首先，隨著網際網路、移動網際網路的發展，資料量有了井噴式的增長，使用者的每一次購買，每一次選擇，每一次點選都被記錄，被收集。網際網路，將傳統的基於線下的無法被收集記錄的資料，統統都記錄到了資料庫當中，而這些資料毫無疑問是海量的，為了儲存這些海量的資料，技術界提出了大資料這樣的概念。當然大資料這個詞彙是什麼時候產生的這裡不做追究了。這裡講的大資料，是當下所說的大資料時代，是一個更偏向於技術層面的詞彙。正是為了要儲存這些海量的資料，搜尋巨頭Google帶頭開發了一系列的可用於大資料儲存與分析的資料庫工具，最出名，當下最成功的莫屬於apache hadoop體系了。開始這些企業與組織將收集到的資料做冷熱分離，從傳統資料庫中剝離出來，分塊儲存在了hadoop等大資料工具之中，而hadoop基於mapreduce.的核心演算法，可以在成千上萬的節點中對資料進行處理然後聚合。然後用這些資料做離線的分析、計算來指導商業決策。 再後來隨著技術的進一步發展，離線資料處理逐漸的滿足不了快速的商業變化，所以基於實時的流計算工具開始顯露頭角，代表的當屬spark, storm等計算工具。而目前大資料的火熱也正是因為整個大資料計算平臺的成熟。講到這裡或許大家或多或少的瞭解了大資料的概念，並對其應用有了初步的認識。

說完了大資料，那接下來要講講雲計算了，其實雲計算跟大資料、人工智慧並不是割裂開的技術，恰恰相反它們之間有非常緊密的聯絡。當下雲計算不可謂不是一種另一個火熱的方向，當然雖然這個方向很火熱，但對普通玩家來說其實沒什麼機會了。我們言歸正題，具體來講講什麼是雲計算，以及雲計算能幹嘛，能給我們帶來什麼價值。雲計算籠統來說，我認為是基礎設施的統一化，資源化管理，當然這樣的目的無非就是那兩個永恆的話題: 效率、成本。正如我們前面說到的海量資料的儲存需要大資料工具，而這些大資料工具的底層就是硬碟、是記憶體。而這些硬體資源正是雲計算領域裡面管理的。目前雲計算主要分為三層1. Iaas 硬體即服務 2.Paas 平臺即服務 3.Saas 其中Iaas層主要是硬體資源的管理，比如硬碟的管理、記憶體的管理、網路裝置的管理等等。為代表的當屬AWS、阿里雲 。他們帶來的最直接的收益就是隨著硬體資源的統一化、標準化、自動化、甚至於說即將到來的智慧化管理，會很大程度的提高資源利用率，節約成本。以前我們部署服務或許還要從IBM買臺伺服器，然後找上海XX機房安裝、配置等等一系列反鎖的體力勞動。而現在我們只需要開啟阿里雲APP點幾下手指，就能獲得一個伺服器，改變之大，確實不可同日而語。Paas層更多的想必是軟體開發相關人員在用，其實paas層做的事情就是在Iaas層的基礎上，對計算資源比如記憶體，硬碟等進行了進一步的隔離與拆分。比如在8M的記憶體上，有4M跑的是python服務，剩下4M跑的是java而這兩者之間不相互影響，這就是Paas層在做的事情。目前業界吵的最火的，當屬容器生態。代表的有docker、 k8s等等。 最後Saas層就是我們使用者最接近的層面了，Saas層具體含義是軟體即服務。也就是們日常用的各類軟體，我這裡列出來最具有代表性的兩個: 微信、釘釘。當然微信的野心與生態是超出Saas層的，這裡也不非要講個青紅皂白。大家理解就好。 此外，基於雲計算還衍生出了很多新的概念與產品比如Daas 設計即服務等等。

無論是前面說的雲計算、還是大資料，其實都可以歸納到資源裡面，雲計算是一種建立在軟硬體基礎上的計算資源，大資料是長期積累起來的資料資源，在人工智慧到來之前，這兩種資源其實就已經發揮其作用了，很多傳統大公司也有自己的資料分析、決策部門。但這之前這種價值是有限的，是在一定程度上可以被預估的。相信搞人工智慧的同學都知道，其實在深度學習演算法之前有一些傳統的機器學習演算法也表現很強勢，典型的如SVM(支援向量機) 、決策樹 、K-means等等，這些演算法以前也廣泛應用與資料分析與商業決策，但是都沒有獲得如今的熱度與追捧。直到深度學習演算法逐漸成熟，表現強勢，在很多領域都超過了傳統的演算法模型之後，這一輪的人工智慧才正真被學術界與商業界所認可，逐漸走上革命的舞臺，也正在潛移默化的改變著我們的生活。從目前的趨勢來看，人工智慧已經是一趟出發的列車了，而為這輛列車提供動力的不僅僅是各大軟硬體廠商，最關鍵的是各國政府，很多國家都已經將人工智慧的發展拉入到國家的發展戰略裡面，以我過為代表提出的全面數字化轉型、智慧製造2025等等戰略裡面，我們都可以清晰的看到人工智慧在國家戰略層面的重要意義。 回過頭來在深入到人工智慧的技術層面，目前的人工智慧演算法主要以機器學習演算法與深度學習演算法為主。在不同的領域，基於不同的資料集，這兩種演算法訓練出來的模型也各有所優劣。但不管是機器學習還是深度學習的訓練，其實有兩個很關鍵的因素1. 計算資源2.資料資源。 是的，沒錯，這兩者正是我們前面講到的雲計算與大資料。雲計算軟硬體為基礎，為人工智慧演算法提供了基礎的計算資源，目前表現最好的就屬於基於英偉達的GPU的計算平臺。當然光有計算資源還不夠，還需要海量的特徵化資料。而這正就是經過加工、清洗過的大資料資源。另外，此處強調一點，那就是對於沒處理過的，髒資料比較的資料集，想要得到好的訓練結果，可能性是比較小的。 在半年前我做過一比喻將雲計算比作為供養靈魂的軀殼，將大資料比喻為靈魂的養料，而人工智慧就是一個個鮮活的四處暢遊的靈魂。這些靈魂每一個都有自己獨立的思想，擅長某一個細分的領域與方向。

不管是雲計算、大資料、還是人工智慧，在一個企業的數字化轉型中其實都是迫切需要引進的先進技術，不管是從國家戰略層面來講，還是從科趨勢革命的角度來講，這都是我們都需要了解的知識，因為它將會影響我們所有人。當然，能夠利用這些關鍵技術，完成數字化、智慧化轉型的企業，重量獲得更大的利潤，獲得更廣闊的發展空間！

企業其實可以將大部分內容都上雲，對於公開或者保密級別比較低的檔案可以放在公有云上，保密等級高的放在私有云上，這樣員工可以從任意位置訪問需要的公司內容，十分方便。同時對於算力的需求也可以透過伺服器保證，無需為員工配備高效能筆記本或者桌上型電腦裝置，只需要保證機房伺服器效能穩定可靠即可。

雲計算對於公司來說是加速器，可以簡化目前的裝置管理和更新制度，相較於本地開發和工作，雲上的工作環境和效能都要更優一點。