相信大家都聽說過云計算、大數據和人工智能，并且它們之間好像互相有關系：一般談云計算的時候會提到大數據、大數據的時候會提人工智能、談人工智能的時候會提云計算……三者之間相輔相成又不可分割，那么這三者之間到底是怎么一回事呢，今天小編就來講講。 

[[438249]] 

云計算

1、云計算最初的目標

云計算最初的目標是對資源的管理，管理的主要是計算資源、網絡資源、存儲資源三個方面。管理的目標就是要達到空間靈活性和時間靈活性，即我們常說的云計算的彈性。而解決這個彈性的問題，經歷了漫長時間的發展。

時間靈活性：想什么時候要就什么時候要，需要的時候一點就出來了；

空間靈活性：想要多少就有多少。需要一個太很小的電腦，可以滿足；需要一個特別大的空間例如云盤，云盤給每個人分配的空間動不動就很大很大，隨時上傳隨時有空間，永遠用不完，也是可以滿足的。

然后人們發明了一個叫做調度(Scheduler)的算法。通俗一點說，就是有一個調度中心，幾千臺機器都在一個池子里面，無論用戶需要多少CPU、內存、硬盤的虛擬電腦，調度中心會自動在大池子里面找一個能夠滿足用戶需求的地方，把虛擬電腦啟動起來做好配置，用戶就直接能用了。這個階段我們稱為池化或者云化。到了這個階段，才可以稱為云計算，在這之前都只能叫虛擬化。

2、云計算的私有與公有

云計算大致分兩種：一個是私有云，一個是公有云。

私有云：把虛擬化和云化的這套軟件部署在別人的數據中心里面。使用私有云的用戶往往很有錢，自己買地建機房、自己買服務器，然后讓云廠商部署在自己這里。VMware后來除了虛擬化，也推出了云計算的產品，并且在私有云市場賺的盆滿缽滿。

公有云：把虛擬化和云化軟件部署在云廠商自己數據中心里面的，用戶不需要很大的投入，只要注冊一個賬號，就能在一個網頁上點一下創建一臺虛擬電腦。例如AWS即亞馬遜的公有云；例如國內的阿里云、騰訊云、網易云等。

[[438250]] 

云計算基本上實現了時間靈活性和空間靈活性；實現了計算、網絡、存儲資源的彈性。計算、網絡、存儲我們常稱為基礎設施Infranstracture, 因而這個階段的彈性稱為資源層面的彈性。管理資源的云平臺，我們稱為基礎設施服務，也就是我們常聽到的IaaS（Infranstracture As A Service）。

[[438251]] 

大數據

人工智能是典型的交叉學科，研究的內容集中在機器學習、自然語言處理、計算機視覺、機器人學、自動推理和知識表示等六大方向，目前機器學習的應用范圍還是比較廣泛的，比如自動駕駛、智慧醫療等領域都有廣泛的應用。人工智能的核心在于“思考”和“決策”，如何進行合理的思考和合理的行動是目前人工智能研究的主流方向。

1、大數據擁抱云計算

大數據里面的數據，就分三種類型，一種叫結構化的數據，一種叫非結構化的數據，還有一種叫半結構化的數據。

結構化的數據：即有固定格式和有限長度的數據。例如填的表格就是結構化的數據，國籍：中華人民共和國，民族：漢，性別：男，這都叫結構化數據。

非結構化的數據：現在非結構化的數據越來越多，就是不定長、無固定格式的數據，例如網頁，有時候非常長，有時候幾句話就沒了；例如語音，視頻都是非結構化的數據。

半結構化數據：是一些XML或者HTML的格式的，不從事技術的可能不了解，但也沒有關系。

其實數據本身不是有用的，必須要經過一定的處理。例如你每天跑步帶個手環收集的也是數據，網上這么多網頁也是數據，我們稱為Data。數據本身沒有什么用處，但數據里面包含一個很重要的東西，叫做信息（Information）。

數據十分雜亂，經過梳理和清洗，才能夠稱為信息。梳理和清洗就需要這幾個步驟：

第一個步驟叫數據的收集。

第二個步驟是數據的傳輸。

第三個步驟是數據的存儲。

第四個步驟是數據的處理和分析。

第五個步驟是對于數據的檢索和挖掘。

[[438252]] 

2、大數據時代

當數據量很小時，很少的幾臺機器就能解決。慢慢的，當數據量越來越大，最牛的服務器都解決不了問題時，怎么辦呢？這時就要聚合多臺機器的力量，大家齊心協力一起把這個事搞定，眾人拾柴火焰高。

一個小公司需要大數據平臺的時候，不需要采購一千臺機器，只要到公有云上一點，這一千臺機器都出來了，并且上面已經部署好了的大數據平臺，只要把數據放進去算就可以了。

云計算需要大數據，大數據需要云計算，二者就這樣結合了。

[[438253]] 

AI（人工智能）

人工智能是典型的交叉學科，研究的內容集中在機器學習、自然語言處理、計算機視覺、機器人學、自動推理和知識表示等六大方向，目前機器學習的應用范圍還是比較廣泛的，比如自動駕駛、智慧醫療等領域都有廣泛的應用。人工智能的核心在于“思考”和“決策”，如何進行合理的思考和合理的行動是目前人工智能研究的主流方向。

1、機器什么時候才能懂人心

雖說有了大數據，人的欲望卻不能夠滿足。雖說在大數據平臺里面有搜索引擎這個東西，想要什么東西一搜就出來了。但也存在這樣的情況：我想要的東西不會搜，表達不出來，搜索出來的又不是我想要的。

例如音樂軟件推薦了一首歌，這首歌我沒聽過，當然不知道名字，也沒法搜。但是軟件推薦給我，我的確喜歡，這就是搜索做不到的事情。當人們使用這種應用時，會發現機器知道我想要什么，而不是說當我想要時，去機器里面搜索。這個機器真像我的朋友一樣懂我，這就有點人工智能的意思了。

[[438254]] 

2、讓機器學會學習

怎么才能做到這一點呢？人們就想：我首先要告訴計算機人類的推理的能力。你看人重要的是什么？人和動物的區別在什么？就是能推理。要是把我這個推理的能力告訴機器，讓機器根據你的提問，推理出相應的回答，這樣多好？

其實目前人們慢慢地讓機器能夠做到一些推理了，例如證明數學公式。這是一個非常讓人驚喜的一個過程，機器竟然能夠證明數學公式。但慢慢又發現其實這個結果也沒有那么令人驚喜。因為大家發現了一個問題：數學公式非常嚴謹，推理過程也非常嚴謹，而且數學公式很容易拿機器來進行表達，程序也相對容易表達。

因此，僅僅告訴機器嚴格的推理是不夠的，還要告訴機器一些知識。

于是人們想到：機器是和人完全不一樣的物種，干脆讓機器自己學習好了。

機器怎么學習呢？既然機器的統計能力這么強，基于統計學習，一定能從大量的數字中發現一定的規律。

3、大數據與人工智能

如果我們把人工智能看成一個嗷嗷待哺擁有無限潛力的嬰兒，某一領域專業的海量的深度的數據就是喂養這個天才的奶粉。奶粉的數量決定了嬰兒是否能長大，而奶粉的質量則決定了嬰兒后續的智力發育水平。

人工智能需要大量的數據作為“思考”和“決策”的基礎，另一方面大數據也需要人工智能技術進行數據價值化操作，比如機器學習就是數據分析的常用方式。在大數據價值的兩個主要體現當中，數據應用的主要渠道之一就是智能體（人工智能產品），為智能體提供的數據量越大，智能體運行的效果就會越好，因為智能體通常需要大量的數據進行“訓練”和“驗證”，從而保障運行的可靠性和穩定性。

人工智能是程序算法和大數據結合的產物。而云計算是程序的算法部分，物聯網是收集大數據的根系的一部分。可以簡單的認為：人工智能=云計算+大數據。

在云計算與大數據成熟的沃土上誕生的AI可謂是天選之子，隨著新科技時代的到來，人們的生活將會更加緊密地與AI技術、大數據和云計算等新科技粘連在一起，在這種背景下三者的深度融合無疑會使AI與我們的生活之間聯系的更加密切。