首先讲微软，微软做企业客户产品起家的，现在也主要是从企业客户那里挣钱吃饭。虽然公司不停地喊着转型，在消费产品领域不断加大投入开拓疆土。但是这个公司深入到骨子的基因就是善于做企业级的产品。 这种基因贯穿微软从研发到运维到销售到支持的各个部门。那么什么是企业客户的需求？3个词可以概括的话就是：可靠可信可用。大家想想公有云服务的主要客户是谁？他们的核心需求是什么？所以微软做公有云的优势可以概括如下：

1. 企业级品质和面向企业客户：从数据中心建设，全球光纤网络到虚拟化技术（Hyper-V）到操作系统（WinServer）再到运行云服务的各项基础软件（SQL，IIS）全部是微软自己研发的成熟的产品，都有几年甚至几十年在企业环境中运行的历史，其稳定性和可靠性是毋庸置疑的。另外，安全性也会相应增强，大家应该都忘不了今年把许多企业吓出翔的OpenSSL heartbleed漏洞和最近刚爆出来的Xen Hypervisor的漏洞。

2. 公有云和私有云混搭（传说中的混合云）：关注微软云计算的筒子们应该都关注到了最近Satya在旧金山提到的那个“把Azure装进盒子里卖给企业”的产品。微软内部已经开发这个产品很久了。简单地说，就是卖一个现成的类似的Azure私有云给你，你可以按照企业需要自己管理和使用。然后这个私有云，无论从接口和体验上，都与Azure高度统一，可以向公有云无缝扩展。这对很多想“脚踩两只船”（混合云）的大企业的吸引力是无疑的。 亚马逊和谷歌目前还像还没听说加力在这块。

3. 与微软固有的产品线无缝整合，个人觉得这是最NB的一点。自从老鲍临走之前提出了cloud first的口号之后，几乎所有的微软产品线都在考虑跟云沾上边，免得哪天突然发现bugdet被砍了。最后的结果就是，现在几乎所有的产品都实现了与Azure的整合。比如VS可以直接开发和部署云服务，比如SC可以直接管理Azure VM，Office可以直接打开和保存云上的文档等等。有些产品甚至直接跳到Azure上变成SaaS/PaaS云服务，比如说AD现在有AAD，SQL现在有SQL Azure等等。所以Azure很快就形成了一个从IaaS(VM, Network)到PaaS(Storage, AAD, SQL, Media, VSOnline)到SaaS(Office 365, Machine Learning)一套极为完整的云生态体系。这些产品本来就有极大的用户群体，现在这些用户都可以轻松地迁移到Azure上，这就是为什么Azure这几年都在飞速的增长的重要原因。在这一点上，微软算是吸取了Windows Phone和Windows RT失败的深刻教训，那就是要玩就跟你玩生态系统！这点Amazon和Google也只能干着急了。

4. 最后一点也是最重要的一点，微软有钱（从在全球建设数据中心的速度上就能看出来，微软远超其他两家）！在这一点上，Google能有得一拼。因为到目前为止，公有云计算基本上还是拼烧钱的游戏。一旦价格战开始，Amazon就呵呵吧。

其次讲亚马逊。

1. 首先作为市场老大和商业云计算名义上的先驱，亚马逊最大的优势还是在于先入为主。以EC2和S3形成的一系列生态圈和开发者，是亚马逊目前异常坚挺的壁垒。另外，整体来讲，亚马逊在一些关键的服务和功能上，还是领先于微软和谷歌。举个例子来讲，AWS的存储服务按照用户的数据特性就提供3种不同的产品：高读写的热数据有SSD storage, 普通读写的数据有S3，冷备份数据有Glacier。而微软最近刚刚才发布了基于SSD存储。Google更是只有一种存储产品。

2. 亚马逊是从互联网公司起家的，这个从内到外也贯穿着互联网的基因和风格。这些体现他倾听和理解用户需求，快速迭代产品功能，以及非常接地气的各种推广活动上。 在这一点上，默默无闻的ms和高高在上的gg这应该多想amazon学习一下。

最后说说google和其他的云服务。

毫无疑问，Google在分布式计算和分布式存储方面的技术一定是非常牛的，如果Google称第二，估计没人敢称第一，因为他们开发和运维着世界上最大的在线服务。Goolge在2003年的时候公布了一些分布式存储和分布式计算的细节，成为很多云计算框架和服务的蓝本。但是，google自从发布了APP engine之后，一直在商业云计算尤其是火热的IaaS市场里不温不火，以至于在全球商业云计算市场中远远落后于另外两家巨头。但是从去年开始，Google已经开始高调发力了。

Softlayer, 还有一些国内的云计算厂商比如阿里云，在全球来看算是第二梯队的厂商，他们的优势应该是本地化运营和渠道优势吧。比如说，阿里云在国内接受了万网的一些客户，同时在中小企业和创业团队中的服务商很有优势。

云计算、大数据、人工智能这三者的发展不能分开来讲，三者是有着紧密联系的，互相联系，互相依托的，脱离了谁都不能更好的发展，让我们具体来看一下！

一、大数据

大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样捷径，而采用所有数据进行分析处理。大数据的5V特点(IBM提出)：Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。

数据每天都在产生，各行各业都有，数据量也是相当之大，但如何整合数据，清洗数据，然后实现数据价值，这才是当今大数据行业的研究重点。大数据最后要实现的是数据超融合，应用到应用场景，大数据的价值才会体现出来。

人工智能就是大数据应用的体现。

二、云计算

云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。因此，云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。

对云计算的定义有多种说法。对于到底什么是云计算，至少可以找到100种解释。现阶段广为接受的是美国国家标准与技术研究院(NIST)定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池(资源包括网络，服务器，存储，应用软件，服务)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。

说白了，云计算计算的是什么？云存储存储的是什么？还是大数据！所以离开大数据谈云计算，离开云计算谈大数据，这都是不科学的。

三、人工智能

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种复杂工作的理解是不同的。

人工智能其实就是大数据、云计算的应用场景。

现在已经比较火热的VR，沉浸式体验，就是依赖与大数据与云计算，让用户能够由更加真切的体验，并且VR技术是可以使用到各行各业的。

人工智能不同于传统的机器人，传统机器人只是代替人类做一些已经输入好的指令工作，而人工智能则包含了机器学习，从被动到主动，从模式化实行指令，到自主判断根据情况实行不同的指令，这就是区别。

大数据的概念在前几年已经炒得火热，但是也就是近两年才开始慢慢落地，依赖于云计算的发展，以及人们对人工智能的预期。

说到底，云计算是大数据的底层架构，大数据依赖云计算来处理大数据，人工智能是大数据的场景应用。三者直接建立起一个体系，从而实现改变世界的目的。三者不能分开说，一定要紧密结合。

互联网的下一个风口，也一定是大数据、云计算、人工智能的共同风口。

本文来自IT培训网：cnitedu，转载请注明出处。

云计算的核心思想，是将大量用网络连接的计算资源统一管理和调度，构成一个计算资源池向用户按需服务。云计算的基本原理是，通过使计算分布在大量的分布式计算机上，而非木地计算机或远程服务器中完成目标任务。企业数据中心的运行将更与互联网相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。

对此有网友表示称，那大数据好不好学呢？其实所谓大数据，就是由很多小数据汇聚而成的，我们本身就是一个数据，比如我们的通讯信息、我们的路线信息、我们浏览网页的信息等等，都是一个个活生生的数据，而正是这一个个精确的数据组成了我们口中的大数据。什么叫做大数据？说白了就是一台机器干不完，大家一起干。可是随着数据量越来越大，很多不大的公司都需要处理相当多的数据，这些小公司没有这么多机器可怎么办呢？

说到这里，大家想起云计算了吧。当想要干这些活时，需要很多的机器一块做，真的是想什么时候要就什么时候要，想要多少就要多少。大数据和云计算其实并不难学，一般4到5个月的培训就能找工作了。

只需自己想学，感兴趣的话，不管什么根底都能够学，仅仅要比他人更努力的去学了。柠檬学院大数据，注册就能学习大数据了，一起还有大数据的根底课程java，linux，mysql等。好多机构，也是有各种活动的啊。肯定要必定的根底，仍是挺轻松的，去大讲台看看，推出在线运用科学混合式自适应学习体系安排线上教育，运用大数据可视化的在线实训体系安排实战练习。

随着科学技术的迅速发展，人类开始进入大数据时代，云计算、大数据、移动互联网已成为时代三大主题，正在推动着新经济时代的发展。在科学领域、经济领域及社会生活的方方面面，呈现出海量数据特征，在海量数据中蕴含着人类各种行为、心理信息。

对此有网友表示称，常说的"大数据"和"云计算"应该当成动词。即"大数据"指大数据分析或大数据处理。"大数据"对应"小数据算法"，"云计算"对应"单个计算机的计算"。比如"1+1等于几"这个问题，我们可以通过小数据算法（口算），用单个计算机的计算（甚至计算器）完成计算。再想象一个复杂的问题，需要跨时间、跨空间计算的问题，比如"去年中国各行各业的生产总值，加上美国今年各行各业的生产总值是多少？"这个问题我们就需要通过大数据的分析或处理方法，用云计算完成。

进一步说，要通过分析或处理各地各时段存储的各种数据资源，用互联网上（云）大量的计算机进行计算（计算）得出结果。这就是大数据、云计算。你可以通俗的理解为：大数据（分析或处理）是前台，云计算是后台。

或者理解为：大数据（分析或处理）是软件方法，云计算是硬件设备资源。或者可以再直观的理解为：大数据就是人直接操作的界面（网页、软件或App），云计算就是这些网站、软件或App供应商提供的服务。

随着云技术和互联网的不断发展，云计算技术跟随互联网的脚步不断发展起来，现在越来越多的企业加入到了云计算的开发当中。就国内云计算产业来说，近些年在云计算的学术领域、技术应用领域多诸多方面都进行了非常多的探索和尝试，现在我国的云计算技术已经发展到了一定的阶段。

那么云计算跟VR、AR、AI等那些更有前景呢？对此有网友表示称，也就大数据就目前来说还可以，应用广，有实际的意义。AI现在说还是太早了，人类现在的智能水平不足以发明出像人类一样思维，意识，自我的人工智能，但是发明出简单交流，或者自动驾驶，自动回复的智能体是肯定没问题的，人类无法认知的智能体会在未来五年内出现吧，但是真正的人工智能，个人观点21世纪不可能，欲望，自我，学习的能力这些不是机器简简单单就能学来的。

AR、VR偏炒作，但是确实有应用价值，这一块还是主要看外部设备的发展，现在总说内容不够，个人观点我内容一堆，你非得连着根儿线，我怎么玩？我怎么移动跳跃？自由自在的活动？当vr像素达到8k，他将有质的飞跃，我身处行业中，只是个小白，但我真是觉得希望渺茫，需要大量的时间，和金钱，可能我层次太低吧。

其实关于谁更有前途早在几年之前就有了相关的争论，不过直到今天也没有分出一个胜负，所以理性看待就好。

越来越多的人认识接触云计算和大数据，但是真正的对于这两个的认识和理解确是少之又少，很多人都想问云计算与大数据前景好吗？现在学习就业怎么样？云计算与大数据课程又是哪家好呢？如果你想进入云计算和大数据，那么先了解一下什么是云计算和大数据吧，只有详细的了解之后，才有可能更好的去掌握和学习它。

云计算：云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。因此，云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。

大数据：大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。

从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。大数据和云计算是未来发展趋势所需，且功能足够强大，所以抓紧学习云计算与大数据课程，才是正确的开始。

云计算是什么？云计算与大数据要学啥？云计算的虚拟空间无限大，物联网和互联网产生的大量数据，要找一个地方集中存储和处理，就要用云来存储。比如我们平时手机或电脑存储空间不够的情况下，会把一些图片及视频存在云盘，云端。

云计算，简单说就是把你自己电脑里的或者公司服务器上的硬盘、CPU都放到网上，统一动态调用，现在最有名的云计算服务商是亚马逊的AWS。以前你要玩最新的大型3D游戏或者做了个大型3D动画需要渲染，首先想到的都是重新买一台更高配置电脑或者换个显卡等；

有了云计算之后，你只需要一台显示器，连到服务商的云计算平台上，如果想玩两天新游戏，就单独购买这两天的高配CPU和显卡，只付两天的钱，玩腻了就恢复成普通的配置；如果你今晚要做大量渲染，就买今晚几个小时的高配，第二天早上拿到成片，就可以恢复原来的配置。所有这些计算和渲染工作都在云计算服务商的数据中心统一完成，你只需要按小时甚至按分钟计费，不用再自己买电脑和服务器了。做云计算的服务商都会自建数据中心。

大数据，简单说，就是把所有的数据放到一起分析，找到关联，实现预测。这里的所有数据对应的是之前的抽样调研取得的部分数据。比如传统的市场调研方法，就是去大街上或者网上发问卷，能得到成百上千份结果就很不错了，或者邀请几个典型用户到会议室访谈一下；大数据的做法是把收集所有人的数据进行分析，把每个人都当做独立个体进行分析，而不是找群体特征。大数据的结果就是更精准，更细致，更个性化。

再比如我们经常会看一些现代谍战片，侦察部如何找到罪犯？就是通过全城监控录像，在海量数据中搜索一个人的面孔，犯罪分子只要出现在监控中都会保留一条数据及位置，从而更好地实施下一步方案，大大提高破案效率。这也是企业为什么在极力追捧云计算大数据技术。再比如京东、淘宝、今日头条、新浪、百度、网易、等购物网站，就是采用这种技术。今天看过或搜过的，下次再打开就会主动推送什么类型的文章。

简单的说大数据就是超级存储的意思，海量数据上传到云平台后，大数据就会对数据进行深入分析和挖掘。在在各行各业均存在大数据。比如天气预报，气象中心会通过卫星发送回气象局无数条关于空气温度、湿度、密度、空气微粒等的数据，运用大数据技术，从而分析判断出这些数据。得出天气状况、空气质量、温度及风量。再比如将几千辆车的数据位置信息综合起来分析出某条路的拥堵状况。大数据必须有云作为它的基础架构，才可以推广并体现出强大的实用价值。云计算和大数据是相辅相成的。

云计算和大数据哪个发展前景好？

说实在话，二者之间都是未来的发展趋势，没有说那种好或者不好，根据你的兴趣，你未来的发展方向，来判断你想走那条路!

大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展，Hadoop的产生使我们能够用普通机器建立稳定的处理TB级数据的集群，把传统而昂贵的并行计算等概念一下就拉到了我们的面前，但是其不适合数据分析人员使用(因为MapReduce开发复杂)，所以PigLatin和Hive出现了(分别是Yahoo!和facebook发起的项目，说到这补充一下，在大数据领域Google、facebook、twitter等前沿的互联网公司作出了很积极和强大的贡献)，为我们带来了类SQL的操作，到这里操作方式像SQL了，但是处理效率很慢，绝对和传统的数据库的处理效率有天壤之别，所以人们又在想怎样在大数据处理上不只是操作方式类SQL，而处理速度也能“类SQL”，Google为我们带来了Dremel/PowerDrill等技术，Cloudera(Hadoop商业化最强的公司，Hadoop之父cutting就在这里负责技术领导)的Impala也出现了。

整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗?

在谈大数据的时候，首先谈到的就是大数据的4V特性，即类型复杂，海量，快速和价值。IBM原来谈大数据的时候谈3V，没有价值这个V。而实际我们来看4V更加恰当，价值才是大数据问题解决的最终目标，其它3V都是为价值目标服务。在有了4V的概念后，就很容易简化的来理解大数据的核心，即大数据的总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。

数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。

传统的BI分析通过大量的ETL数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的BI分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，BI分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。

谈了这么多，核心还是想说明大数据两大核心为云技术和BI，离开云技术大数据没有根基和落地可能，离开BI和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是BI，大数据实施落地式云技术。