在教育領域裡有一句話：“專業無好壞，未來靠奮鬥”，雖說學什麼專業最後都要靠自己，但有時選擇確實比努力更重要！

針對“人工智慧和大資料專業”究竟哪個前景更好，我們需要先了解一下下面幾個問題：

這兩個專業到底是什麼？怎麼來的？

人工智慧於1956年問世，是由“人工智慧之父“McCarthy及一批數學家、資訊學家、心理學家、神經生理學家、計算機科學家在達茅斯頓學術會議上提出的。中國2018年4月，教育部在研究制定《高等學校引領人工智慧創新行動計劃》，並研究設立人工智慧專業，進一步完善中國高校人工智慧學科體系。人工智慧屬於社會科學和自然科學的交叉，不是具體某一個學科，該領域的研究主要包括影象識別、語言識別、專家系統、自然語言處理和機器人科學等。所以，想要從事人工智慧方面的工作，可以選擇的專業有：計算機科學、軟體工程、應用數學、智慧科學與技術等。

大資料的名稱來自1980年未來學家托夫勒所著的《第三次浪潮》，大資料概念最初起源於美國，是由思科、威睿、甲骨文、IBM 等公司倡議發展起來的。到了2011年6月，麥肯錫公司釋出了關於“大資料”的報告，對“大資料”的影響、關鍵技術和應用領域等都進行了詳盡的分析。中國大資料隸屬於：計算機科學與技術專業（資料科學與大資料技術方向），本科四年制；

未來就業方向和領域有哪些？

目前人工智慧主要研究內容是：分散式人工智慧與多智慧主體系統、人工思維模型、知識系統（包括專家系統、知識庫系統和智慧決策系統）、知識發現與資料探勘（從大量的、不完全的、模糊的、有噪聲的資料中挖掘出對我們有用的知識）、遺傳與演化計算（透過對生物遺傳與進化理論的模擬，揭示出人的智慧進化規律）、人工生命（透過構造簡單的人工生命系統（如：機器蟲）並觀察其行為，探討初級智慧的奧秘）、人工智慧應用（如：模糊控制、智慧大廈、智慧人機介面、智慧機器人等）等等。

什麼公司會需要？就業方向?

人工智慧

1) 搜尋方向：百度、谷歌、微軟、yahoo等，包括智慧搜尋、語音搜尋、圖片搜尋、影片搜尋等

2) 醫學影象處理：醫療裝置、醫療器械很多都會涉及到影象處理和成像，大型的公司有西門子、GE、飛利浦等

3) 計算機視覺和模式識別方向：前面說過的指紋識別、人臉識別、虹膜識別等、、車牌識別、影片監控是做跟蹤和識別

4) 影象處理方面的人才需求的公司，如威盛、松下、索尼、三星等

5）其他領域

大資料：2019年，大資料最令人矚目的應用領域是健康醫療、城鎮化智慧城市、金融、網際網路電子商務、製造業工業大資料；大資料的最佳拍檔概念是資料科學、機器人和人工智慧、智慧計算或認知計算；中國大資料發展的最主要推動者來自於大型網際網路公司、政府機構。無論是醫療、金融、製造業、工業、電子商務還是城市建設等各個領域，大資料早已滲入且深入到各行各業之中。大資料主要有三大就業方向：大資料系統研發類、大資料應用開發類和大資料分析類。

大資料分析師有兩種崗位定位：

　　1、大資料科學家，Data Scientist，DS

　　2、大資料工程師，Data Engineer，DE

有哪些院校開設了該專業？大學會學什麼？

人工智慧：屬於社會科學和自然科學的交叉，不是具體某一個學科，該領域的研究主要包括影象識別、語言識別、專家系統、自然語言處理和機器人科學等。旨在培養華人工智慧產業的應用型人才。2019年3月，教育部印發了《教育部關於公佈2018年度普通高等學校本科專業備案和審批結果的通知》，根據通知，全國共有35所高校獲首批「人工智慧」新專業建設資格。核心課程：人工智慧、、機器學習、高階作業系統、高階演算法設計、計算複雜性、數學分析、高階計算機圖形、高階計算機網路。

大資料：主要培養大資料科學與工程領域的複合型高階技術人才。畢業生具有資訊科學、管理科學和資料科學基礎知識與基本技能，掌握大資料科學與技術所需要的計算機、網路、資料編碼、資料處理等相關學科的基本理論和基本知識，熟練掌握大資料採集、儲存、處理與分析、傳輸與應用等技術，具備大資料工程專案的系統整合能力、應用軟體設計和開發能力，具有一定的大資料科學研究能力及資料科學家崗位的基本能力與素質。畢業後能從事各行業大資料分析、處理、服務、開發和利用工作，大資料系統整合與管理維護等各方面工作，亦可從事大資料研究、諮詢、教育培訓工作。

人工智慧和大資料都需要較強的數學基礎和學習應用能力，數學不好的同學們最好請勿輕易選擇。

最後一句話送給考生和家長：不是熱門的，薪水高的，所謂好找工作的專業就值得去學，真正值得學的是你理性地衡量了所有標準以後，最適合自己的，才是值得你學的！瞭解完後再根據自己的個人定位、職業方向以及未來資源來具體選擇。

如今是人工智慧的時代，是大資料資訊化時代，馬雲提出的“新零售、新制造、新能源、新技術”等概念正強勢落地，宏偉的佈局早已展開。

何為大資料?何為人工智慧?

大資料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。

人工智慧是指研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術以及應用系統的一門新的技術科學，是由人工製造出來的系統所表現出來的智慧。

如果說大資料相當於人的大腦儲存了海量知識，而人工智慧則是吸收了大量的資料，並不斷的深度分析創造出更大的價值。人工智慧離不開大資料，大資料依託著人工智慧。

大資料與人工智慧

大資料能夠幫助各行各業的企業從原本毫無價值的海量資料中挖掘出使用者的需求，使資料能夠從量變到質變，真正產生價值。隨著大資料的發展，其應用已經滲透到農業、工業、商業、服務業、醫療領域等各個方面，成為影響產業發展的一個重要因素。

無人駕駛汽車技術逐漸成熟、語音語義識別的精度不斷提高、圖形影象識別技術獲得發展、智慧機器人頻頻亮相，AlphaGo與南韓圍棋選手李世石的對弈更是引爆了人們對人工智慧的熱情。隨著消費水平提高和人口老齡化的影響，提供教育、醫療、娛樂等專業化服務的智慧機器人開始倍受關注。

隨著人工智慧的發展，在海量資料中挖掘有用資訊並形成知識將成為可能。未來大資料技術將與人工智慧技術更緊密地結合，讓計算系統具備對資料的理解、推理、發現和決策能力，從而能從資料中獲取更準確、更深層次的知識，挖掘資料背後的價值。

都在吹牛逼

所謂大資料，實際屁大點資料。所謂人工智慧，連豬的智慧都沒有，所謂機器人，機器狗都不如，所謂雲計算，還不如珠心算，所謂智慧識別，還不如沒讀過書的保安，所謂無人駕駛，還不如老馬識途。

下一步牛逼吹上天。

直接吹，人造上帝時代來臨。

大家還不頂禮膜拜！

一方面，5G網路將成為雲計算、大資料、人工智慧、物聯網、邊緣計算等新興技術被工業界進一步廣泛應用的重要承載者；另一方面，5G網路本身也是AICDE、SDN/NFV、切片、編排等新興技術的集大成者。因此，5G與AI及其他共生共進的新興技術也是緊密融合、相互促進的共同體。

站在產業發展角度來看，人工智慧不僅是一種產品或服務，而且是一項基礎性升級技術，可以賦能行業，滲透已有生產服務流程的各環節，實現更高效、低成本的升級目標。人工智慧被認為是第四次科技革命的關鍵性驅動技術，成為賦能各產業向智慧化升級轉型的焦點。

AI與ICDE等技術共生共進

人工智慧作為新興技術，從被工業界關注到逐漸成熟，直至將來被廣泛應用的一般性發展過程來看，人工智慧技術不是橫空出世，更不可能是一枝獨秀，而是與其他新興技術在有機聯絡的環境中自然發生、共生共進。

結合Gartner新興技術成熟度曲線（如圖1所示）可看到，雲計算、大資料、人工智慧、邊緣計算和物聯網等新興技術，按它們在曲線上首次出現的先後順序，對每項技術分析發現，每項技術在進入代表它開始真正沉澱的復甦爬升期和被工業界成熟使用的產品成熟期之前，必然經過技術萌芽期、期望膨脹期、泡沫幻滅期3個階段。不難發現，人工智慧是雲計算和大資料演進的必然，而邊緣計算、物聯網同樣是伴隨人工智慧技術全面爆發後，自然成為工業界廣泛關注的新興技術。這幾者之間必然存在著極強的有機共生與融合共進關係。

雲計算是2008年進入技術萌芽期，經過2009-2011年3年的期望膨脹期，直到2013年和2014年進入泡沫幻滅期，之後逐步向產品成熟期發展，目前雲計算已成為工業企業的IT基礎設施建設中的標準成熟技術。大資料是2011年伴隨雲計算技術發展演進3年後，作為一項專門的新興技術進入技術萌芽期，它是在雲計算提供海量儲存和分散式平行計算能力基礎上，所承載的應用亟需對海量、多樣資料融合關聯與計算處理等場景下，逐步成熟、獨立成為一項專門新興技術。大資料緊隨雲計算的發展步伐，分別在2013年和2014年進入期望膨脹期和泡沫幻滅期。人工智慧是2014年伴隨著雲計算、大資料迅猛發展，在大資料之上的資料科學技術。人工智慧的典型代表出現在期望膨脹期，2015年和2016年人工智慧領域的機器人、機器智慧、機器學習、自然語言問答等技術也迅速得到工業界關注，進入萌芽期、期望膨脹期、泡沫幻滅期。2017年隨著深度學習在計算機視覺、自然語言互動等場景中的廣泛成功應用，人工智慧正式進入全面爆發期，可以說達到了無處不在的程度，同時各國都將人工智慧作為重要的戰略發展技術進行扶持發展。

實際上，自2008年雲計算到2011年大資料，再到2014年人工智慧，工業界新興技術逐步演進發展的過程是一個必然趨勢，也完全符合人工智慧技術本身發展和應用規律。而云計算、大資料、深度學習技術的出現和逐漸廣泛應用，恰好為人工智慧進入工業界開始規模應用提供了得天獨厚的條件。雲計算、大資料為人工智慧中的機器學習演算法提供了充沛有力的CPU叢集和GPU叢集的算力，Hadoop/Spark等分散式資料儲存和平行計算能力、各種成熟的ML工具和演算法包以及開源深度學習演算法框架，都為人工智慧實現有效、快速迭代的機器學習訓練和推理過程提供了重要能力的工業技術基礎，即雲計算、大資料直接推動機器學習、人工智慧由實驗室走向了工業界應用。換言之，三者之間是依次成熟、被工業界應用，進而又被工業界聚焦後續成一個原本內生關聯的技術。客觀講，在雲計算最早出現的時候，大資料及人工智慧相關的技術也已經在研究，只是作為雲計算中的資料處理和智慧化資料科學類高階應用被統一包含在雲計算技術範疇裡。之後隨著雲計算、大資料、人工智慧三者之間被工業界專注的技術範疇越來越清晰，大資料逐步從雲計算中剝離出來，隨後人工智慧作為大資料上的高階應用，又逐步從大資料中剝離出來。

雲計算、大資料、人工智慧3種技術之間，現在產業界基本都預設有明確的專業分工，雲計算更多是IT基礎設施即資源池的建設、管理與服務；大資料更多是海量資料儲存共享和計算能力建設與服務；人工智慧則是基於資料分析的智慧化高階應用。三者之間的有機共生關係，可以形象地類比為：雲計算是土壤、大資料是水和肥料、人工智慧是禾苗和花朵。事實上，2017年人工智慧大爆發，邊緣計算也出現在新興技術曲線的期望膨脹期，2018年邊緣人工智慧也出現在曲線上，這也說明，隨著人工智慧更廣泛的應用與探索，落地模式上越來越接近真實應用場景的需求，工業界不僅關注雲端模式的集中智慧化AI能力的建設與服務，同時關注邊緣和端側的智慧化推理等AI能力，進而形成雲、邊相互協同的完整有效的AI部署和應用方案。

由此可看出，人工智慧技術的發展與應用落地為雲計算和邊緣計算等技術的發展演進提供了新的應用需求場景，所以人工智慧與雲計算、邊緣計算等新興技術不僅是有機共生，更是融合共進的緊密關係。除了雲計算、大資料、邊緣計算，人工智慧與物聯網、5G等新興技術之間也存在共同發展、深度融合的依存關係。物聯網作為一種備受關注和期望的願景，最早在2011年就與大資料一起出現在曲線上，一直髮展延續到2017年和2018年的IoT平臺技術，可以說也是隨著人工智慧、5G等其他新興技術和產業的發展逐步清晰明朗起來。

5G與AI等眾多新興技術深度融合發展

縱覽國際，AI產業和5G產業都已被多國上升為國家戰略，尤其是5G在規則和技術標準制定階段。一方面，5G網路將成為雲計算、大資料、人工智慧、物聯網、邊緣計算等新興技術被工業界進一步廣泛應用的重要承載者；另一方面，5G網路本身也是AICDE、SDN/NFV、切片、編排等新興技術的集大成者。因此，5G與AI及其他共生共進的新興技術也是緊密融合、相互促進的共同體。

據此，各大運營商都明確推出5G與智慧化技術與產業相融合作為5G建設及發展的重要戰略。例如，中國移動遵循融合、融通、融智的發展理念，推出了5G+計劃，將透過推進5G+4G協同發展、5G+AICDE融合創新、5G+Ecology生態共建，實現5G融入百業、改變社會。其中，5G+AICDE的融合創新，打造以5G為中心的泛在智慧基礎設施，實現5G與人工智慧、雲計算、大資料等資訊科技緊密協同。

遵循人工智慧技術的應用規律，中國移動規劃並建設統一人工智慧平臺，將人工智慧與電信行業的運營場景深度融合，積極推動人工智慧規模落地，實現算力、資料和能力共享，賦能內外應用。如圖2所示，人工智慧平臺的建設內容包括：打造基於GPU、CPU等基礎設施資源池的深度學習平臺，提供充沛算力；透過海量資料和場景打磨，內外協同，加速關鍵AI能力的內化、沉澱與共享；發揮公司網路、場景和資料優勢，依託平臺構建生態體系。統一人工智慧平臺的建設，可以集中解決AI發展中算力、能力、資料等關鍵問題，為應用提供載體，透過產研閉環模式實現AI能力快速迭代和持續最佳化；實現對內聚焦網路、市場、服務、安全、管理等五大領域的AI規模化應用，對外實現5G+AI賦能教育、醫療、駕駛、工業、農業等垂直行業和實體經濟，助力公司成為“AI應用先行者”和“AI產業賦能者”。

首先，人工智慧和大資料這兩個專業的前景都比較廣闊，隨著產業結構升級的持續推進，未來大資料和人工智慧專業的人才培養規模會逐漸擴大。

人工智慧與大資料具有密切的聯絡，大資料是人工智慧的重要基礎，二者之間的發展會互相促進。在行業內，大資料工程師的工作內容會涉及到人工智慧技術，而人工智慧工程師在工作中也會使用到大資料技術，所以大資料和人工智慧的技術邊界是比較模糊的，當前也有不少大資料工程師開始轉向人工智慧領域的研發。

大資料專業的重點在於完成資料的價值化，而人工智慧專業的重點在於完成智慧決策，大資料為人工智慧提出決策的基礎，人工智慧為大資料的價值化提供出口。如果把大資料比喻成“石油”的話，那麼人工智慧就可以比喻成“汽車”。

從技術的成熟度上來看，大資料技術目前已經趨於成熟，正處在落地應用的初期，所以當前選擇大資料專業會有一個較為系統的學習過程，可以參考的案例也比較多。當然，由於目前大資料領域依然有很多課題需要攻克，所以當前大資料領域依然以研發型人才需求為主，從業者要想具有更強的崗位競爭力，建議讀一下研究生。

人工智慧相對於大資料技術來說，目前還遠沒有達到技術的成熟期，人工智慧目前依然處在所謂的“弱人工智慧”階段，所以如果選擇學習人工智慧會面臨一定的難度，不僅知識量比較大，學習的週期也會更長一些。實際上，目前不少人工智慧領域的從業者，有大量的工作內容是基於大資料開展的，所以如果想從事人工智慧領域的研發，也可以從大資料開始學起。

大家好，我是Lake，專注大資料技術、網際網路科技見解、程式設計師經驗分享

人工智慧和大資料哪個更有前途？作為一名軟體開發工程師，個人感覺就目前的現狀來看，大資料會更有前途。人工智慧到現在感覺還是一個偽命題，雖然很多公司都打著人工智慧的名號出來進行產品宣講，但真正應用到人們生活的實際應用點還是很少，而那些往往打著人工智慧名號的公司到最後也倒的很快。同時從公司招聘崗位人數來看，招聘大資料相關的人數也比招聘人工智慧方面的人數要多，對於個人就業選擇而言，選擇大資料方面也會更好。

不過在一定程度上，人工智慧有和大資料有著密切關係。人工智慧使用歷史或者實時資料來對機器進行訓練，這個訓練的過程往往伴隨著非常大的資料體量以及很高的計算成本，使用大資料技術可以很好的對這些資料進行儲存和計算。

大資料技術為人工智慧發展奠定基礎，使用大資料技術可以很好的對人工智慧使用的模型進行訓練，一般會先使用大量資料，然後透過相關的機器學習演算法訓練，這些機器學習演算法一般會使用到分散式計算和儲存技術，因為資料量很大，單機的情況已經不能夠滿足對資料的計算和儲存，此時就必須使用到大資料技術來解決這個問題，人工智慧的發展必須需要大資料技術來作為基礎。

目前國內其實有很多網際網路公司都在使用大資料技術，由於公司業務的發展，巨量的資料和業務複雜性都需要大資料技術來解決。分散式儲存系統解決資料量大而單機無法存下的問題，分散式計算解決資料量大單機無法計算的問題，訊息中介軟體降低了業務系統之間的耦合度，提高開發同學相關的開發效率等。可以說，大資料技術，其實在很多公司都有實際的落地場景，對於程式設計師來說，找大資料方面的工作會比人工智慧更具有實際意義，個人在大資料方面的發展前景，也會更好。

人工智慧對於一般同學來說，其入門門檻非常高，你需要有很好的數學知識，同時你對於機器學習相關的演算法的推導和原理你都要數知，人工智慧對於你的學歷還有一定的要求。

總結

總體而言，就目前中國網際網路情況來看，選擇大資料的前景會更好一點，人工智慧的入門門檻太高，不適合一般的同學。而大資料相關技術其實在很多網際網路公司都有很多的使用，這對於大部分同學來說，就是機會。對於個人的發展前景，也會更好。

為了圈錢，現在都會把大資料吹成人工智慧。

從整個行業來說，現在的人工智慧是在吹；而大資料更成熟、務實。在未來，想要發展人工智慧，大資料是基礎，沒有大資料的支撐，人工智慧無法得到充分發展和利用。

基礎設施永不過時，也最有前途。

歷史看大資料和人工智慧

人工智慧的概念早已出現，並且常用的智慧學習演算法和神經網路等，都是上世紀的產物。由於當時計算能力的低效和訓練集的缺失而沒有得到充分發展。

大資料，已經由早先歷史資料篩選、處理和分析，到了如今實時資料處理分析的階段。代表性技術也從Hadoop，演變到成了Spark，Flink等實時處理和計算的技術。

大資料偏向於資料的處理、分析和應用，而人工智慧偏重資料的應用和預測。目前所謂推薦演算法、人想識別等更像是資料分析的產物，需要對比特徵值等；而真正的人工智慧僅僅侷限在少數專門系統，比如阿爾法狗。

人工智慧不神秘

就目前的人工智慧，不僅不神秘，而且並不難。我的好多朋友在做人工智慧，其實不過就是調參工程師；演算法的創新甚至應用的創新，在行業內都是非常稀缺的。

資本需要炒作點，是不是的只要扯上關係彷彿就能賺到錢。但許多人工智慧就是人工智障。比如現在比較成熟的推薦演算法！我淘寶不小心誤點商品，以後就天天給我推薦；看了一個新聞就都是類似新聞。推薦演算法並不懂我，它還不能明白我的一時興起和我對其它內容的渴望。

推薦演算法只會讓人一葉障目…

大資料才是未來，人工智慧無法擺脫低階應用並無法解決倫理問題，只會成為人工智障！

謝邀，在本人開來人工智慧與大資料是相輔相成的，沒有高低之分。眾所周知，人工智慧在前期訓練過程中，需要海量的內容支援，而大資料則為人工智慧提供了這項支援。在人工智慧推理模型成型之後，則能夠更好的幫助大資料在龐大的資料集中有效地獲取到有用的重點資料。所以說，人工智慧與大資料都是未來發展的趨勢，並且它們的發展是並行的，並沒有衝突，並且他們的發展都能夠為我們的生活帶來幫助。