“生活不止眼前的苟且，还有诗与远方”曾一度成为网络红语，但其实不需要远方，生活也可以变得趣味横生。有没有想过，清晨第一缕阳光进来，落地窗帘慢慢打开，你在温暖的阳光下醒来。打开手机App里的起床模式，卫生间的灯自行开启，顺带还有热水器。坐在喷射式虹吸排水马桶上，开启了你的每日惯例阅读。下楼吃饭，地板在扫地机器人的打扫下都能照得出你的模样...智能家居开启你美好的一天。

是的，这已经不是幻想，或将成为现实。进入21世纪，“智能”来得太快，就像龙卷风，席卷着各行各业。而随着物联网、云计算和大数据等技术的发展，智能家居颠覆传统家具，开始从科幻电影中走进现实，从高科技展览馆走进生活，从高档别墅走进千家万户，逐渐成为家居行业中的领头者，成为商界大佬竞相投资的方向以及人们热衷选择的生活用品。

大数据时代 每个人都是数据的贡献者

据了解，预计到2020年一个中国普通家庭一年产生的数据相当于半个国家图书馆的信息储量。在互联网时代，浏览网页，搜索信息，用微信、QQ维护社交关系，上网购物等都会产生海量数据;而在智能生活时代，人们的一举一动都将会形成数据，并且数据量要远多于互联网。在家庭中，用户的一举一动所产生的数据将要有相应的智能家居设备记录、收集，并在经过加工处理后重新应用于智能家居设备，让它们更具智慧。

智能家居会产生大数据，同时也是大数据的重要应用领域，不然它极有可能将停滞不前。家庭产生的大数据能让智能家居更聪明，但需要根据实际情况进行有效处理，而不是随便采用任何数据的“一锅端”，这其中云技术将起着重要作用，事实上云与大数据之间也有着十分密切的联系。

漫步云端 云赋生活

云赋予智能家居设备前所未有的计算能力和成长能力，能够第一时间对用户家庭中智能设备的数据、信息进行有效分析、记忆、储存，并将得到的相应规律反过来应用于智能设备，提升智能家居的智能效果。相反，如果抛开云，智能家居只是单纯的智能家居设备，不具备极强的信息处理能力，并且这些设备将会显得更“机械”，算不上真正的智能。事实上，对于一个智能家居企业来说，即便所研发和生产的设备只限于单品，其覆盖家庭范围的广度也要求设备背后具有强大的数据、信息处理能力，以保证后期所有设备的良性运转。

未来，云计算将会深入到我们生活的每一个角落里面，引发各个产业的彻底变革，其中包括医疗保健、城市规划、能源工业、电子零售和娱乐领域。“智能家居其实就是一个家庭物联网，通过云计算，让家庭与社交网络、新闻渠道、数据分析甚至是政府决策联系起来，在云的支撑下，一切皆有可能。”作为巨量数据处理平台之一，云存储、云计算等云技术不但有助于智能家居的稳定性、可靠性，而且还将对智能家居的整体推广有重要的促进作用。

透过云栖看智能 360 度无死角

智能家居的火热无疑将“智能”话题带入到一个新的制高点，那么问题来了，程序员到底从哪可以更深一层了解相关信息???别着急，由阿里巴巴主办的2017云栖大会即将来临!!程序员们，你们的机会来了!

据了解，云栖大会是全球云计算TOP级峰会，汇聚DT时代最强大脑，描绘云计算发展趋势和蓝图，展现云计算、大数据、人工智能蓬勃发展的技术生态全景。本届云栖大会更以“飞天·智能”为主题，汇聚400多家致力于智能行业的企业参会，同时有3场主论坛、22场技术前沿峰会、100余场分论坛让程序员们尽享技术知识的饕餮盛宴。

这里有沉淀阿里大数据经验的干货分享。在大数据板块下，跟着阿里一起洞察大数据架构之路的演绎、技术干货的揭秘、数据价值的探索。

这里有顶级专家分享AI最新技术和成功应用。涵盖图像、视频、语音、广告、搜索和推荐系统等领域，深入探讨大规模搜索和智能硬件、深度识别、强化学习、深度合成等技术点。

这里有阿里云IoT提供基于云计算和大数据的一整套智能解决方案，涵盖云端平台，从基础设施到上层应用，覆盖和应用于日常生活、工业和城市等各个领域。

......

2017云栖大会致力打造年度最精彩的云计算盛会!

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。

为什么说现在是投资云计算和大数据的最好时机？云计算具体指什么？为什么企业云服务是未来的发展重点？云计算和大数据的未来发展趋势又如何？

本文为天鹰资本合伙人陈越在6月17日由天鹰资本和国际前瞻基金会联合主办的“硅谷人工智能与创新文化分享会”上作的主题演讲《关于技术投资的几点思考》。创客猫受邀作为合作媒体到场进行图文直播及报道。本文经创客猫整理精编，有删减，如有转载请注明来源。

天鹰资本合伙人陈越

我在天鹰资本这边主要做技术投资和早期投资。今天我主要讲下我们在云计算和大数据里面的一些思考逻辑。

云计算两大特点：按需来取、弹性大

云计算，可能大家经常听到有人在说云计算相关的东西，但是云计算是什么？“云计算”的概念最早是由google提出的，它是一种网络应用的模式。其实很简单，我们每个人都会有微信，微信就是云计算的一种体现。

也就是说你在手机里面有APP，但是APP里面有很多的东西，比如说有存储的数据，它的信息不是实时放在你手机里面，而是从云端请求，它从云端把信息拿到手机上面来，所以这是云计算的一种表现形式。

再比如有时候我们攒一个电脑，大学时候大家都愿意去攒电脑，攒电脑时就要到中关村买硬盘、内存这类的东西。现在有可能就不需要了，在云端就能完成。现在大家有可能不再需要用很大的硬盘，我们也可以用百度的网盘，这些主要是把一些计算机或者网络里面相互调用的资源放在云端，这基本上就算是云计算的服务。

这个服务，举一个例子，它特别像电厂。比如说电厂生产出来的电，通过电线传输到家庭里面，电灯就可以用了。每个用户其实他并不关心你电怎么生产，我只要想用电的时候有电就可以了，你用的电越多付的钱越多，用的电越少付的钱越少。所以云计算其实就是一个电厂的模式，电厂负责生产，用户只要用的时候按照需求来付费。

因此云计算有两个大的特点，第一个是按需，也就是说你需要多少就用多少。第二个大的特点，它是弹性的，比如一个公司需要电脑设备，这个时候它的业务量很小，所以只需要很少的设备。但是如果它一旦遇到大的突发事件，比如双十一，需要很多资源，这个时候如果原来的模式，他只能是买很多冗余的硬件资源，这时候对他来说是一种浪费，因为他通常用不到那么资源，所以他的需求是弹性的。这时候云计算提供了非常好的途径，也就是说他需要多的时候多用，不需要的时候就少用。所以这就是云计算大致的概念，它有两个特点，一个是按需来取同时又很大的弹性。

云计算的三个种类：IaaS、SaaS、PaaS

云计算我们做几种分类，比如我是一个房东，我有这个房子，这个房子我要租出来给大家用，其实是有几种收费模式。

第一种收费模式就提供了一个房子，你们谁都可以用，做什么都可以。这个房子里面你如果愿意把它装修成咖啡馆那就装修成咖啡馆，如果想装修成健身房那就是健身房，所以我不在乎你到底怎么用，这个状态我就提供基础设施，只是一个房子而已。

在这之上我还可以提供另外一个服务，比如把房间装修成咖啡馆，租户要来租的时候你就租自己的配源，这个时候我的房子就做成品牌的模式，就是做成咖啡馆，谁来做都可以，可以变成星巴克咖啡馆，也可以变成一个zone咖啡馆。这是一种平台的模式。

再往上走就是我自己配备服务员，把它变成一个进来就可以买咖啡的状态，这时候我收取的是对买咖啡这些人所服务的费用。

其实这三种模式恰恰就形成了云计算的三个种类，或者说三个层级。第一层级叫硬件级服务，这叫IaaS，它是为企业提供基础服务，比如说企业原来需要自己买硬盘、服务器，现在不需要，只要在云端就可以。

往上层级是paas平台级的服务，提供一个开发服务，所有人想开发系统在我平台上开发就可以了。

再往上就是SaaS，是一种通过网络提供软件服务的模式，云服务提供商提供在云端的软件，大家都使用这个软件就可以，你不用在电脑里面装，也不用在手机里面装过多的东西，只要一些很简单很便捷的安装就可以完成服务的驱动。这是云计算大概的分类，IaaS、SaaS、PaaS。

企业云服务是未来发展的重点

接下来讲讲云计算市场的规模。为什么大家对云计算这么关注，因为它的市场规模还是非常大的。当然对于云计算市场规模每一家都有自己的计算方式和口径，差别还是挺大。但至少都说明一个问题，中国云计算市场的规模是以每年60%的速度在往上增长，增长速度非常惊人，也就是说这是未来非常好的投资方向。不论从宏观还是微观的调研看这都是个上千亿规模的市场。

另外我们刚刚说到大部分的云计算，其实我们在概念里面提到的都是针对于企业的云计算，为什么我们认为企业云服务是未来发展的重点？首先解释一下企业云服务，企业云服务是客户和应用场景是为企业提供的云计算服务，或者我们在行业说的比较多的就是to B的云服务。因为我们整个把云服务分成两个场景，一种是to C，比如说微信，这是最好的例子。to B比如阿里丁丁、销售易、纷享销客，我们都把它叫做to B的云服务。

为什么我们说to B是未来非常大的前景，我们可以做一个比较，中美企业服务市场的比较，在美国和中国大概提供的云服务的主要厂商里，不管亚马逊还是ebay还是阿里巴巴还是京东，他们提供的可能更多是to C服务。而提供toB的服务，比如有Sosbof、oracle、IBM，在国内是用友和金碟。我们来比较一下他们公司的市值，to C的在美国大的几个公司它的市值可能加起来是5000、6000亿美元，在中国是4000多亿。也就是说不管在美国或者是在中国，提供to C云服务的厂商大概市场规模都差不多，都是4000、5000、6000亿，差异不是特别大。但是我们看企业应用，美国to 企业应用市值和to C市值差不多，都是4000、5000亿。但中国的用友和金碟的市值规模加起来非常小，从这个角度上来讲中国的to B应用还有很大的空间。

但是有人会觉得是不是中国和美国的市场规模不一样，美国的企业数一共是2700万家，这是一个券商的数据，中国的企业是2200万家，其实没有差很多。为什么中国和美国的企业云服务差别会这么大？我觉得这里面可能有它整个云服务市场在云计算方面发展技术上的时间差。

美国大概是在2011年之后从企业到公众都开始使用云服务，中国基本上是从2015年才开始广泛使用。所以我们认为，从云服务角度来讲，云计算美国的今天就是中国的明天，如果中国跑的快一点，可能美国的今天就是中国的今天晚上。所以企业云服务未来会有非常大的爆发空间。

中国已经具备了基础设施硬件的条件，所以已经有比较成熟的技术，所以这个产业一定是处在爆发的前列。另外中国的企业有可能不会经历像美国企业那么长时间的发展就可以达到很好的状况，因为技术已经很成熟了。所以我们认为企业云服务是未来非常大的前景。

云计算未来发展趋势：呈现“BEAT”

这是云计算的发展趋势，我们总结了四个字母，就是“BEAT”，我们认为它是未来云的发展趋势，BEAT在英文里面是节奏的词儿，所以我们认为按照这个趋势来做投资一定会踩在云计算投资的点上。

“B”是什么意思？就是大客户。我们认为现在云计算的重点正在逐渐从中小型客户变成中大型客户。原来大家觉得云服务是小公司用的比较多，因为它便宜。但是现在看起来不是这样，越来越多的大公司会转向云架构软件需求，所以它未来一定是以大客户为主，是云计算大的趋势。

“E”是生态化。所以现在云计算不再是每一个小公司在单打独斗自己做业务，一定是联合起来做。生态化，又分两个方向，合纵连横。合纵意思是说很多小公司把自己的特点结合起来，有互补性，他给大公司提供综合性、打包性的云服务的特点。还有一个特点就是连横，以大企业为核心，把自己做成很大的体系平台，众多的企业在这个平台上面为大家提供各种各样的服务，所以这是生态化的具体体现。

“A”的意思就是融合。融合这块相对来说比较技术，大概的意思就是它从Saas到Iaas到paas，几个层级的界限越来越混合，不会有特别明显的界限，同时它会把各种各样的技术要素放在里面。

最后“T”的意思就是T型化的战略。这是比较技术的说法，一横是管理型SaaS会做平台化的运作，平台搭起来，让大家都来用。同时一竖是行业SaaS服务垂直化，比如行业的医疗客户，因为别的用户做不了医疗行业，大概是这样一横一竖的战略。

所以BEAT是我们认为未来云计算整个的发展趋势。

为什么说现在是投资大数据的好时机

大数据，其实也是谈了很多年，具体是什么，大家可能基本上都有一些了解和认识。比如你的消费、你的行为、你的位置等各种各样的信息可能都汇聚在某些地方，把这个价值体现出来，其实就是很多的数据。

大数据已经渗透到我们日常生活中每一个人的身边，比如马云他说互联网已经从IT时代变成DT时代，IT就是信息技术，DT就是数字技术，所以他认为数据将取代石油，成为未来制造业最大的能源。我觉得这是非常前瞻性和非常现实的说法。

大数据虽然已经渗透到我们生活中每一个地方，但是它却是从一个地方消失掉了，从哪儿消失了？它在技术曲线上消失了。我大概解释一下，这个技术曲线是gartner技术成熟度曲线。比如新的技术从曲线上某点（这儿）出现，大家开始炒作，炒作到顶点它就下去了，因为炒作得太多但技术又跟不上整个市场的发展，就会进入原来幻想破灭的阶段，破灭之后，等到一定阶段技术会重新进入比较成熟和正常的发展阶段再起来。

2015年度新兴技术成熟度曲线 来源：gartner

2016年新兴科技技术成熟度曲线 来源：gartner

我们看gartner2015年的曲线，这时候我们发现大数据在曲线上已经从最热的地方掉下去了。到2016年时，后来发现大数据已经从技术曲线里面消失了，说明什么？说明大数据已经不是前瞻性的技术了吗？我们不这样想，其实说明了大数据已超越了炒作的概念，实实在在进入向生态的方向演进的阶段。

从我们投资角度来讲，如果我们在炒作最高点的时候投资，那就比较被动。而在要进入低谷的时候投资，我觉得恰恰是比较好的状态，因为它会进入低谷，但是它又是未来比较长足的发展和比较强劲的增长空间，所以这是我们认为现在大数据是非常好的投资方向的原因之一。也就是说炒作已经结束了，基本上尘埃已经落定，这时候真真正正可以做一些实业的发展，去做不能说是长期投资，可以是中期非常好的标的。

另外，大数据市场概况我们多少看一下，一个是全球大数据市场规模，今年大概是1800亿美元的概念。中国2017年，我们预计是358亿大数据的市场规模。我们可以看到中国大数据市场占据非常重要的地位，同时另外一个非常重要的事情，也可以看到中国的大数据市场增长速度远远高于全球的增长速度，这也是我们为什么觉得在国内大数据是一个非常好的投资方向的重要的原因。

天鹰资本的投资逻辑

我们在做早期投资的时候其实有一些标准，这个标准是“三长一短”。

“长”也可以说是“高”或者是比较“强”，我们认为投资一定要投市场空间非常大，这时候尤其是以蓝海市场为主，如果有这样一些市场我们会非常重点的来看。所以市场空间首先要大。

另外投资标的壁垒要高，这个壁垒有可能是它占据的资源、有可能是他的团队，有可能是他的技术。

第三个高是成长性，因为市场空间大、壁垒高，同时就形成比较强的成长性。这时候我们需要它的商业模式是比较确定的商业模式，我们给他注入资金和资源时，它的发展速度就会非常快。

一“短”是，我们希望退出的时间短。为什么我们投资的时候不希望投一些特别前沿的技术，因为特别前沿的技术发展起来时间太长了，未来我们可能会投，但是现在我们还是希望在中短期内给投资人比较好的财务回报，这些才能形成比较高的回报状况。

这是我们在这个领域的投资标准，也会是我们在其他领域的投资标准。

（以上为创客猫现场原创报道，如有转载请注明来源）

2017年物联网7大趋势

业务和技术的重要变革

来源：与非网、 物联网智库

【导读】2017年开始，物联网将会成为企业重大变革之一，并且将会对业务和技术带来重要影响。

2017年开始，物联网将会成为企业重大变革之一。许多公司在物联网上看到了巨大的机遇，一方面可以通过提高生产质量和可靠性来增强与客户之间的关系，另一方面降低成本和一些不必要的风险。公司通过使用恰当的物联网模式，来获得更多新客户和更优的洞察力，并且可以提高顾客满意度。

首先让我们探讨一下，在2017年物联网将会对业务和技术带来哪些影响？

（1）物联网和区块链的聚合

区块链（Blockchain）现在不仅仅是一个概念，除了“金融科技”（FinTech）它在许多领域都有应用，包括物联网。许多专家认为，区块链技术是解决物联网中可扩展性、隐私和可靠性的缺失环节。

区块链技术可用于跟踪数十亿联网设备，并且能够完成设备之间的处理和协调事务；对物联网行业制造商来说，能够很好的节约成本。这种分散的方法可以消除单点故障，为设备运行创建一个富有弹性的生态系统。区块链所使用的加密算法可以让消费者的数据更加安全。在2017年，物联网将会和区块链技术融合，来提供更优越的安全性来保护隐私。这对应用程序、硬件和人才来说都是打开了新世界的大门。

（2）物联网设备和更多的攻击DDoS

Forrester认为，最近发生在美国的1600个网站DDoS攻击事件只是冰山一角，如果涉及到更多的连网设备，那将会对世界造成威胁。这次攻击事件证实了，物联网设备在巨大的分布式拒绝服务攻击（DDoS）下的脆弱性。

在美国当地时间2016年10月21日，造成了许多服务器瘫痪，如Twitter，NetFlix，纽约时报（NYTimes）和PayPal。这次攻击范围巨大，包括数百位网站和恶意软件，其中Dyn是这次主要受害者。“这次来源主要是一个被Mirai僵尸网络感染的设备”。所有迹象表明，无数的物联网设备包括摄像机、智能家居等日常用电设备都可能被恶意软件劫持，来攻击服务器。

（3）物联网和许多移动设备

物联网正在为当前和新兴市场为企业创造更多新的机会，来提高竞争优势。它触及一切领域——不仅仅是数据，还有收集数据的方式、时间和地点。创造物联网技术，不只是为了改变互联网，而是要改变连接互联网的东西。更多移动设备会出现，从家用电器到汽车、智能手表和虚拟助手。所有这些连接着的设备都将会提供丰富的数据流，该数据流将会连接产品和消费者来实现交互。

（4）物联网、人工智能和软件容器

在物联网下，人工智能可以帮助公司拥有的数十亿数据点用到真正有意义的地方。一般前提是与应用程序一致——先审查分析你手机的数据，从中找出可以学习的模式和相似之处，以便进行更优的决策。

2017年将会看到分布在云服务、边缘设备和网关上的物联网软件。你还会见证，建立在微服务（（Microservices）一种程序开发方法）和软件容器（轻量级虚拟化）上的物联网解决方案，可以在分布式构架上工作。此外，机器学习云服务和人工智能都会在物联网上提取有用数据。

（5）物联网和连接技术

可以通过Wi-Fi，蓝牙，低功率Wi-Fi，Wi-Max，以太网，LTE和最近兴起的技术Li-Fi （使用光作为包括传感器的典型网络的不同部分之间的通信介质）来将物联网上不同的部分连接到传感器上。在2017年新的无线连接技术将会接受测试，比如3GPP、NB-IoT、LoRaWAN和Sigfox。将会迫使物联网决策者来评估这20多种无线连接协议，这一切都是建立正确的新连接标准的一步。

（6）物联网和人才短缺

物联网项目的开展，包括智慧城市和工业设施，将会面临一段人才短缺的时期。更麻烦的是，找到足够人手来保障物联网安全更是一个挑战。

据TEKsystems调查，45%的物联网公司正在寻求安全专业的人才，30%的公司表示找相关数字营销人员有困难。2017年，物联网企业将会投资建立培训和认证机构，并成为科技行业的主流趋势。

（7）物联网和新商业模式

目前还没有一个完善的物联网商业模式，这成为商业投资和营销的巨大动机，当然也会成为泡沫。这种商业模式必须满足电子上午的所有要求——垂直市场、横向市场和消费级市场。新的商业模式需满足消费者共享设备的成本要求，降低成本使得用户拥有更加体验。2017年将会看见智能市场加入新的类别。一个关键点就是捆绑服务，包括服务和产品。例如亚马逊的一款产品Alexa，如果没有语音识别、流媒体音乐和预订Uber服务，那它就是一款普通的无线扬声器而已。

未来的路

物联网是一个日益复杂的生态系统。生活中下一代自动化或者新技术都会使物联网的实现变得更加容易和便捷，对应的，我们在家中、工作中和生活中的方方面面都会得到改善。从冰箱到停车场再到智能房屋，物联网将会给我们数字化生活带来更多内容，在不久的将来，物联网将会成为一个数万亿美元的产业。

离我们最近的就是“物联网服务”技术，并应用到生活中创造无限可能性。但实现这个梦想还是要很长一段路，我们需要克服很多障碍才能看见这个技术的好处。

大数据在2017年发展的8个预测

来源：机房360

又到了年终岁尾时，业界权威市场研究和咨询机构Ovum公司日前估计，大数据市场规模将从2016年的17亿美元增长到2020年的94亿美元。随着市场的增长，企业的挑战正在转变，对人们的技能需求正在改变，而大数据服务供应商的景观也在风云变幻。2017年将是大数据专业人士更为忙碌的时刻。以下是一些来自相关行业观察家和技术专家对大数据在2017年的发展预测。

1.对数据科学家的需求将减弱

组织对数据科学家的需求正在减弱，Ovum公司在其关于大数据趋势的报告中表示。该研究公司引用了来自Indeed的数据，显示了组织在过去四年对数据科学家的需求。同时，大学正在培养更多的拥有数据科学证书的大学毕业生。

“谁招募这些潜在客户？很可能，排除在线数字业务，在全球2000强以外的一些少数企业会招募他们，但却很少有人会想到如何使用数据科学家。”Ovum公司指出，“对于大量依赖于打包分析的组织来说，不需要数据科学家本身，而是需要应用数据科学的应用程序或工具。

2.使数据科学成为团队运动将成为重中之重

Ovum公司警告，数据科学家和数据工程师在企业中扮演不同的角色：数据科学家关注数据形成和测试假设，而数据工程师选择数据集，提供集群，并优化他们的生产算法。没有协作，数据科学家开发的模型和假设就会遇到陷入风险之中。

“真正的需要是让数据科学家和数据工程师更好地连接，以确保数据科学家在他或她的笔记本电脑上编写和测试的模型正确地部署在集群上合适的数据集。”Ovum写道。

同时，机器学习正在嵌入企业软件和工具，用于整合和准备数据，这也给企业带来压力，确保他们的数据科学家和业务分析师密切合作。“如果模型仍然在数据科学家的领导下，企业将无法获得机器学习的全部价值。”Ovum公司表示，“重叠的趋势将是协作环境，其中业务分析师和数据科学家可以在计划，部署，以及执行机器学习模型中共享工作流。”

3.将会有更多的压力来保持数据本地化

全球律师事务所Morrison＆Foerster预测将加强隐私法，旨在将数据保存在各国境内。

Morrison＆Foerster律师事务所全球隐私+数据安全小组主席MiriamWugmeister说，“预计将会出台更多的数据本地化法律，在最近的发展中，如俄罗斯数据本地化法律得到了俄罗斯法院支持，中国最近也通过自己的数据本地化法律。其他国家将在未来一年内采取行动。

4.企业将努力通过数据获利

研究机构IDC公司警告说，企业必须投入更多的生产资料产生数据，但它不会是容易做到，许多企业将错过机会。

IDC公司在名为“IDC Future Scape：全球CIO2017年议程预测”的报告中写道：“尽管商业领袖希望企业努力成功创造有意义的产品和收入来源。那些取得成功的企业将以坚实的IT战略和数据导向服务为基础：数据采集;运输，转型和储存;分析和仪表板;数据作为产品/服务;以及安全和访问控制。

而IDC提供的指导性建议是，IT领导者“建立一个由IT和业务人员组成的创新团队，审查现有和未来的应用程序/系统，以获得可能的结果数据货币化。

5.数据湖将最终变得有用

“许多早期采用数据湖的企业花费了大量资金，不仅购买了低成本存储和流程，而且还收集了大量服务，以便汇总和提供大量数据相关和发现以获得更好的见解。”，数据管理供应商Reltio公司首席营销官RamonChen说。企业所面临的挑战一直在寻找有能力理解信息的人;使数据湖能够向操作应用程序提供输入，并从操作应用程序接收实时更新的数据;弥合主要数据管理和运行应用程序，分析数据仓库和数据湖之间的差距。

“现有的大数据项目意识到需要一个可靠的数据基础，而新的项目被整合到一个整体的数据管理战略中，数据湖可能会在2017年履行他们的承诺。”RamonChen预测。

6.并购活动将加快进程

Reltio公司首席营销官RamonChen说，“毫无疑问，人工智能、机器学习、深度学习等新技术得到了企业的关注。”所有交易的关键驱动因素是对人工智能专家的需求。“由于被收购的大多数初创公司的运营历史很短，这些举措是尽可能招募到数量有限的人工智能专家。”他说，并预计在未来一年，行业厂商将会开展更加积极的并购活动。

7.对物联网架构师的需求将飙升

根据研究机构IDC公司的数据，到2020年，物联网（IoT）市场规模预计将达到1.46万亿美元。因为规模激增，因此也将需要大量熟练的物联网专家。

“物联网架构师的作用将使数据科学家们成为人力资源部门最有价值的独角兽。物联网的浪潮将会让边缘计算和物联网操作设计激增。”数据和分析供应商Teradata公司物联网技术营销专家DanGraham预测，届时，数以千计的简历将在一夜之间更新。“此外，不到10％的企业意识到他们需要一个物联网分析架构师，而物联网系统架构师将成为一个独特的物种。因此，能够为物联网设计分布式和中央分析的软件架构师的市场价值将飙升。”

8.流式分析将会获得重生

“分析运动中的数据并不是什么新鲜事，因为事件处理程序已经存在了近20年。”Ovum公司表示。但是有很多因素正在将实时流技术从利基技术转变为更具广泛吸引力的技术。例如，开源技术使实时流更加容易访问，也为可扩展的商品基础设施带来可用性，Ovum公司指出。在需求方面，物联网正在加强企业对可以实时感测，分析和响应的流应用程序的兴趣。

Ovum公司预测，其市场整合不会立即发生。“如今，企业有越来越多的选择，竞争新的工作负载。最终，我们预计市场会下降到三到四个流媒体平台。”但是SparkStreaming和AmazonKinesisAnalytics等平台及其竞争对手的市场竞争仍在进行中。“鉴于市场早期状况，我们预计2017年市场不会下跌;我们预计流式引擎将需要2-3年才能成熟，物联网的实施将达到临界质量。”Ovum公司指出。

云市场再掀浪潮

2017云计算六大趋势抢先看

来源：北京物联网智能技术应用协会（ID:bjwlwxh）

“第一大趋势来自企业，”Forrester分析师DaveBartoletti说，“具有大预算，数据中心和复杂程序的企业现在正在将云作为运行核心业务程序的可行场所。”Forrester发现，北美和欧洲1000多家企业基础设施技术决策者中有38%表示他们正在构建私有云，其中32%采购公共云服务，其余计划在未来12个月内实施某种形式的云技术。此外，59%的受访者表示他们正在采用混合云模型。应用应用

Forrester在2017年提供了以下云预测：

区域玩家补充“超级云提供商”

最初选择构建私有云的CIO可能siy会发现自己切换到公共云，因为他们意识到这项工作会耗费多少时间和成本。CapitalCIORobAlexander表示，CapitalOne在几年前关闭了亚马逊网络服务的私有云。其首席信息官表示“我们认识到，我们花费了大量的时间,精力,努力创建和管理带宽基础设施已经存在在一个更好的状态和发展逐渐日新月异。”

全球公共云市场将在2017年达到1460亿美元，高于2015年的87亿美元，并以复合年增长率22%的速度增长。Bartoletti说，这种增长的最大份额将来自亚马逊，微软，谷歌和IBM，他们正在开设新的数据中心和做出让步，例如微软公司同意T-系统在德国管理其云，以满足数据本地化的要求，但是大型厂商无法为每一个独特的请求提供服务，这意味着较小的区域性厂商将在2017年采用上升。

云成本遏制

一个流行的理论是，CIO通过投资公共云软件来节省资金，但并不总是这样。大多数CIO利用多个云提供商的事实意味着企业已经在复杂的云供应商管理方面陷入困境。此外，如果公司离开公共云实例运行通过周末，当他们不需要它们，CIO实际上可以花更多的钱比他们在本地解决方案。

IT高管将在2017年更好地控制云成本，因为他们的最佳实践已成熟。它已经发生了。Bartoletti说，一家大型软件公司的云架构师通过监控�...

大数据是一个通用术语，用来指当前业务领域中存在的各种数据。从医疗机构的数字数据和记录到政府机构的大量文件，人们把这些文件存档供将来参考，技术为我们提供了一个面向服务的架构来分析这些信息。

大数据是永远不可能被归档到在个描述或定义下。关于信息技术的神器之处在于，它始终在不断发展，并且可供愿意接受信息技术的公司使用。另一方面，云计算的发展使得商业企业更容易获得可负担得起的软件包。云计算的使用大大降低了存储公司信息的成本，这也带来了小型企业可以利用的多个应用程序。自互联网诞生以来，随着云计算的不断发展，互联网上广泛的信息爆炸式增长。标准用户和数字营销人员现在可以每天使用社交媒体营销平台来生成大量关于消费者的信息。有时，对于机构和企业来说，管理每天生成和存储的数据量就是一项相当艰巨的任务。例如，每天创建2.5万亿字节的数据，这可能会给云计算带来存储和排序挑战。

这正是大数据用来管理海量数据如何通过云计算存储的地方。总而言之，这两种技术形式提供的解决方案既适应业务分析、也适用于大数据。在这篇文章中，将重点介绍如何使用大数据和云计算来管理政府机构和商业机构日常生成的大量数据。可购性对于那些预算计划比较紧张，但又需要更新技术的企业或机构来说，云技术可能是解决燃眉之需的一大利器。用于管理大数据的成本资源，即使是小公司，也在预算之内，而且在市场上也很容易找到合适的产品。在云计算出现之前，商业机构和政府机构花费大笔资金建立信息技术部门来管理数据，甚至花更多的时间来更新这些IT系统。今天，由于技术的进步，企业可以把他们的大数据托管在异地的服务器上，或者按需支付。敏捷性

替换高清大图

传统的数据存储和管理方法正变得越来越难以管理，因为数据存储和管理非常慢，需要公司花费大量时间从中检索信息。有时，安装和运行服务器可能需要几周甚至几个月的时间。云计算的出现有可能为企业或机构提供所需的全部存储需求。一个基于云计算的公司数据库可以在几分钟内完成安装，并将数据存储在数千个虚拟服务器中，在这些服务器中，只有一台计算机或移动设备和互联网连接的人可以很轻松访问它。

替换高清大图

数据处理海量数据的爆炸式增长带来了管理数据的挑战。例如，社交媒体会产生大量的数据，这对于在推文、帖子、博客或照片等类别中进行处理来说是具有挑战性的。对于大数据，有一些分析平台，比如Apache Hadoop，可以在将非结构化数据存储到云中之前处理这些数据。

大数据产业正在用一个超乎我们想象的速度蓬勃发展，在上个月贵阳的数博会上，让全世界感受到了大数据的巨大魅力。借助大数据的风口，云计算和人工智能也同时走进我们的视野，他们三者之间有着不可分割相互影响的关联。

大数据的概念

大数据，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。简言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。明白这一点至关重要，也正是这一点促使该技术具备走向众多企业的潜力。

大数据时代已经来临，它将在众多领域掀起变革的巨浪。但我们要冷静的看到，大数据的核心在于为客户挖掘数据中蕴藏的价值，而不是软硬件的堆砌。因此，针对不同领域的大数据应用模式、商业模式研究将是大数据产业健康发展的关键。我们相信，在国家的统筹规划与支持下，通过各地方政府因地制宜制定大数据产业发展策略，通过国内外IT龙头企业以及众多创新企业的积极参与，大数据产业未来发展前景十分广阔。进充分利用大数据的价值。

云计算的概念

云计算是基于互联网的相关服务的增加、使用和交付模式，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。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。

人工智能的概念

人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

大数据、云计算、人工智能三者间的关系

物联网是互联网的应用拓展，与其说物联网是网络，不如说物联网是业务和应用。因此，应用创新是物联网发展的核心，以用户体验为核心的创新是物联网发展的灵魂。

云计算相当于人的大脑，是物联网的神经中枢。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。

大数据相当于人的大脑从小学到大学记忆和存储的海量知识，这些知识只有通过消化，吸收、再造才能创造出更大的价值。

人工智能打个比喻为一个人吸收了人类大量的知识（数据），不断的深度学习、进化成为一方高人。人工智能离不开大数据，更是基于云计算平台完成深度学习进化。

简单总结：通过物联网产生、收集海量的数据存储于云平台，再通过大数据分析，甚至更高形式的人工智能为人类的生产活动，生活所需提供更好的服务。这必将是第四次工业革命进化的方向。

云计算与大数据

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,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。

人工智能与大数据

如果我们把人工智能看成一个嗷嗷待哺拥有无限潜力的婴儿，某一领域专业的海量的深度的数据就是喂养这个天才的奶粉。奶粉的数量决定了婴儿是否能长大，而奶粉的质量则决定了婴儿后续的智力发育水平。

与以前的众多数据分析技术相比，人工智能技术立足于神经网络，同时发展出多层神经网络，从而可以进行深度机器学习。与以外传统的算法相比，这一算法并无多余的假设前提（比如线性建模需要假设数据之间的线性关系），而是完全利用输入的数据自行模拟和构建相应的模型结构。这一算法特点决定了它是更为灵活的、且可以根据不同的训练数据而拥有自优化的能力。

但这一显著的优点带来的便是显著增加的运算量。在计算机运算能力取得突破以前，这样的算法几乎没有实际应用的价值。大概十几年前，我们尝试用神经网络运算一组并不海量的数据，整整等待三天都不一定会有结果。但今天的情况却大大不同了。高速并行运算、海量数据、更优化的算法共同促成了人工智能发展的突破。这一突破，如果我们在三十年以后回头来看，将会是不弱于互联网对人类产生深远影响的另一项技术，它所释放的力量将再次彻底改变我们的生活。

人工智能与云计算

人工智能是程序算法和大数据结合的产物。而云计算是程序的算法部分，物联网是收集大数据的根系的一部分。可以简单的认为：人工智能=云计算+大数据（一部分来自物联网）。随着物联网在生活中的铺开，它将成为大数据最大，最精准的来源。

现在已进入大数据、云计算、人工智能时代，我们必须弄清楚他们的本质，抓住机遇，跟上趋势，创新发展，才能高科技的发展大潮中立于不败之地。

大数据：藏在啤酒和尿布背后的秘密; 云计算：物联网的隐形大脑

我们提到物联网，就不得不把它与现在非常火热的另一个概念联系起来，那就是“大数据”。

大数据是怎么一回事呢？有一个为人津津乐道经典案例，就是啤酒与尿布的例子。一家美国超市把尿布与啤酒这两种风马牛不相及的商品居然摆在一起，但这一奇怪的举措居然使尿布和啤酒的销量大幅增加了。原来，美国的妇女通常在家照顾孩子，所以她们经常会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。

在这个案例里面，丈夫的行为被预测出来，其预测的依据是根据长期经验所得的。假定不在尿布旁边放啤酒，爱喝酒的丈夫可能也会去买，但嫌麻烦或者酒瘾不那么大的丈夫可能就只会买了尿布就走，而想不到去买啤酒。因而，大数据就此产生了经济价值。当然，这背后基本是一个零和游戏，这家超市的啤酒销售得多了，别家超市卖得就少了。

腾讯的QQ我们都用过，它能够把我们久未联系的老同找出来，推荐给我们去联系，但也会把你的前女友推荐给你的未婚妻认识。而淘宝在我们买东西的时候会把相关产品推荐给我们，还会告诉我们诸如某省狮子座最败家、某省水瓶座最花心、某省天蝎座最抠门这样的信息。而百度则会对人们使用关键字搜索进行排名，从而让更多人知道最近大家的关注点在哪里。

显然，这些数据或多或少已经开始影响我们的生活。而在未来，万物联网产生的数据量与现在人们通过互联网活动产生的数据量不可同日而语，开发的价值也会更加巨大。比如我们现在的手环、手表读取我们的心率、运动量等数据，仅仅是反馈给我们让我们管理自身健康。而未来随着大数据的分析能力增强，加上能够互动的设备增多，那么这些数据就变成了健康服务，甚至能提前预防疾病发生。

反过来，大数据的处理能力能力会反过来帮助物联网实现智能控制和产品改进。比如，我们的智能家居的学习功能，可以看做是对用户一段时间的行为数据的收集，然后通过特定算法得出主人的喜好从而自己完成对家庭环境的控制。

前面讲了大数据，那么还有另一个大数据的亲兄弟不得不讲，那就是云计算。从成本和实际效果来考虑，其实很多物联网设备并不需要太多的计算能力，只要能够取得数据并反馈给上层具有计算能力的数据处理中心就好了，多一点的还有能够通过从计算中心获取的指令完成某些活动就可以了。

那么，这些数据谁谁在处理呢，他们又是怎么处理的呢，这里就要提到云计算的概念。云计算被认为是一种革命性的计算方法，是继大型计算机到客户端-服务器的大转变之后的又一关于计算方式的重大转变。

举一个不那么恰当但比较好理解得例子。使用过QQ远程助手的朋友大概可以体验云计算，你在QQ提供的界面里面访问对方的电脑，使用对方的软件。云计算大概也可以看做这么种方式，不过对方的电脑变成了处理能力超强的云计算中心，而处理方式更加复杂一些。

云计算给我们带来了全新的解决思路。由于通讯技术的不断发展，我们的计算不一定要在本地进行。比如，在远程操作的例子，哪怕你的电脑没有安装一个程序，你仍然能够获得这个程序的使用结果。而我们平时收发邮件，这些邮件存储在我们的邮箱里，而不是在我们的电脑上，这其实可以视作早期的云服务。这种理念，简单概括起来就是“网络即电脑”。只要有网络，我们就能获得更高的运算能力。

目前云计算还处于基础阶段，现在的云计算被分为三层：基础设施即服务（IaaS），平台即服务（PaaS）和软件即服务（SaaS）。基础设施可以看做是我们的电脑主机，其实质是大规模的主机集群。平台的地位大致相当于我们的计算机系统，类似于windos，是开发和运行程序的基础。软件服务我们就明白多了，微信、游戏客户端、美图秀秀这样的都是软件。

借助云计算，企业的管理成本将降低。由于云计算的作用，一些企业不用浪费金钱和精力建立自己的数据处理中心，而将自己的一些数据和企业管理软件放在公共的云服务器上；而另一些企业对于数据的安全性和专业性等要求较高，于是自建云服务器，于是有了公有云、私有云、的概念之别；有一些私有云并不能满足企业的运算需求，向公有云服务器寻求支持，于是就有了混合云的提法。

同时，云计算中心能够根据实际需求来安排服务器的运算，让整个计算中心保持高效的运作，避免了运算资源的浪费。除此之外，云计算的好处在于按使用付费。这就是说，你可以按照实际需要的存储空间或者运算能力购买云服务。这是云服务诞生之初的“电厂模式阶段”就提出的理念，即把计算能力当做像水、电这样的产品来出售。现在基本已经变成现实，而在未来，个人用户也将慢慢感受到这种全新方式给生活带来的改变。

讲了这么多云计算，那么云计算和物联网是是怎么结合起来的呢？前面我们已经提到，我们的物联网设备只需要能够联网，云计算就能够通过网络为我们的设备提供数据处理能力。其次，大数据的运用对物联网来说十分重要，而云计算和大数据分析就像一枚硬币的两面密不可分。

比如智能家居系统，其一部分运算其实就是依托云服务器，因为我们的家里面的数据处理中心（电脑或手机）没有必要一直保持开机状态。而更多的诸如交通系统、工厂制造系统、社区服务系统等等都将依托于私有云或者公有云的服务。除了这些，我们前面提到云计算还是打通各种物联网标准的有效手段，两个采用不同技术标准的设备也具有了互相交换数据的可能，简单说来，就像你在网上和一个外国人聊天，哪怕你不懂他的语言，只要通过相应的翻译软件，就能够理解对方的意思了。

请点击输入图片描述

2017年大数据开始进入部署阶段，大数据的炒作逐渐散去，它的应用却正在蓬勃发展，代表成熟度的标志性IPO也正在出现。而大数据在几年前经历的泡沫正在无可争议地转移到人工智能身上，过去几个月AI所经历的共同意识“大爆炸”与大数据当年相比甚至有过之而无不及。

从2013开始制作大数据版图的Matt Turck刚刚发布了最新的2017年大数据版图，我们一起来看看在这个领域有哪些最新趋势和玩家的分布情况。

高层趋势

大数据+AI=新栈

2016年无疑是机器学习之年，任何目睹过众多pitch的VC都应该能感受到这一点，那就是每一家初创企业都成为了“机器学习公司”，“.ai”变成了必备域名，而“等等，可是我们是用机器学习做到这个的”也成为了pitch deck的必备幻灯片。机器学习正在迅速成为许多应用的关键建构块。

相应地，一个新兴的技术栈正在出现，在这个技术栈里面，大数据被用于处理核心的数据工程挑战，而机器学习则用于以分析洞察或者行动的形式从数据中析取出价值。

换言之，大数据提供管道，AI提供智能。当然，这种共生关系已经出现多年，只是能实现这个的目前还不多而已。

但是，现在这些技术开始大众化的普及。“大数据+AI”正在成为众多现代应用（不管是消费者型还是企业型）的默认技术栈。无论是初创企业还是一些财富1000强公司都在利用这一新的技术栈。而且在云巨头的努力下，这个技术栈往往还有云计算这个更基础的建构块的加入，以机器学习云的形式出现。

但是AI的大众化是否就意味着这种技术在短期内能实现商品化呢？现实是AI在技术上仍然非常困难。尽管许多工程师都在争先培养AI技能，但全球这方面的领域专家仍然十分稀缺。

不过这股大众化的趋势已经不可逆转，而机器学习早晚都要从竞争优势演变成桌面筹码。

这对初创企业和大公司都会产生影响。对于初创企业来说，除非你把AI软件做成自己的最终产品，否则的话自我标榜为“机器学习公司”将变得毫无意义。对于大公司来说，如果现在你不积极推进大数据+AI的战略，就会有变得过时的风险。AI已经是下一个风口了。

企业预算：一切向钱看

从2016年的情况来看，财富1000强公司已经在纷纷增加预算用于升级核心基础设施以及分析，其关键的关注点正是大数据技术。分析机构IDC预计大数据和分析市场将从2016年的1300亿美元增长到2020年的超过2030亿美元。

而且财富1000强公司里面的许多买家在大数据技术方面正在变得越来越娴熟、越来越目光敏锐。这些公司过去几年做了很多功课，正在进入全面部署阶段。这种情况不仅发生在技术导向型的公司，在很多行业都是如此。

在大公司每隔几年就要发生的旧技术替代自然周期的推动下，这种情况得到进一步加速。大数据遭遇的环境也从逆风变成了顺风。当然，很多大公司仍然处在大数据部署的早期阶段，但是情况似乎在快速演变。

企业数据向云端迁移

直到几年前，把企业数据迁移到公有云上面对于大公司CIO来说还是不可想象的事情，顶多是在开发环境下或者拿非关键的、面向外部的应用来尝试一下。但现在画风开始有所变化，大家对此的态度似乎变得更加开放了，比方说你会听到这样的说法“不管怎么说我们的客户数据已经放到Salesforce云上面了”，或者“在网络安全方面我们永远也不会有像AWS那么多的预算”。但目前里大多数企业都向公有云迁移还远得很，这部分是因为遗留系统和管制方面的原因。不过云供应商正在竭尽全力来加速这一趋势的转变。比如说AWS甚至可以开卡车来运你的硬盘到云端。

2017年大数据版图

作为对比我们先看看2016年版本：

请点击输入图片描述

2017年版本：

请点击输入图片描述

整合要来了吗？

从上图可看出，这张图已经变得越来越拥挤，那么一个显然的问题来了：行业是否濒临大规模整合的边缘了呢？

似乎还没有。至少目前如此。

首先VC仍然继续乐于给新老公司提供资金扶持。2017年的第一季度成长阶段的大数据初创企业拿到了不少的可观融资，其中包括：Looker（8100万美元D轮），InsideSales （5000万美元F轮），DataRobot （5400万美元C轮），Confluent （5000万美元C轮），Collibra （5000万美元C轮），Uptake （4000万美元C轮），WorkFusion （35M00万美元D轮） and MapD （3500万美元B轮）等。去年12月DataBricks也拿到了6000万美元的C轮。

2016年，大数据初创企业的总融资达到了148亿美元，占到了全球技术风险投资的10%。

其次，自去年的大数据版图推出以来，本领域的并购活动一直在稳步推进，但不是特别显著，其中部分原因也许是未上市公司的估值仍然高企。入选2016大数据版图的公司当中共有41家被收购（完整清单参见附注），这个节奏跟上一年是一致的。

另一方面，2017年刚开始就发生了一些大型的并购事件，其中包括Mobileye（被英特尔以153亿美元收购），AppDynamics（被思科以37亿美元收购），以及Nimble Storage（被HPE以12亿美元收购）。

去年还有一个显著的现象，那就是大型技术公司纷纷收购AI初创企业，尤其是那些解决水平问题、有着很好团队的AI初创企业。其中包括Turi（苹果）、Magic Pony（Twitter）、Viv Labs（三星）、MetaMind（Salesforce）、Geometric Intelligence（Uber）、API.ai（Google）以及Wise.io（GE）。当然，这种现象未必能持续太久，因为对AI的需求太旺盛了，人才实在是不够用了。

第三，一些较大的大数据初创企业羽翼渐丰，正在成为独立的上市公司。Snap无疑引领了技术公司IPO的复兴，但是目前为止是大数据公司借了这股东风。

2016年只有Talend一家大数据公司上市，但2017年大数据公司已经呈现出爆发之势。其中Mulesoft和Alteryx已经上市并且表现不错，而Cloudera也即将上市，其最新估值（41亿美元）与收入（2.61亿美元）之间的差异将延至“独角兽”估值现象的成色。另外，MapR以及定位智能公司Yext也已经在排队等待了。

下一个会是谁呢？也许是Palantir这个超级独角兽。这家多年以来保持神秘的公司已经公开表达了上市的兴趣。其最新估值达到了200亿美元，如果上市的话必将引起轰动。

云大战

虽然大规模并购尚未出现，但业界的另一股趋势值得注意，这就是“功能性整合”，这种现象在云端尤其显著。一些关键的玩家正在通过自研产品和开源计算引擎的实现逐步构建“大数据+AI”的基础构件，面向众多客户群提供其所期盼的“一站式”的服务。

AWS在产品发布的速度和幅度方面继续给人留下深刻印象。目前AWS几乎提供了大数据和AI方面的所有服务，包括分析框架、实时分析、数据库（NoSQL、图谱等）、商业智能以及日益丰富的AI能力，尤其是深度学习方面的能力。按照这种速度发展下去，AWS产品几乎就要把大数据版图的所有的基础设施和分析细分领域都占据了。

加入云大战稍晚的Google一直在积极开发广泛的大数据产品（BigQuery、DataFlow、Dataproc、Datalab以及Dataprep等），并且把AI视为跨越式发展的杀手锏。在AI方面Google去年做了很多事情，包括推出了新的翻译引擎，聘请了李飞飞和李佳领导新成立的Cloud AI and Machine Learning部门，推出了视频识别的机器学习API，并且收购了数据科学家社区Kaggle。

其他大型的IT供应商，比如微软、IBM、SAP、Oracle以及Salesforce等也在努力推出大数据产品（包括云端和本地）。除了技术自研和进行收购以外，这些玩家还越来越重视通过合作来打造生态链，其合作的重点是手上有数据的公司以及有“头脑（AI）”的公司。IBM与Salesforce的合作以及SAP与Google的合作就是值得注意的案例。

用企业IT的行业标准来看，云供应商还比较小，但是其不断膨胀的野心（其中包括从企业栈底层的IaaS向应用发展的企图）与企业数据逐渐向云端迁移的趋势结合，将打开庞大的企业技术市场大门，与传统IT供应商展开激战，而大数据和AI将是核心战场。

2017数据生态体系概览

基础设施

去年的许多趋势今年仍将延续，比如流处理技术，这方面Spark目前是主宰，不过像Flink这样的有趣竞争者正在出现。此外，还有以下一些趋势：

SQL正式回归

在给NoSQL当了10年副手之后，曾经的霸主SQL数据库正式吹响了回归的号角。Google最近发布了Spanner数据库的云端版。Spanner和CockroachDB（Spanner的开源版）都提供了可行的、强一致性的、可伸缩的SQL数据库。Amaozn推出了Athena，跟Snowflake等产品类似，这是一款SQL数据引擎，可直接查询S3下的数据。Google BigQuery、SparkSQL以及Presto等在企业逐渐获得采用——这些都是SQL产品。

数据可视化

与公有云采用相关的一个有趣的趋势是数据可视化。旧的ETL处理需要转移大量的数据（而且往往要建立冗余数据集）并且建立数据仓库，而数据可视化可以在数据保持不动的情况对其进行分析，提高了速度和敏捷性。许多下一代的分析供应商现在都可以同时提供数据可视化和数据准备服务，并让客户可访问存储在云端的数据。

数据治理与安全

随着大数据在企业侧走向成熟，以及数据的多样性和体量的不断发展，像数据治理这样的主题也变得日益重要。许多公司已经选择了“数据湖”作为把所有数据收集起来的手段。但除非你知道里面有什么东西，并且能够访问到合适的数据进行分析，否则的话数据湖再大也没有意义。但是想让用户方便地找到想要的东西同时管理好权限并不容易。除了数据湖以外，治理的另一个集中的主题是以安全的、可审计的方式为任何人提供对可靠数据的便捷访问。Informatica、 Collibra、Alation等大小供应商提供了数据目录、参考数据管理、数据字典以及数据帮助台等服务。

结论

通过大数据与AI的黄金搭档，我们正在进入大数据技术的“收获”阶段。其潜能将非常巨大。随着核心基础设施不断走向成熟，以及在AI推动下应用侧的爆发，2017年的大数据（以及AI）生态体系将开足马力，驶向光明的未来。

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。