從技術的角度講，人工智慧和大資料兩者密不可分，人工智慧基本都是基於大資料，利用機器學習演算法挖掘資料蘊含的規律，從而進行分類，預測，聚類，關聯等，所以後者是前者的基礎，前者是後者的應用。

在技術棧上，大資料可能稍偏底層，它包括資料採集，儲存，資料清洗，資料的快速運算等，常見的技術棧包括用於資料採集的kafka，flume，資料儲存hadoop，hdfs，資料計算儲存spark，hive等，用於排程管理的zookeeper等。

而人工智慧多偏向在應用層，即透過演算法挖掘大資料背後的規律，常見的包括監督學習和非監督學習，前者主要有分類，迴歸等，後者主要有聚類等演算法，當然還有一部分強化學習和深度學習的內容，這裡就不展開細說了，感興趣的小夥伴可以交流！

首先，人工智慧和大資料都是當前的熱點領域，從技術體系結構上來看，大資料與人工智慧之間也有較為密切的關聯關係。至於是選擇大資料還是人工智慧，應該從自身的知識結構、崗位特點以及發展趨勢等多個方面來考慮。

從技術成熟度上來看，大資料技術目前已經趨於成熟，而人工智慧技術目前遠沒有達到成熟的程度，整個人工智慧的技術體系並不完整。所以，如果要想有一個系統的學習過程，選擇大資料技術是比較不錯的選擇。選擇學習大資料技術也會涉及到人工智慧技術，比如機器學習就是大資料分析比較常見的方式，而機器學習也是人工智慧領域的六大主要研究方向之一。

從學習的難易程度上來看，選擇人工智慧方向對於學習者的基礎要求會更高一些，而選擇學習大資料技術對於基礎的要求會稍微少一些。雖然大資料與人工智慧都屬於交叉學科，都對於數學等基礎學科有一定的要求，但是相比於大資料來說，人工智慧對於知識結構的要求要明顯更豐富一些，人工智慧領域的很多研究往往需要持續較長時間才會有所收穫，需要進行大量的理論研究和實驗檢驗，這個過程對於從業者來說也有非常大的壓力。

從人才需求來看，目前大資料領域的人才需求型別更具有多樣性，既需要研究型人才，也需要應用型和技能型人才，所以對於基礎比較薄弱的初學者來說，選擇大資料方向也能夠找到自己的就業崗位。相對於大資料行業來說，目前人工智慧行業的人才需求依然集中在研發型人才，大多數的崗位對於從業者的學歷有一定的要求，所以目前從事人工智慧研發的工程師往往都是研究生畢業。

先來看看這兩個領域的基本概念

人工智慧AI（Artificial Intelligence）

是研究、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技術科學。人工智慧是計算機科學的一個分支，它意圖瞭解人類智慧，生產出一種能以人類智慧類似的方式做出反應的智慧機器，研究領域包括機器人、語言識別、影象識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日趨成熟，應用領域也在不斷擴大。隨著5G、物聯網（IoT）技術的成熟和普及，為人工智慧的爆發性發展打下了基礎。可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的機器實現。人工智慧可以對人的意識、思維過程模擬。人工智慧不是人的智慧，但未來或許能像人那樣思考，也可能超過人的智慧。

人工智慧是極富挑戰性的科學，需要深度的計算機知識、心理學和哲學知識。人工智慧由不同的領域組成，如機器學習，計算機視覺等。總的說來，人工智慧的主要目標是使機器能夠勝任一些通常需要人類智慧才能完成的複雜事務。

應該這麼說，現在是人工智慧剛的起步階段，未來的工作、生活、產業都將是人工智慧的時代。

大資料（Big data）

是指無法在一定時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程最佳化能力的海量、高增長率和多樣化的資訊資產。

IBM提出大資料的5V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

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。

大資料技術的價值不在於掌握龐大的資料資訊，而在於對這些海量資料進行專業化處理。具體來說大資料的價值體現在以下幾個方面：

1、透過大資料可以進行消費者畫像精準繪製

2、擁有大量消費者的企業，可以利用大資料進行精準營銷

3、中小微企業，可以利用大資料做服務轉型

4、傳統企業，需要充分利用大資料的價值，快速轉型、與時俱進，適應網際網路、物聯網時代，否則要被市場淘汰

5、政府和社會服務機構，可以使用大資料進行準確的預測、經濟執行規則的設計和調整、服務模式最佳化等

人工智慧的範疇要比大資料大，要寬泛的多

人工智慧有很多方面要依賴於大資料，比如深度學習、機器學習、演算法最佳化等

人才需求：在人才需求上前者比後者要多很多，但是人工智慧需要的專業型別很多、很繁雜，大資料相對來說還是集中在數學，特別是統計、機率等方向

您可以根據上述二者的關係和差別來做出選擇。

關注W科技，關注最新科技資訊。

本人也是剛進入人工智慧行業，至前也接觸過大資料。我主要從實際工作的需求說一下我的看法，可能過於片面，供參考！

大資料行業現在已經比較成熟了，很多核心的東西也在根據實際的需求慢慢的變化！在運用上也是很廣泛，我們得生活都能夠深刻的感受到。這個時候選擇大資料是個不錯的選擇。由於大資料分類比較多，想要從業的人員必須有個方向，這些方向我們大概可以分為大資料開發，大資料分析，大資料視覺化和大資料運維，不同的方向知識的側重點不同，自然從事的工作也就不同了。需要從事前對每個方向都做一瞭解，選擇適合自己的！

相對於人工智慧，大資料能夠滿足各個不同基礎和學歷的人從事！因為大資料學習起來比人工智慧簡單很多，需要的基礎知識也相對少。對於學歷要求沒有人工智慧嚴格，實際工作中大多數都是本科生，還有很多優秀的大專生和少量的研究生。如果學歷和專業不佔優勢可以選擇大資料方向！

人工智慧，不但聽起來就很高大上，學起來也很高大上，企業用人也很高大上。它是對其他基礎學科要求很高的，尤其是數學知識包括線性代數，機率論，統計學等等。它的核心課程機器學習和深度學習尤其需要紮實的數學知識！

所以這樣就有了一定的門檻。不止是學習的門檻，就業也有門檻，很多公司明確要求碩士以上學習，本科生就要有專業優勢如計算機相關專業數學或者統計學專業，這樣才會有面試的機會。但實際的工作卻沒有什麼高階深奧的，很多人進去了，很可能每天做的事只是修改一些引數。這都很正常！

至於選擇哪個，就要根據自己的條件考慮，如果高學歷好專業，就選擇人工智慧。稍微弱一些就考慮大資料！