物联网，云计算，大数据是近两年科技、产业界的热门话题。分别什么意思？之间又有什么关系呢？很多人也非常感兴趣，经过学习了解，查阅资料，一点浅显认识和总结与朋友们分享。

物联网

简单理解：物物相连的互联网，即物联网。物联网在国际上又称为传感网，这是继计算机、互联网与移动通信网之后的又一次信息产业浪潮。世界上的万事万物，小到手表、钥匙，大到汽车、楼房，只要嵌入一个微型感应芯片，把它变得智能化，这个物体就可以“自动开口说话”。再借助无线网络技术，人们就可以和物体“对话”，物体和物体之间也能“交流”，这就是物联网。随着信息技术的发展，物联网行业应用版图不断增长。

现在的物联网产业以应用层、支撑层、感知层、平台层以及传输层这五个层次构成。

云计算

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），这些资源能够快速提供，只需投入很少的管理工作，或与服务商进行很少的交互。

经典应用案例：苹果icloud

苹果icloud不仅是一个云端硬盘，它可让你轻松访问你所有苹果设备上的一切内容，并自动同步所有设备中的文件、图片、音乐、日程表、邮件、联系人目录，更贴心的是，在你修改文件后还能自动将修改同步到所有苹果设备并对旧文件备份。你可以选择免费的5G存储空间，也可以每年花费24.99美元购买iTunes Match服务，这样一来，你可以通过任何苹果设备收听存放在苹果云服务器中的音乐。

大数据

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。

麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

物联网和云计算的关系

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。

大数据与云计算的关系

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。

大数据、云计算和物联网的关系

物联网对应了互联网的感觉和运动神经系统。云计算是互联网的核心硬件层和核心软件层的集合，也是互联网中枢神经系统萌芽。大数据代表了互联网的信息层(数据海洋)，是互联网智慧和意识产生的基础。包括物联网，传统互联网，移动互联网在源源不断的向互联网大数据层汇聚数据和接受数据。云计算与物联网则推动了大数据的发展。

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。

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。

俺黑君够黑，慎关注！

物联网，云计算，大数据，人工智能是近两年科技、产业界的热门话题。分别什么意思?彼此之间又有什么关系呢?

一

物联网

1、什么是物联网?

物联网在之前被定义为通过射频识别(RFID)、红外线感应器、全球定位系统、激光扫描器、气体感应器等信息传感设备按约定的协议把任何物品与互联网连接起来进行信息交换，以实现智能化识别、定位、跟踪、监控和管理的一种网络，简言之物联网就是“物物相连的互联网”。

后来被重新定义为当下几乎所有技术与计算机、互联网技术的结合，实现物体与物体之间：环境以及状态信息实时的实时共享以及智能化的收集、传递、处理、执行。广义上说，当下涉及的信息技术的应用，都可以纳入物联网的范畴。

2、物联网的关键技术

嵌入式系统技术：是综合了计算机软硬件、传感器技术、集成电路技术、电子应用技术为一体的复杂技术。经过几十年的演变，以嵌入式系统为特征的智能终端产品随处可见;小到人们身边的MP3，大到航天航空的卫星系统。嵌入式系统正在改变着人们的生活，推动着工业生产以及国防工业的发展。如果把物联网用人体做一个简单比喻，传感器相当于人的眼睛、鼻子、皮肤等感官，网络就是神经系统用来传递信息，嵌入式系统则是人的大脑，在接收到信息后要进行分类处理。这个例子很形象的描述了传感器、嵌入式系统在物联网中的位置与作用。

传感器技术：这也是计算机应用中的关键技术。大家都知道，到目前为止绝大部分计算机处理的都是数字信号。自从有计算机以来就需要传感器把模拟信号转换成数字信号计算机才能处理。

RFID标签：也是一种传感器技术，RFID技术是融合了无线射频技术和嵌入式技术为一体的综合技术，RFID在自动识别、物品物流管理有着广阔的应用前景。

二

云计算

1、什么是云计算?

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)，这些资源能够快速提供，只需投入很少的管理工作，或与服务商进行很少的交互。

2、物联网和云计算的关系

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。

目前物联网的服务器部署在云端，通过云计算提供应用层的各项服务。云计算可以提供以下几个层析的服务：

IaaS：基础设施即服务

消费者通过internet可以从完善的计算机设施获得服务。例如：硬件服务器租用。

PaaS：平台即服务

PaaS实际上是指软件研发的平台作为一种服务，以SaaS的模式提交给用户。因此，PaaS也是SaaS模式的一种应用。但是PaaS的出现可以加快SaaS应用的开发速度，如：软件的个性化定制开发。

SaaS：软件即服务

它是一种通过internet提供软件的模式，用户无需购买软件，而是向提供商租用基于Web的软件，来管理企业经营活动，如：亚马逊。

三

大数据

1、什么是大数据?

大数据是一种规模大到在获取、管理、分析方面大大超出传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。如果将大数据比作一个产业，那么这种产业实现盈利的关键在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

2、大数据和云计算的关系

从技术上来看，大数据和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。

云时代的来临，大数据的关注度也越来越高，分析师团队认为大数据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。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，包括大规模的并行处理数据库、数据挖掘、分布式文件系统、分布式数据可、云计算平台、互联网和可扩展的存储系统。

四

人工智能

1、什么是人工智能?

人工智能英文缩写为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。人工智能是计算机科学的一个分枝，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。它是对人的意识、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。

通过上述观点我们可以简单的得出一个结论： 物联网的正常运行是通过大数据传输信息给云计算平台处理，然后人工智能提取云计算平台存储的数据进行活动。

本文版权归原作者所有。转载文章仅为传播更多信息之目的，如有侵权请与我们联系，我们将及时处理。

很久没有在微信公众号冒泡了，有人再问张老师最近去哪里了？不在文化艺术界，不在艺术金融界，文化+互联网去届，他去了哪里？难道去外星了吗？还是潜藏在在地球的某一个角落里“待机”突围？答案就在这里......小编带你走进21世界的高科技时代...

21世纪进入高科技时代，互联网更新换代的速度无可比拟，2018年最火的A（人工智能）B（区块链）C（云计算）D（大数据）四大编程语言，下面我们就四种编程语言的发展趋势以及相互之间的联系做出详细的介绍和对比，并且同时结合目前最火的金融业做以结合和对比，分析当前ABCD存在的利弊。

（一）云计算应用进入深水区，将更加关注安全稳定与风险防控

云计算技术发展已经进入成熟期，金融云的应用也正在向更加核心和关键的“深水区”迈进。据中国信息通信研究院的调研，已有过半数的金融机构使用OpenStack等开源云计算技术。传统计算、网络和存储云方案已经同质化，客户需要的是上层PaaS甚至SaaS能力甚至是业务和商业解决方案能力，有互联网金融实际业务经验、有生态合作伙伴的厂商更能得到客户青睐。云这个领域特别强调“吃自己的狗食”。

据美国国家标准技术研究院 (NIST) 关于云计算的定义是 : “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、服务等 ) ，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。”“云计算”概念产生于谷歌和 IBM 等大型互联网公司处理海量数据的实践。2006 年 Google 首席执行官埃里克 · 施密特 (Eric Schmidt) 在搜索引擎大会首次提出 “云计算”的概念。那么大数据是否存在着风险那？今天小编就和大家一起探讨一下“云计算”这个一直很火的名字。

云计算面临的技术挑战利用云计算解决海量异构信息处理和多样化复杂应用的整合问题，成为众多金融机构的选择，但这一方式也给金融 行业以及金融监管带来挑战。第一层面的挑战基于“云计算”本身，其自带属性易发生风险；第二层面的挑战基于“云计算”与金融的结合所产生的更为明显的集聚性风险。

云计算的基础性风险

数据存取缺乏控制或不易取用，是造成金融机构及政府不敢贸然采用云方案的主要原因。云安全联盟 ( Cloud Security Alliance ，CSA) 定义了云计算七个方面的主要风险：数据损害、共享技术的议题、窃取账户及服务；危险的局内人；滥用云计算；不安全的程序接口与其他未知风险

基于云环境下的金融信息系统的安全性风险

对于金融企业的基础设施而言，物理安全十分重要。云计算环境下的大部分金融系统往往需要在浏览器内访问客户 端，网络服务器成为其沟通的纽带和桥梁。基础的金融信息风险常涉及两个方面：一是金融内部人员的滥用导致金融资产损失；二是金融设施的缺陷使部分金融业务陷入中断。云计算下网络金融系统最大的安全隐患在于病毒或木马的侵袭。网络服务器未受到有效保护，一旦遭到病毒入侵，网络数据就会丢失，云计算环境下的金融服务体系，因其具有特殊的分布性，针对其中的敏感数据，必须采取针对性的保护措施。

基础性风险防控建议企业及政府对是否导入云计算的考虑集中在云计算的风险控制上，在规划导入云技术及云外包服务前，必须先考虑相 关风险是否可被管控。在云环境中制作或转移数据时，用户必须将数据分类，分析其安全需求，并定义云服务商应如何存储或传递那些数据。此外，数据安全等级的分类和定义，应依据云服务商所定的安全标准来进行。

云计算环境下金融系统风险防范建议：在金融系统的应用过程中注重金融信息安全评估，在发现金融系统的安全隐患时及时修复。有效控制金融信息，制定 安全的金融系统策略和科学决策，保证系统的完整性和可靠性，重视金融信息管控治理。

注重金融信息安全处理加强金融信息安全评估重视金融信息管控治理

大数据技术风险与防范，大数据面临的风险

数据窃取：大数据采用云端存储处理海量数据，对数据的管理较为分散，对用户进行数据处理的场所无法控制，难以区分合 法用户与非法用户，容易导致非法用户入侵，窃取重要信息，在网络空间，大数据更容易成为攻击目标。

非法添加和篡改分析结果：黑客入侵大数据系统，非法添加和篡改分析结果，可能对金融机构以及个人甚至政府的决策造成干扰。个人信息泄露面临用户移动客户端安全管理和个人金融隐私信息保护的双重安全挑战，企业较难在安全性与便利性之间达成 平衡。

数据存储安全

“数据大集中”在中国金融业获得广泛认可。一些大型券商和银行纷纷建设数据种子作为金融服务的核心和基 础。大数据对数据存储的物理安全性、多副本性要求较高。一方面各类复杂数据的集中存储易出现存储混乱，造 成安全管理违规。另一方面安全防护手段的更新升级速度无法跟上数据量的非线性增长，大数据安全防护容易出现漏洞。大数据风险防控政策建议

建立大数据金融系统

大数据金融生态系统是指金融大数据与从事大数据金融活动的个人、家庭、厂商、政府、非政府组织等社会行为体之间 共同形成的动态系统整体。

大数据金融系统可用下图表示：

各主体在从事金融交易活动时会产生海量金融大数据，这种大数据呈几何增长，构建海量金融大数据与大数据金融活 动相互影响的大数据金融生态系统非常重要。加强对系统内不法行为的规制，杜绝信息篡改、窃取，保护个人隐私，促 进信息流的良性循环，保证数据的真实可靠。引入信用系统、评级系统等，强化金融大数据系统的安全性和可靠性。

（二）大数据应用走向跨界融合，标准与规范是未来发展关键

金融行业数据资源丰富，而且业务发展对数据依赖程度高。大数据技术在金融领域的应用起步早、发展快，已经成为金融行业的基础能力。当前，金融行业的大数据应用已经非常普遍和成熟，也取得了较为显著的应用成效，最大的特点是数据资产化的愈加凸显、有深度的大数据分析变得越来越重要，用户画像和知识图谱成为最重要的技术。17年知识图谱一下子火起来，除了传统实体知识图谱外，事件图谱（描述动态关系）开始越来越重要，即实时性要求越来越高，时间就是金钱。另外，还有一个关键问题就是合法获取数据，涉及法律、政策、技术、机制等问题，需要各方推动和努力。

（三）人工智能应用加速发展，从计算向感知与认知的高阶演进

人工智能一般分为计算智能、感知智能和认知智能三个层次。从目前人工智能在金融领域的应用趋势来看，计算智能通过与大数据技术的结合应用，已经覆盖营销、风控、支付、投顾、投研、客服各金融应用场景。人工智能最重要就是AIinall，传统金融很多是“知道型”的业务，按规则、经验办事，很多简单重复性工作被证明完全可以被AI取代（例如客服），认知型的业务目前看也可能机器不比人差（例如智能投顾、智能营销）。那么金融业最重要的是如何最大发挥人的价值。一是风险防范，AI算法不一定完全正确需要人在样本特征准备或审核上来补充；二是金融创新，创新是门艺术，目前没有证据表明AI在创新上有啥独到之处，所以人的创新非常重要；三是发挥领域知识的价值，AI目前最大的缺陷就是它是没有常识是不行的，知识会成为重要的竞争力分水岭，知识图谱、业务规则补充、业务数据标注这些都是产生知识的手段。

（四）区块链从概念走向应用，前景广阔但仍面临多重制约

区块链技术近年来一直受到广泛关注，其技术公开、不可篡改和去中心化的技术属性，拥有在金融领域应用的先天优势，因为本质上区块链就是一种经济模式，主要解决非信任网络的记账问题，如果说其他技术主要是生产力变革，区块链更像是生产关系变革，我们有几个判断，（1）区块链的技术还没有成熟到金融级，包括金融经常用的联盟链有没有技术问题，还是一个探索的过程，所以会看到并没有大型的金融区块链应用（非数字货币类）上线，尝试很多，普及还早；（2）因为区块链不仅仅是技术，所以这一轮技术革命中区块链的影响要远大于其他技术，可能会有颠覆性的业务、技术或者企业出现，这个趋势是不可阻挡的，有人说这是价值互联网的春天可能并不过分；（3）区块链3.0叫去中心化应用就是应用生态将决定最后的赢家。目前公链和私链（或联盟链）都有一些金融应用，但还不成气候，应该胜负未分，这里面大公司不一定有优势，开源力量不可小觑；（4）政策风险仍然很大，包括最近ICO还有代币发行，有些可能就是伪创新。

（五）行业应用需求不断扩展，将反向驱动金融科技持续创新发展

在高技术满足需求的同时，也将在需求的驱动下不断发展创新。金融科技应用在推动金融行业转型发展的同时，金融业务发展变革也在不断衍生出新的技术应用需求，将实现对金融科技创新发展的反向驱动。这种驱动可以从发展和监管两条主线上得到显著体现：一是发展层面，新技术应用推动金融行业向普惠金融、小微金融和智能金融等方向转型发展，而新金融模式又衍生出在营销、风控和客服等多个领域的一系列新需求，要求新的技术创新来满足。二是监管层面，互联网与金融的结合带来了一系列创新的金融业务模式，但同时互联网金融业务的快速发展也带来了一系列的监管问题，同样对金融监管提出了新的要求，需要监管科技创新来实现和支撑。从未来的发展趋势看，随着金融与科技的结合更加紧密，技术与需求相互驱动作用将更加明显，金融科技的技术创新与应用发展将有望进入更加良性的循环互动阶段。

（六）新一代信息技术形成融合生态，推动金融科技发展进入新阶段

小编认为云计算、大数据、人工智能和区块链等新兴技术并非彼此孤立，而是相互关联、相辅相成、相互促进的。大数据是基础资源，云计算是基础设施，人工智能依托于云计算和大数据，推动金融科技发展走向智能化时代。区块链为金融业务基础架构和交易机制的变革创造了条件，它的实现离不开数据资源和计算分析能力的支撑。从未来发展趋势看，云计算、大数据、人工智能和区块链等新兴技术，在实际应用过程变得越来越紧密，彼此的技术边界在不断削弱，未来的技术创新将越来越多的集中在技术交叉和融合区域。尤其是在金融行业的具体应用落地方面，金融云和金融大数据平台一般都是集中一体化建设，人工智能的相关应用也会依托集中化平台来部署实现，新一代信息技术的发展正在形成融合生态，并推动金融科技发展进入新阶段，要知后事如何请听下次分解，欢迎大家与张老师互动与交流

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。

如今大数据常和云计算联系到一起，如果说大数据是电,那么云计算扮演就是发动机的角色了.因为实时的大数据分析是需要分布式处理框架来向数十、数百或甚至数万的电脑分配工作的。

上世纪60年代麦卡锡在提出："把计算能力作为一种像水和电一样的公用事业提供给用户。"这是云计算思想的起源.

在Google、Amazon、Facebook等一批互联网企业引领下，出现了一种行之有效的模式那就是以云计算提供基础架构平台，让大数据应用运行在这个平台上。

在业内是这么形容两者的关系：没有大数据的信息积淀，则云计算的计算能力再强大，也难以找到用武之地;没有云计算的处理能力，则大数据的信息积淀再丰富，也终究只是镜花水月

那么大数据到底需要哪些云计算技术呢?

这里暂且列举一些，比如虚拟化技术，分布式处理技术，海量数据的存储和管理技术，NoSQL、实时流数据处理、智能分析技术(类似模式识别以及自然语言理解)等。

云计算和大数据之间的关系可以用下面的一张图来说明，两者之间结合后会产生如下效应：可以提供更多基于海量业务数据的创新型服务;通过云计算技术的不断发展降低大数据业务的创新成本。

如果将云计算与大数据进行一些比较，最明显的区分在两个方面：

第一概念:

两者在概念上有所不同，云计算改变了IT，而大数据则改变了业务。然而大数据必须有云作为基础架构，才能得以顺畅运营。

第二目标受众:

两者的目标受众不同，云计算是CIO等关心的技术层，是一个进阶的IT解决方案。而大数据是CEO关注的、是业务层的产品，而大数据的决策者是业务层。

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。