人工智慧、大資料、物聯網以及雲計算，彼此之間存在著千絲萬縷的“親緣”關係！半個多世紀的某個夏天，麥卡錫、明斯基等眾科學家們舉辦了一次Party，共同研究用機器模擬智慧的問題，也是在那時，“人工智慧(AI)”的理念正式被提出！人工智慧（Artificial Intelligence）簡稱AI，AI能根據大量的歷史資料和實時觀察（real－time observation）找出對於未來預測性的洞察（predictive insights）。如今人工智慧商業化正在快速推進中，比如我們所知道和了解的人像識別、影象識別技術、語音識別、自然語言理解、使用者畫像等。此類技術也現階段已經在金融、物聯網等行業得到應用！對於未來而言，人工智慧會在人類生活的方方面面，發揮越來越多的作用，也會刷更多的存在感，慢慢的更會懂我們很多！不遠的將來會有越來越多的自動化的系統出現，比如刷臉支付已經在來的路上了！先以人工智慧為例，拋棄其他任何，也便不會有今天大紅大紫的人工智慧！

不得不說的人工智慧背後的基石：大資料

大資料是人工智慧的基石，目前的深度學習主要是建立在大資料的基礎上，即對大資料進行訓練，並從中歸納出可以被計算機運用在類似資料上的知識或規律。簡單而言何為大資料？雖然很多人將其定義為“大資料就是大規模的資料”。但是，這個說法並不準確！“大規模”只是指資料的量而言。資料量大，並不代表著資料一定有可以被深度學習演算法利用的價值。例如：地球繞太陽運轉的過程中，每一秒鐘記錄一次地球相對太陽的運動速度、位置，可以得到大量資料。可如果只有這樣的資料，其實並沒有太多可以挖掘的價值！大資料這裡我們參閱馬丁·希爾伯特的總結，今天我們常說的大資料其實是在2000年後，因為資訊交換、資訊儲存、資訊處理三個方面能力的大幅增長而產生的資料：資訊交換：據估算，從1986年到2007年這20年間，地球上每天可以透過既有資訊通道交換的資訊數量增長了約217倍，這些資訊的數字化程度，則從1986年的約20%增長到2007年的約99.9%。在數字化資訊爆炸式增長的過程裡，每個參與資訊交換的節點都可以在短時間內接收並存儲大量資料。資訊儲存：全球資訊儲存能力大約每3年翻一番。從1986年到2007年這20年間，全球資訊儲存能力增加了約120倍，所儲存資訊的數字化程度也從1986年的約1%增長到2007年的約94%。1986年時，即便用上我們所有的資訊載體、儲存手段，我們也不過能儲存全世界所交換資訊的大約1%，而2007年這個數字已經增長到大約16%。資訊儲存能力的增加為我們利用大資料提供了近乎無限的想象空間。資訊處理：有了海量的資訊獲取能力和資訊儲存能力，我們也必須有對這些資訊進行整理、加工和分析的能力。谷歌、Facebook等公司在資料量逐漸增大的同時，也相應建立了靈活、強大的分散式資料處理叢集。大資料在應用層面：大資料往往可以取代傳統意義上的抽樣調查、大資料都可以實時獲取、大資料往往混合了來自多個數據源的多維度資訊、大資料的價值在於資料分析以及分析基礎上的資料探勘和智慧決策。美國《大西洋月刊》公佈的一段A.I.聊天記錄截圖延伸閱讀：聊天機器人竟自創語言“對話” 臉書將其緊急關停實際上人工智慧的發展，離不開海量資料進行訓練，究其根本大資料的迴圈往復無數次的訓練和深度學習才有了人工+智慧！

沒有人工智慧的物聯網：沒大戲

而物流網又讓人工智慧：更準確

物聯網：英文名為Internet of Things，可以簡單地理解為物物相連的網際網路，正是得益於大資料和雲計算的支援，網際網路才正在向物聯網擴充套件，並進一步升級至體驗更佳、解放生產力的人工智慧時代。在未來，虛擬世界的一切將真正實現物理化！物聯網主要透過各種裝置（比如RFID，感測器，二維碼等）的介面將現實世界的物體連線到網際網路上，或者使它們互相連線，以實現資訊的傳遞和處理。對於人工智慧而言，物聯網（IoT）其實肩負了一個至關重要的任務：資料收集概念上，物聯網可連線大量不同的裝置及裝置，包括：家用電器和穿戴式裝置。嵌入在各個產品中的感測器（sensor）便會不斷地將新資料上傳至雲端。這些新的資料以後可以被人工智慧處理和分析，以生成所需要的資訊並繼續積累知識。網際網路在現實的物理世界之外新建了一個虛擬世界，物聯網將會把兩個世界融為一體。物聯網的終極效果是萬物互聯，不僅僅是人機和資訊的互動，還有更深入的生物功能識別讀取等等！

人工智慧背後強大的助推器：雲計算

雲計算（詳情參閱之前回答：什麼是雲計算？）是將我們傳統的IT工作轉為以網路為依託的雲平臺執行，NIST（美國國家標準與技術研究院）在2011年下半年公佈了雲計算定義的最終稿，給出了雲計算模式所具備的5個基本特徵（按需自助服務、廣泛的網路訪問、資源共享、快速的可伸縮性和可度量的服務）、3種服務模式（SaaS（軟體即服務）、PaaS（平臺即服務）和IaaS（基礎設施即服務））和4種部署方式（私有云、社群雲、公有云和混合雲）雲計算發展較早，經過10年發展，國內已經擁有超百億規模，雲計算也不再只是充當儲存與計算的工具而已！未來可以預見的是，雲計算將在助力人工智慧發展層面意義深遠！而反之，人工智慧的迅猛發展、巨大資料的積累，也將會為雲計算帶來的未知和可能性！

人工智慧也好、大資料也好、物聯網及雲計算也好，彼此依附相互助力，藕不斷絲且相連！組合拳出擊才更有力量：給未來多一些可能，給未知多一些可能性，給不可能多一些可能！

用社會關係來詮釋：

人工智慧指社會個體你我他；

大資料指個人經濟實力社會關係等沉澱形成的資料；

雲計算指運營維護這些社會關係的能力；

目前最火的物聯網、大資料、人工智慧之間到底有沒有關係呢？回答是肯定的，而且關係非常緊密，現最通俗的講下：

物聯網、大資料，做過一次通俗解釋，參看：

http://toutiao.com/item/6500725848008557070/

1、物聯網——基礎中的基礎

物聯網，萬物互聯的結果，就是人和物、物和物之間產生通訊和互動。想象下，相當於一個物品也有了一部手機（晶片），可以給出頻率、方位、軌跡、習慣。這些通訊和互動，跟人類一樣，最終都以資料的形式呈現。而資料就可以被儲存、建模、分析。人的資料被採集，物的資料被採集，人與人、人與物、物與物各自的資料和相互之間的資料，隨時間的推移，都被記錄採集了下來，OK，這些海量資料，怎麼辦？當然交給大資料分析和計算了！所以說，物聯網是給大資料打基礎。

2、大資料——基於物聯網的應用，人工智慧的基礎

大資料的資料從何而來，就是物聯網提供的。以前是人人互聯、人機互聯，現在是萬物互聯，其資料更加龐大，因此而帶來的大資料結果，將更加豐富和精確。這裡也能看出，大資料就是物聯網的最佳應用。也因·大資料，物聯網的價值被更大的發揮。那麼，大資料是做什麼用的呢？對頭，是為人工智慧準備的。起初，大資料為人類決策（人類的大腦，也就是BI）提供支援，最終大資料將支撐機器人的大腦。

3、人工智慧——大資料的最理想應用，反哺物聯網

OK，人工智慧來了，很好奇人工智慧的智力從何而來？其實，就是來自於大資料。小資料可被人類大腦計算使用，但是，當海量超海量資料被分析挖掘應用於人工智慧的時候，將呈現出幾何增長的速度和精準，且幾乎無失誤。一個語音機器人，可以在被使用過程中收集的資料調教，越來越聰明、越來幽默，無外乎資料的量級增長的效能。超量資料，讓機器人能獲知包含甚至超出人範疇的行為習慣，執行規律，甚至能分析出人類及萬物的下一步進化和發展。大量的資料，能讓機器人的判斷能力更加精準，失誤幾乎消失，阿爾法狗不就是大量資料+計算分析的最佳例證嘛。在記憶和運算方面，當前機器已經遠遠摔人類在後，接下來，只要給機器人足夠的資料，會發生什麼？……，不敢想象！

寫在最後：人工智慧，有無窮的空間和時間可以想象和發揮。可以想象得到，有一天，機器人會嫌棄人類進步太慢，將代替人類讓萬物互聯更加徹底，資料更加海量海量，運算更加快速敏捷，分析模型更加智慧智慧。隨之而來的，就是機器人更加智慧、速度敏捷、幾乎零失誤、幾乎零誤差，那是時代，極有可能的場景——人類成為機器人的僕人或寵物！！！

總結：三者的關係就是，物聯網支撐大資料，大資料支撐人工智慧。最終人工智慧會輔助物聯網更加發達，形成一個恐怖的迴圈。（雲計算呢?雲計算只是一個計算、儲存、通訊工具而已）

為了讓普通大眾理解雲計算、大資料和AI的關係。一個著名的比喻是前百度首席科學家吳恩達說的，“雲計算是引擎，大資料是燃料，深度學習的發展就像是建造火箭”，也就是說雲計算功能月強大，大資料越大，深度學習技術就越發達。從而人工智慧就越智慧。

希捷孫丹對於大資料和人工智慧關係，人工智慧如果是一個孩子的話，資料其實是奶粉，孩子吃的越多，長的越大，奶粉的質量越好，孩子智力水平就越好。所以資料越大，資料質量越好，人工智慧所達到的水平就越高。

中科院計算所計算機體系結構國家重點實驗室研究員及博士生導師、國家超算濟南中心張雲泉認為大資料和人工智慧的關係，只是吃奶粉還不一定讓孩子成長，還需要我們按時的喂他，同時需要他有良好的消化系統，所以大資料（Big Data）需要加上很好的演算法（algorithm），加上我們的計算力(Computing )，才能產生智慧。就是ABC關係，就是A+B+C才能產生人工智慧。

資訊時代，物聯網、大資料等都在飛速發展，那麼對於物聯網、大資料、人工智慧和雲計算之間有沒有什麼關係呢？

首先，在這四者之間有著相當緊密的關係，大資料是基礎，雲計算是途徑，物聯網和人工智慧是這二者技術成果的外在表現。

當我們在暢談當下最火的物聯網和人工智慧的時候，就始終不能忘記大資料和雲計算。大資料可以將網際網路上的形形色色的資訊進行綜合整理，然後分析歸納，然後將同一類的資料或者資訊交給雲計算進行統計，最後用計算的形式，把這些資料反應出來的現象或者是預測結果進行總結。最後交給那些需要的人。

而物聯網和人工智慧就是基於這樣的基礎上，可以這樣說，大資料和雲計算是物聯網和人工智慧的命根子。物聯網實時控制需要的資訊來源於大資料整合和雲計算之後的結果，只有雲計算越來越快，物聯網的發展才能越來越讓人滿意。而對於人工智慧來說，大資料更是它最渴求的資源，只有足夠多的資料才可以實現機器對於某些狀況的反應和處理手段最符合人類本身的認知能力。

而云計算是決定了人工智慧的反應速度。當下的好多人工智慧公司都開始入住華為雲，就是因為華為雲有足夠的硬體和服務為他們提供更快更合適的雲計算服務，為他們的創業發展助力，對於有夢想有技術的公司，有了華為雲的助力，絕對是如虎添翼。

所以，在未來的科技的發展過程中，這四者只有都不停歇的加速發展才不會彼此制約，才可以實現並駕齊驅，共同為人類的發展共享力量。

總結的說，大資料就是挖掘大量的資料，再根據需求決如何分析、最終要哪些資料。它目前最流行的運用領域是引擎最佳化、各種推薦機制（包括電商能推薦你喜歡的商品也是透過大資料分析出來的）、還有應用於人工智慧的演算法提取！

人工智慧：顧名思義，人工智慧就是人的工作又機器去做並且是有智慧的去做。人工智慧在說通俗一點就是會像人一樣做判斷。在機器工作的時候他就不停的判斷下一步怎麼做，對於固定的選擇這並不難做。但是對於像無人駕駛這個高階的人工智慧它是怎麼選擇呢？透過大資料，透過挖掘大量的資料，分析出在那種情況下選擇最多則就是最優演算法，比如剛說的無人駕駛機器是根據分析攝像頭的資料和大資料的資料對比，這種情況到底是改剎車停車還是加速！大資料的準確性取決於挖掘的可靠資料夠不夠多。也就是大資料為人工智慧提供核心演算法！

其次是物聯網，物聯網早早就提出了。但目前市場上只有少量的物 “連上網”！剛開始提出的物聯網假想是世界上萬物都可以聯網通訊。一張報紙、一本紙質版的書都能聯網更新內容！當然這還有很長的路要走。但可以猜到的是這麼多“物”要聯網，沒有快速穩定的網路又怎麼行呢？因此，物聯網的重難點更多的是硬體及網路裝置，相信5G的問世將推動物聯網的發展！

雲計算：這個好像說起來很高大上，實際實現難度也包括很多技術！通俗的講雲就是一臺遠端電腦，透過遠端連線用本地電腦操控雲端電腦。對於一般人來說，百度雲盤等這些就是雲計算了。對於網站、軟體開發人員來說，雲計算更多是的把伺服器搭在遠端電腦！

大資料是物聯網和雲計算發展的必然結果，所以物聯網和雲計算是大資料的基礎，而大資料又是人工智慧的基礎。

物聯網簡單的說就是物物相連的網路，物聯網的發展進一步拓展了網際網路的使用邊界，萬物互聯是物聯網的發展目標，隨著5G標準的逐漸落地，物聯網將得到進一步的發展。物聯網的發展導致產生大量的非結構化資料和半結構化資料，而這些資料正是大資料的重要組成部分，所以物聯網是大資料的重要基礎。

雲計算的核心是服務，雲計算針對於不同的應用場景規劃了三大類服務，分別是IaaS（基礎設施即服務）、PaaS（平臺即服務）和SaaS（軟體即服務），可以說雲計算幾乎所有的技術標準都圍繞這三類服務進行展開。雲計算為大資料提供了資料儲存服務和計算資源服務，所以說雲計算為大資料提供了功能性的支撐。

大資料的核心是資料價值化，圍繞資料進行一系列價值化操作。大資料在技術上有兩個重點內容，一個是分散式儲存，另一個是分散式計算，另外還涉及到功能排程等操作。大資料目前已經形成了一個產業鏈，包括資料的採集、傳輸、整理、儲存、安全、分析、呈現和應用，這個產業鏈中的採集、傳輸涉及到物聯網，而儲存、安全和分析則涉及到雲計算。

人工智慧是一個典型的交叉學科，經過多年發展，人工智慧的研究領域集中在自然語言處理、知識表示、自動推理、計算機視覺、機器學習和機器人學六大方面。在大資料的推動下，機器學習得到了新的發展機會，原因就是大資料為機器學習提供了大量的訓練資料和驗證資料，可以說大資料是機器學習的基礎。

簡單的說，萬物互聯必然帶來萬物智慧，物聯網就是人工智慧的觸角，雲計算為人工智慧提供了計算資源，而大資料則為人工智慧提供了決策的基礎。

物聯網，大資料，雲計算，人工智慧之間的關係，總的來說：

物聯網是後三者的基礎，後三者是資料處理技術。而大資料和人工智慧又可能採用雲計算，或不採用雲計算。人工智慧可能會用到大資料技術。

物聯網，是當前網際網路的進一步擴充套件，產生了無數延伸到各種裝置的毛細血管。物聯網要落地的基礎是必須採用IP V6，這樣才有足夠多的IP地址讓各種裝置或物品接入網際網路。

雲計算，就是把計算能力（CPU、記憶體、顯示卡處理能力等）放在雲端，而不是放在你辦公室或家裡的那臺電腦上，你的電腦只是發一個計算指令。而云在哪裡，你不需要關心，你只知道你發完指令後，一會兒你就得到了結果。

大資料，就是對一大堆價值含量很低的多種資料進行處理，挖掘其內在價值的技術。大資料的特徵：一大堆，價值含量低，多種資料。

人工智慧，就是讓程式具有類似人類智力的技術，個人認為目前還不存在真正的人工智慧技術。因為要智慧必須滿足以下特徵：有意識，知道自我，有思維能思考。而目前為止還沒有這樣的成果。

人工智慧是用機器代替人來工作，大資料是說的資料量的多少，進一步從這些資料中找有價值的資料，大就是多。雲計算就是將很多計算機構成一個群，團，夥甚至幫，時下叫法“雲”，然後，你懂的，一幫人幹活的勞動量大呢還是一個人幹活勞動量大。也就是說雲計算提高了計算能力和效率，那麼，這就可以實現大資料的分析和梳理。物聯網就是物物相連的網路形式，不太明白是不？這樣想，網際網路可以理解為你和閨蜜的聯接，是點對點式。物聯網就是任何物之間的聯接，是多對多式，哪個更牛逼，你懂的，所以說，物聯網是網際網路的升級版。這些都是簡單理解，裡頭的事就多的一塌糊塗，數學是核心。

目前79%的物聯網開發者花費至少25%的時間在分析和資料庫上，而花費42%在大資料或者是專案分析上。55%的物聯網開發者主要透過雲連線裝置，32%會選擇使用集線器或中間層來連線。26%的開發者最常將雲計算與物聯網聯絡在一起，並且有三倍的可能性更常使用雲環境作為開發環境。

34.2%的物聯網開發者發費超過50%的時間在分析和資料庫工作。物聯網開發者們也更可能花費25%的工作時間在分析和建立所有類別的應用程式資料庫。清晰的分析和資料庫建議將對未來的物聯網應用設計有著重要的作用。

37.9%的物聯網應用目前都是在雲上開發完成的。而還有49.6%的開發者計劃或已經開始在雲上開發應用。在本次研究中僅有5.5%的物聯網開發者表示沒有計劃將它們的應用移到雲端。

物聯網開發者會優先將他們的時間安排在多裝置或多感測器連線網際網路的應用中（54.9%）。其他的應用開發投入包括單個裝置或感測器連線網際網路（24%）、統一狀態下的多裝置或感測器（13.7%），和多裝置或感測器型號互相連線（3.9%）。

物聯網開發者們最常關聯的領域包括：雲計算（26.1%），大資料（17.4%）和實施事件處理（17.2%）。其他方面包括認知計算（11.1%），WiFi啟用（10.9%），機器對機器通訊（10.7%）和近場計算（6.1%）。

雲計算是大資料的底層架構，大資料以雲計算來處理資料，而人工智慧是大資料的場景應用。雲計算是基於網際網路的相關服務的增加、使用和交付模式，這種模式提供可用的、便捷的、按需的網路訪問，進入可配置的計算資源共享池，這些資源能夠被迅速提供，只需投入很少的管理工作，或與服務供應商進行很少的互動。

人工智慧是計算機科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括機器人、語言識別、影象識別、自然語言處理和專家系統等。

從本質上來看，人工智慧是程式演算法和大資料結合的產物，而云計算是程式的演算法部分。也就是說，藉助大資料(包含來自物聯網的資料)，人工智慧和雲計算可以很好地結合在一起。

雲計算和人工智慧結合會帶來哪些影響?

1、拓展新興市場。人工智慧的優勢是自我學習、深度學習，這離不開雲計算的服務基礎，雲計算和人工智慧之間硬體、軟體的深度結合，很可能成為一個“體”，一個獨立發展的大產業。

2、改變人們的生活和工作方式。在企業上雲、大部分應用採用雲端部署，資料普遍儲存雲端的大趨勢下，雲計算和人工智慧的結合成為新的掘金點。為了能夠擁有更多的主動權，企業競相高頻聘用相關人才，這吸引了大量的人投身雲計算行業。

物聯網IoT（Internet of things）

物聯網是網際網路的應用拓展，與其說物聯網是網路，不如說物聯網是業務和應用。因此，應用創新是物聯網發展的核心，以使用者體驗為核心的創新是物聯網發展的靈魂。

大資料（Dig Data）

大資料相當於人的大腦從小學到大學記憶和儲存的海量知識，這些知識只有透過消化，吸收、再造才能創造出更大的價值。

麥肯錫全球研究所給出的定義是：一種規模大到在獲取、儲存、管理、分析方面大大超出了傳統資料庫軟體工具能力範圍的資料集合，具有海量的資料規模、快速的資料流轉、多樣的資料型別和價值密度低四大特徵。

雲計算（Cloud）

雲計算相當於人的大腦，是物聯網的神經中樞。雲計算是基於網際網路的相關服務的增加、使用和交付模式，通常涉及透過網際網路來提供動態易擴充套件且經常是虛擬化的資源。

人工智慧AI（Artificial Intelligence）

研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。 打個比喻為一個人吸收了人類大量的知識（資料），不斷的深度學習、進化成為一方高人。

關係：

得益於大資料和雲計算的支援，網際網路才正在向物聯網擴充套件，對於人工智慧而言，物聯網（IoT）其實肩負了一個至關重要的任務：資料收集。人工智慧離不開大資料，大資料是人工智慧的基石，目前的深度學習主要是建立在大資料的基礎上，更是基於雲計算平臺完成深度學習進化。

相關：

人工智慧如何與大資料完美地結合？

https://www.toutiao.com/i6717162316695077383/

人工智慧、大資料、物聯網以及雲計算，彼此之間皆存在著千絲萬縷的“親緣”關係！！

半個多世紀的某個夏天，麥卡錫、明斯基等眾科學家們舉辦了一次Party，共同研究用機器模擬智慧的問題，也是在那時，“人工智慧(AI)”的理念正式被提出！

人工智慧（Artificial Intelligence）簡稱AI，AI能根據大量的歷史資料和實時觀察（real－time observation）找出對於未來預測性的洞察（predictive insights）。

如今人工智慧商業化正在快速推進中，比如我們所知道和了解的人像識別、影象識別技術、語音識別、自然語言理解、使用者畫像等。此類技術也現階段已經在金融、物聯網等行業得到應用！

對於未來而言，人工智慧會在人類生活的方方面面，發揮越來越多的作用，也會刷更多的存在感，慢慢的更會懂我們很多！

不遠的將來會有越來越多的自動化的系統出現，比如刷臉支付已經在來的路上了！

先以人工智慧為例，拋棄其他任何，也便不會有今天大紅大紫的人工智慧！

不得不說的人工智慧背後的基石：大資料

大資料是人工智慧的基石，目前的深度學習主要是建立在大資料的基礎上，即對大資料進行訓練，並從中歸納出可以被計算機運用在類似資料上的知識或規律。

簡單而言何為大資料？

雖然很多人將其定義為“大資料就是大規模的資料”。

但是，這個說法並不準確！

“大規模”只是指資料的量而言。

資料量大，並不代表著資料一定有可以被深度學習演算法利用的價值。

例如：地球繞太陽運轉的過程中，每一秒鐘記錄一次地球相對太陽的運動速度、位置，可以得到大量資料。可如果只有這樣的資料，其實並沒有太多可以挖掘的價值！

大資料這裡我們參閱馬丁·希爾伯特的總結，今天我們常說的大資料其實是在2000年後，因為資訊交換、資訊儲存、資訊處理三個方面能力的大幅增長而產生的資料：

資訊交換：據估算，從1986年到2007年這20年間，地球上每天可以透過既有資訊通道交換的資訊數量增長了約217倍，這些資訊的數字化程度，則從1986年的約20%增長到2007年的約99.9%。在數字化資訊爆炸式增長的過程裡，每個參與資訊交換的節點都可以在短時間內接收並存儲大量資料。

資訊儲存：全球資訊儲存能力大約每3年翻一番。從1986年到2007年這20年間，全球資訊儲存能力增加了約120倍，所儲存資訊的數字化程度也從1986年的約1%增長到2007年的約94%。1986年時，即便用上我們所有的資訊載體、儲存手段，我們也不過能儲存全世界所交換資訊的大約1%，而2007年這個數字已經增長到大約16%。資訊儲存能力的增加為我們利用大資料提供了近乎無限的想象空間。

資訊處理：有了海量的資訊獲取能力和資訊儲存能力，我們也必須有對這些資訊進行整理、加工和分析的能力。谷歌、Facebook等公司在資料量逐漸增大的同時，也相應建立了靈活、強大的分散式資料處理叢集。

大資料在應用層面：大資料往往可以取代傳統意義上的抽樣調查、大資料都可以實時獲取、大資料往往混合了來自多個數據源的多維度資訊、大資料的價值在於資料分析以及分析基礎上的資料探勘和智慧決策。

美國《大西洋月刊》公佈的一段A.I.聊天記錄截圖

延伸閱讀：聊天機器人竟自創語言“對話” 臉書將其緊急關停

實際上人工智慧的發展，離不開海量資料進行訓練，究其根本大資料的迴圈往復無數次的訓練和深度學習才有了人工+智慧！

沒有人工智慧的物聯網：沒大戲

而物流網又讓人工智慧：更準確

物聯網：英文名為Internet of Things，可以簡單地理解為物物相連的網際網路，正是得益於大資料和雲計算的支援，網際網路才正在向物聯網擴充套件，並進一步升級至體驗更佳、解放生產力的人工智慧時代。

在未來，虛擬世界的一切將真正實現物理化！

對於人工智慧而言，物聯網（IoT）其實肩負了一個至關重要的任務：資料收集

概念上，物聯網可連線大量不同的裝置及裝置，包括：家用電器和穿戴式裝置。嵌入在各個產品中的感測器（sensor）便會不斷地將新資料上傳至雲端。這些新的資料以後可以被人工智慧處理和分析，以生成所需要的資訊並繼續積累知識。

網際網路在現實的物理世界之外新建了一個虛擬世界，物聯網將會把兩個世界融為一體。

物聯網的終極效果是萬物互聯，不僅僅是人機和資訊的互動，還有更深入的生物功能識別讀取等等！

人工智慧背後強大的助推器：雲計算

雲計算是將我們傳統的IT工作轉為以網路為依託的雲平臺執行，NIST（美國國家標準與技術研究院）在2011年下半年公佈了雲計算定義的最終稿，給出了雲計算模式所具備的5個基本特徵（按需自助服務、廣泛的網路訪問、資源共享、快速的可伸縮性和可度量的服務）、3種服務模式（SaaS（軟體即服務）、PaaS（平臺即服務）和IaaS（基礎設施即服務））和4種部署方式（私有云、社群雲、公有云和混合雲）

雲計算發展較早，經過10年發展，國內已經擁有超百億規模，雲計算也不再只是充當儲存與計算的工具而已！

未來可以預見的是，雲計算將在助力人工智慧發展層面意義深遠！

而反之，人工智慧的迅猛發展、巨大資料的積累，也將會為雲計算帶來的未知和可能性！

人工智慧也好、大資料也好、物聯網及雲計算也好，彼此依附相互助力，藕不斷絲且相連！

合力搭檔在一起，組合拳出擊才更有力量：給未來多一些可能，給未知多一些可能性，給不可能多一些可能！

這是幾個不同範疇的網路概念，我們可以從幾個角度來思考一下它們之間的關係。

首先來簡單說一說基本含義：

物聯網（Internet of things ）

是網際網路的延伸和拓展，透過各種裝置與技術實現物與物、物與人的泛在連線，把網路的虛擬化轉向物理化，會對整個社會結構產生顛覆式影響。

大資料（big data）

是指用常規工具和方式無法進行有效管理的大量資料集合，在網際網路時代的今天，大資料已成為重要的資訊資產，如何進行專業化處理是實現其價值的關鍵。

雲計算（cloud computing）

是一種全新的網路技術應用概念，可以在很短時間內完成數以萬計的資料處理，其核心是可以讓使用者快速獲取網際網路上所需要的資源和資料，不受時間和空間的限制。

人工智慧（Artificial Intelligence）

是包含系統理論、方法的一門技術應用科學，旨在研究、開發對人的智慧的模擬、延伸和擴充套件。人工智慧一直作為計算機科學的一個分支存在，時至今日，人工智慧更像是一種思維理念，從技術層面到各行各業都產生巨大影響。

我們簡單理解一下：

物聯網代表一種新的社會結構和模式；

大資料是推動社會發展的依據和基礎；

雲計算時處理資訊資源的服務和平臺；

人工智慧是革新各領域的科技應用，也是顛覆社會和科學思想理論。

根據上面的分析，我們來談談這幾個概念的關係：

從社會的發展角度，進入物聯網時代，大資料和雲計算是重要的基礎設施服務，物聯網的穩定依賴大資料的“增值”，大資料是否能實現價值取決於雲計算的專業處理水平，雲計算的技術發展又受到人工智慧在相關領域技術應用的發展程度影響。從人們的生活角度，物聯網會再一次讓人們的生活和消費方式發生顛覆性變化，從而帶來一系列生活方式的改變，而云計算技術的成熟讓每一個人都能盡情的享用“大資料”中的資源，加速對物聯網時代的接納和適應速度，而人們所有的這些行為都在一點一滴地為人工智慧的成長做出貢獻，推動科技的進一步革新和發展。