器嚴格的推理是不夠的，還要告訴機器一些知識。但告訴機器知識這個事情，一般人可能就做不來了。

于是人們想到：機器是和人完全不一樣的物種，干脆讓機器自己學習好了。機器怎么學習呢？既然機器的統計能力這么強，基于統計學習，一定能從大量的數字中發現一定的規律。聽起來也沒有那么有道理，但的確能做到，就是這么任性！

人工智能可以做的事情非常多，例如可以鑒別垃圾郵件、鑒別黃色暴力文字和圖片等。這也是經歷了三個階段的：

• 第一個階段依賴于關鍵詞黑白名單和過濾技術，包含哪些詞就是黃色或者暴力的文字。隨著這個網絡語言越來越多，詞也不斷地變化，不斷地更新這個詞庫就有點顧不過來。
• 第二個階段時，基于一些新的算法，比如說貝葉斯過濾等，你不用管貝葉斯算法是什么，但是這個名字你應該聽過，這個一個基于概率的算法。
• 第三個階段就是基于大數據和人工智能，進行更加精準的用戶畫像和文本理解和圖像理解。

由于人工智能算法多是依賴于大量的數據的，這些數據往往需要面向某個特定的領域(例如電商，郵箱)進行長期的積累，如果沒有數據，就算有人工智能算法也白搭，所以人工智能程序很少像前面的IaaS和PaaS一樣，將人工智能程序給某個客戶安裝一套，讓客戶去用。因為給某個客戶單獨安裝一套，客戶沒有相關的數據做訓練，結果往往是很差的。

但云計算廠商往往是積累了大量數據的，于是就在云計算廠商里面安裝一套，暴露一個服務接口，比如您想鑒別一個文本是不是涉及黃色和暴力，直接用這個在線服務就可以了。這種形勢的服務，在云計算里面稱為軟件即服務，SaaS (Software AS A Service)，于是工智能程序作為SaaS平臺進入了云計算。

終于云計算的三兄弟湊齊了，分別是IaaS、PaaS和SaaS。所以一般在一個云計算平臺上，云、大數據、人工智能都能找得到。一個大數據公司，積累了大量的數據，會使用一些人工智能的算法提供一些服務；一個人工智能公司，也不可能沒有大數據平臺支撐。

所以，當云計算、大數據、人工智能這樣整合起來，便完成了相遇、相識、相知的過程。