【IT168 资讯】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

　　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。

　　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。

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。

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）

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。

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。

今天跟大家讲讲三个词：云计算、大数据和人工智能。为什么讲这三个东西呢？因为这三个东西现在非常火，并且它们之间好像互相有关系：一般谈云计算的时候会提到大数据、谈人工智能的时候会提大数据、谈人工智能的时候会提云计算……

感觉三者之间相辅相成又不可分割。

但如果是非技术的人员，就可能比较难理解这三者之间的相互关系，所以有必要解释一下。

云计算最初的目标

我们首先来说云计算。云计算最初的目标是对资源的管理，管理的主要是计算资源、网络资源、存储资源三个方面。

灵活就是想啥时要都有，想要多少都行

管理的目标就是要达到两个方面的灵活性。具体哪两个方面呢？

举个例子来理解：比如有个人需要一台很小的电脑，只有一个 CPU、1G 内存、10G 的硬盘、一兆的带宽，你能给他吗？

像这么小规格的电脑，现在随便一个笔记本电脑都比这个配置强了，家里随便拉一个宽带都要 100M。然而如果去一个云计算的平台上，他想要这个资源时，只要一点就有了。

这种情况下它就能达到两个方面的灵活性：

时间灵活性：想什么时候要就什么时候要，需要的时候一点就出来了。空间灵活性：想要多少就有多少。需要一个空间很小的电脑，可以满足；需要一个特别大的空间例如云盘，云盘给每个人分配的空间动不动就很大很大，随时上传随时有空间，永远用不完，也是可以满足的。

空间灵活性和时间灵活性，即我们常说的云计算的弹性。而解决这个弹性的问题，经历了漫长时间的发展。

大数据基于云计算

人工智能拥抱大数据

人工智能的经济学解释

这让我想到了经济学，于是比较容易理解了。

我们把每个神经元当成社会中从事经济活动的个体。于是神经网络相当于整个经济社会，每个神经元对于社会的输入，都有权重的调整，做出相应的输出。

比如工资涨了、菜价涨了、股票跌了，我应该怎么办、怎么花自己的钱。这里面没有规律么？肯定有，但是具体什么规律呢？很难说清楚。

基于专家系统的经济属于计划经济。整个经济规律的表示不希望通过每个经济个体的独立决策表现出来，而是希望通过专家的高屋建瓴和远见卓识总结出来。但专家永远不可能知道哪个城市的哪个街道缺少一个卖甜豆腐脑的。

于是专家说应该产多少钢铁、产多少馒头，往往距离人民生活的真正需求有较大的差距，就算整个计划书写个几百页，也无法表达隐藏在人民生活中的小规律。

基于统计的宏观调控就靠谱多了，每年统计局都会统计整个社会的就业率、通胀率、GDP 等指标。这些指标往往代表着很多内在规律，虽然不能精确表达，但是相对靠谱。

然而基于统计的规律总结表达相对比较粗糙。比如经济学家看到这些统计数据，可以总结出长期来看房价是涨还是跌、股票长期来看是涨还是跌。

如果经济总体上扬，房价和股票应该都是涨的。但基于统计数据，无法总结出股票，物价的微小波动规律。

基于神经网络的微观经济学才是对整个经济规律最最准确的表达，每个人对于自己在社会中的输入进行各自的调整，并且调整同样会作为输入反馈到社会中。

想象一下股市行情细微的波动曲线，正是每个独立的个体各自不断交易的结果，没有统一的规律可循。

而每个人根据整个社会的输入进行独立决策，当某些因素经过多次训练，也会形成宏观上统计性的规律，这也就是宏观经济学所能看到的。

例如每次货币大量发行，最后房价都会上涨，多次训练后，人们也就都学会了。

基于三者关系的美好生活

一个大数据公司，积累了大量的数据，会使用一些人工智能的算法提供一些服务；一个人工智能公司，也不可能没有大数据平台支撑。

所以，当云计算、大数据、人工智能这样整合起来，便完成了相遇、相识、相知的过程。

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。

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。