相信大家都聽說過雲計算、大資料和人工智能，并且它們之間好像互相有關系：一般談雲計算的時候會提到大資料、大資料的時候會提人工智能、談人工智能的時候會提雲計算……三者之間相輔相成又不可分割，那麼這三者之間到底是怎麼一回事呢，今天小編就來講講。
雲計算
1、雲計算最初的目标
雲計算最初的目标是對資源的管理，管理的主要是計算資源、網絡資源、存儲資源三個方面。管理的目标就是要達到空間靈活性和時間靈活性，即我們常說的雲計算的彈性。而解決這個彈性的問題，經曆了漫長時間的發展。
時間靈活性：想什麼時候要就什麼時候要，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；需要一個特别大的空間例如雲盤，雲盤給每個人配置設定的空間動不動就很大很大，随時上傳随時有空間，永遠用不完，也是可以滿足的。
然後人們發明了一個叫做排程(Scheduler)的算法。通俗一點說，就是有一個排程中心，幾千台機器都在一個池子裡面，無論使用者需要多少CPU、記憶體、硬碟的虛拟電腦，排程中心會自動在大池子裡面找一個能夠滿足使用者需求的地方，把虛拟電腦啟動起來做好配置，使用者就直接能用了。這個階段我們稱為池化或者雲化。到了這個階段，才可以稱為雲計算，在這之前都隻能叫虛拟化。
2、雲計算的私有與公有
雲計算大緻分兩種：一個是私有雲，一個是公有雲。
私有雲：把虛拟化和雲化的這套軟體部署在别人的資料中心裡面。使用私有雲的使用者往往很有錢，自己買地建機房、自己買伺服器，然後讓雲廠商部署在自己這裡。VMware後來除了虛拟化，也推出了雲計算的産品，并且在私有雲市場賺的盆滿缽滿。
公有雲：把虛拟化和雲化軟體部署在雲廠商自己資料中心裡面的，使用者不需要很大的投入，隻要注冊一個賬号，就能在一個網頁上點一下建立一台虛拟電腦。例如AWS即亞馬遜的公有雲；例如國内的阿裡雲、騰訊雲、網易雲等。
雲計算基本上實作了時間靈活性和空間靈活性；實作了計算、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。管理資源的雲平台，我們稱為基礎設施服務，也就是我們常聽到的IaaS（Infranstracture As A Service）。
大資料
人工智能是典型的交叉學科，研究的内容集中在機器學習、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範圍還是比較廣泛的，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、大資料擁抱雲計算
大資料裡面的資料，就分三種類型，一種叫結構化的資料，一種叫非結構化的資料，還有一種叫半結構化的資料。
結構化的資料：即有固定格式和有限長度的資料。例如填的表格就是結構化的資料，國籍：中華人民共和國，民族：漢，性别：男，這都叫結構化資料。
非結構化的資料：現在非結構化的資料越來越多，就是不定長、無固定格式的資料，例如網頁，有時候非常長，有時候幾句話就沒了；例如語音，視訊都是非結構化的資料。
半結構化資料：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。
其實資料本身不是有用的，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資料，網上這麼多網頁也是資料，我們稱為Data。資料本身沒有什麼用處，但資料裡面包含一個很重要的東西，叫做資訊（Information）。
資料十分雜亂，經過梳理和清洗，才能夠稱為資訊。梳理和清洗就需要這幾個步驟：
第一個步驟叫資料的收集。
第二個步驟是資料的傳輸。
第三個步驟是資料的存儲。
第四個步驟是資料的處理和分析。
第五個步驟是對于資料的檢索和挖掘。
2、大資料時代
當資料量很小時，很少的幾台機器就能解決。慢慢的，當資料量越來越大，最牛的伺服器都解決不了問題時，怎麼辦呢？這時就要聚合多台機器的力量，大家齊心協力一起把這個事搞定，衆人拾柴火焰高。
一個小公司需要大資料平台的時候，不需要采購一千台機器，隻要到公有雲上一點，這一千台機器都出來了，并且上面已經部署好了的大資料平台，隻要把資料放進去算就可以了。
雲計算需要大資料，大資料需要雲計算，二者就這樣結合了。
AI（人工智能）
1、機器什麼時候才能懂人心
雖說有了大資料，人的欲望卻不能夠滿足。雖說在大資料平台裡面有搜尋引擎這個東西，想要什麼東西一搜就出來了。但也存在這樣的情況：我想要的東西不會搜，表達不出來，搜尋出來的又不是我想要的。
例如音樂軟體推薦了一首歌，這首歌我沒聽過，當然不知道名字，也沒法搜。但是軟體推薦給我，我的确喜歡，這就是搜尋做不到的事情。當人們使用這種應用時，會發現機器知道我想要什麼，而不是說當我想要時，去機器裡面搜尋。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。
2、讓機器學會學習
怎麼才能做到這一點呢？人們就想：我首先要告訴計算機人類的推理的能力。你看人重要的是什麼？人和動物的差別在什麼？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麼令人驚喜。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，程式也相對容易表達。
是以，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，幹脆讓機器自己學習好了。
機器怎麼學習呢？既然機器的統計能力這麼強，基于統計學習，一定能從大量的數字中發現一定的規律。
3、大資料與人工智能
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資料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，而奶粉的品質則決定了嬰兒後續的智力發育水準。
人工智能需要大量的資料作為“思考”和“決策”的基礎，另一方面大資料也需要人工智能技術進行資料價值化操作，比如機器學習就是資料分析的常用方式。在大資料價值的兩個主要展現當中，資料應用的主要管道之一就是智能體（人工智能産品），為智能體提供的資料量越大，智能體運作的效果就會越好，因為智能體通常需要大量的資料進行“訓練”和“驗證”，進而保障運作的可靠性和穩定性。
人工智能是程式算法和大資料結合的産物。而雲計算是程式的算法部分，物聯網是收集大資料的根系的一部分。可以簡單的認為：人工智能=雲計算+大資料。
在雲計算與大資料成熟的沃土上誕生的AI可謂是天選之子，随着新科技時代的到來，人們的生活将會更加緊密地與AI技術、大資料和雲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。
本文轉載自51CTO，本文一切觀點和機器智能技術圈子無關。
原文連結 免費體驗百種AI能力以及試用熱門離線SDK：【點此跳轉】