其實大資料和人工智慧區分沒有那麼大，兩者之間聯絡很大。

人工智慧的核心在於演算法以及大資料，二者缺一不可。

大資料的價值需要依靠人工智慧去實現。所以硬要將兩者分開比較，那毫無疑問人工智慧方向優於大資料方向。

其實二者是相連線的，人工智慧的產品也會加入大資料的賦能，舉個例子。在此次疫情下，智慧資訊採集就發揮了很多的作用 。

新型冠狀病毒肺炎疫情依舊嚴峻。隨著返崗復工潮的到來，疫情防控工作進入了新的階段，如何快速排查人員流動情況和健康情況，成為當前疫情防控面臨的重要考驗。在這場看不見硝煙的戰“疫”中，人工智慧正在成為一股不可或缺的力量。

例如智慧資訊採集系統。該系統透過智慧機器人的批次外呼，實現對大量人群的定期尋訪、資料收集、統計管理等一系列工作，使疫情排查工作變得更加智慧化，在提升效率的同時，更讓相關統計人員告別了上門排查的風險，確保了安全。

智慧資訊採集系統，與智慧外呼機器人相連通，並以智慧外呼機器人強大的智慧化能力為支撐，可以輕鬆實現批次外呼，效率非人工所能比擬，日均支援數百萬外呼資料，並且在預測式外呼、空號檢測、智慧打斷等技術手段的有效支援下，撥打效果非常好。舉例來說，原本需要半天完成的電話量，在智慧機器人的支撐下，僅需10分鐘即可完成。

不僅如此，智慧機器人的資訊排查系統，有完善的資料管理檔案，可以透過對大量非結構化資料的實時解析和自動統計，有效避免在資料分析整理過程中可能產生的人工誤差，精準度更高。同時，電信級別的安全加密機制，還能夠有效確保使用者資訊保安。

這是一個非常好的問題，作為一名科技從業者，同時也是一名教育工作者，我來回答一下。

首先，當前大資料和人工智慧都是不錯的選擇，在工業網際網路和“新基建計劃”的推動下，大資料和人工智慧將發揮出更大的作用。從這個角度來看，當前選擇大資料和人工智慧方向不僅能為自己帶來更多的發展機會，同時也是順應時代發展的選擇。

從技術體系結構來看，大資料和人工智慧之間有非常緊密的關係，大資料也可以看成是人工智慧技術的重要基礎之一，可以說沒有資料也就不會有智慧，而人工智慧也是大資料應用的重要出口，如果沒有人工智慧這個出口，大資料的價值邊界會有很大的侷限性，從而限制大資料的價值空間。

從學科體系來看，大資料和人工智慧都是非常典型的交叉學科，大資料涉及到數學、統計學和計算機三大基礎學科，而人工智慧則還涉及到控制學、哲學、經濟學、神經學和語言學等學科，所以人工智慧涉及到的學科更多，難度也更大一些。

長期以來，人工智慧領域的人才培養一直以研究生教育為主，雖然當前一部分高校也陸續在本科階段開設了人工智慧專業，但是相對於大資料專業來說，人工智慧的技術體系遠未成熟，所以當前選擇學習人工智慧方向，最好讀一下研究生。另外，選擇人工智慧方向一定要具有較強的學習能力，同時要有專業人士的指導，由於人工智慧領域的很多實驗對於場景（資料中心）也有比較高的要求，所以學習人工智慧方向最好能在科研（實踐）環境下進行。

最後，由於當前大資料技術體系已經趨於成熟了，所以如果未來沒有計劃繼續讀研，那麼選擇大資料方向則是一個比較現實的選擇。從近兩年大資料領域的人才招聘情況來看，大資料開發人才的崗位需求量還是比較大的。