謝邀。

關於大數據和人工智慧彼此之間的關係，先貼一個標準答案：去年阿里研究院與BCG共同推出的《人工智慧：未來制勝之道 》報告中，關於大數據和人工智慧關係的觀點：

當然我們也不是要人云亦云，我們先來看大數據的發展簡史。

大數據的演進，首先隨著多年前企業信息化進程，傳統的關係型資料庫、EDW、BI、數據集市等姑且稱為「數據 1.0」的技術在傳統行業已經非常成熟，但是google、yahoo等互聯網巨頭崛起了，他們相當於一個巨大的連接器，把幾乎整個互聯網的信息（數據）都連接起來，傳統的RMDBS方案根本無法應對這種海量數據場景。於是google等巨頭開始另闢蹊徑，採取新的範式去處理、應用這些數據，如google最早的bigtable，後來部分這些技術被開源出來，構成了hadoop等構成當今大數據技術體系事實標準的生態體系。可以說是互聯網獨特的連接業態使得數據科學蓬勃發展，總體上可以說互聯網巨頭當今是技術過剩的，技術開始普惠到傳統產業中，在部分富數據的行業，如電信運營商、商業銀行中得到了廣泛的應用，整體逐漸邁向了「數據2.0」階段。

從「數據1.0」到「數據2.0」的歷史進程上看，互聯網一方面是大數據技術的發源地，另一方面互聯網本身在大量的垂直場景中形成了海量的數據，如社交、電商、出行、外賣.....下面是我此前公眾號寫的一篇文章的配圖，數據的本質是以人與「其他事物」之間數字化連接下的信息副產物，互聯網業態讓人和信息、其他人以及服務產生了數字化連接以及其副產物數據，並且沉澱了技術，技術被擴張到傳統產業中，形成了物聯網和產業互聯網，連同這兩個新領域最終匯聚出一片廣闊的大數據海洋。

以上就是一個極簡的大數據發展簡史。其實很早開始，人們就希望挖掘數據背後的價值，包括用於決策分析、預測，於是有了數據挖掘，以及各種機器學習，目的是通過數據讓機器掌握某種自動化能力，這就是人工智慧的前夜。

隨著場景數據的豐富，最終量變引起了質變。熟悉人工智慧中深度學習的朋友應該知道，這貨之前在機器學習領域早存在了，具備了海量的數據，以及足夠的算力用於神經網路的訓練，深度神經網路一舉突破了以往所有機器學習演算法的瓶頸，在圖像識別、語音識別方面把準確率推到了新高峯。另外，又如在交通這個垂直場景，以前壓根沒有足夠的數據，但現在通過滴滴的海量數據，使得交通智能化成為了可能。

所以說互聯網催生了大數據，而大數據催生了人工智慧，數據的海洋讓人工智慧有了豐富的養分去成長。

最後回應題主問題的另外一點，簡單說下這兩個領域的未來方向。

首先是大數據，我認為近期重要的方向還是連接和知識圖譜的應用。目前數據還是存在嚴重的割裂和孤島，如何促進不同領域之間的數據共享流通是個大方向；另外知識圖譜也是大數據的一個重要方向，如何將人類的數據轉變為機器能讀懂的數據（圖譜），這樣才能催生更多人工智慧應用，這方面需要建立完整的行業知識圖譜，目前國內有不少優秀的團隊在做金融等領域的知識圖譜，有興趣可以關注一下。

人工智慧方面，未來發展方向無疑是通用智能，這也是谷歌deepmind和馬斯克的openAI竭力追求的目標。當然通用智能離不開大數據，如何將人類的整體知識讓渡給機器，這是知識圖譜要解決的問題，另外就是新演算法的發明，如各類遷移學習等，當然目前這方面還是起步階段。

謝邀。

首先需要說一下的就是，個人沒有標準答案，而且我也不認為有所謂的標準答案。

所以，我還是說說自己的想法和看法。

我們都知道，馬雲喜歡說「下個時代是數據時代，數據是下一個石油、能源」諸如此類的話，而李彥宏這半年來說喜歡說的就是「All in AI，下一個時代是人工智慧時代」諸如雲雲。

然後他兩有時候就為這個觀點掐起來，或者其他人人為的把他們掐起來。

但我感覺他兩說的都沒毛病。說是數據時代，現在大數據已經在互聯網算是應用很多了，但是要說「時代」這個詞，如果不走到線下，與線下場景結合，永遠都不能冠之以「時代」一次。

而人工智慧這一年來，陸續被李彥宏的無人車、阿法狗等刷屏，然後大夥兒就感覺「機器人馬上要叛變，世界末日了」，讓我頓時想起了《機械公敵》。

但其實，個人認為雖然人工智慧的應用陸續有突破，但是同樣，一方面是他覆蓋的面還很窄，其次，要說智能真的還不智能，應該還是有很長一段路要走。

再回到大數據與AI的關係，我們先來解決一個問題：大數據是什麼？

個人認為大數據應該包含這幾個元素：

1 數據產生的足夠迅速、以及多，包括當前互聯網的數據自然就不用多說，而未來更應該包括各種感應器產生的數據，比如物聯網的各種感應節點，又比如跟AI很近的 無人車上各種感應器獲取的數據，這就是上面我說的走到線下。

2 計算能力足以支撐，這就包括軟硬兩個層面，硬體層面自然不用多說，硬體發展這麼多年，價格算是很厚道的了，在軟體層面，隨著hadoop生態的崛起，基本也解決了計算問題。

3 基於數據的落地應用，互聯網行業對數據的價值衍生挖掘 其實做了好多年了，現在需要解決的就是大數據能不能解決線下的問題。

那麼，我們再來看人工智慧是什麼，面太大 不好說，我們就以無人駕駛汽車和阿法狗來說。

上層的表現形態為，一個是智能駕駛，另一個是智能圍棋對戰，都是無人操作。

但是！

是的，我要說的是但是，他們的智能能力是如何達到的。

以阿法狗來說，基本上市面上有名氣點的對弈過程，都是他的訓練語料，這個數據量，這個分散式計算的過程，難道你敢說不是屬於大數據範疇？

以無人駕駛汽車來說，你以為它就這麼聰明知道識別障礙物、如何知道該走哪條路，如何進行行為決策，知道進行判斷？那是因為它通過N多的數據進行障礙物的識別，對所有道路進行了計算，來達到判斷的目的，不然它憑什麼能夠自動駕駛。

所以，你還認為大數據與人工智慧沒有關係嗎？

在我認為，大數據的概念更多的是圍繞數據來說的，是一整個數據處理的解決方案，偏重於數據體現的價值。

而人工智慧顯然是一個更偏應用層級的定義，不可否認的是，其底層的智能嚴重依賴於數據的輸入計算，從而得出決策。

可以說，大數據是人工智慧的基石，並且從稍微長遠一點來看，未來一定是先有數據化纔有智能化。

如果數據的收集(衍生到線下)、量化問題沒有解決，這裡是線下的數據線上化、可計算化，那麼人工智慧這東西就無從談起，要麼也只是小範圍的應用而已，遠不能夠達到普及的水平。

首先，從當前互聯網發展的基本面來看，未來大數據和人工智慧將是一個重要的發展方向，一方面互聯網需要大數據來完成其價值的承載，另一方面人工智慧將進一步拓展互聯網的應用邊界，進一步推動互聯網脫虛向實，所以說大數據和人工智慧的發展也是互聯網發展的一個必然的結果。

大數據作為未來的重要發展方向之一已經得到了科技界的廣泛認可，究其原因主要有三個方面，其一是大數據開闢出了新的價值空間；其二是大數據能夠打造出新的產業生態，進而培育出一系列產業鏈；其三是大數據能夠全方位地為傳統行業的發展賦能，行業應用前景非常廣闊。

目前大數據技術體系結構已經趨於成熟，隨著大數據開始逐漸落地應用，基於大數據的產業生態也會逐漸成熟。大數據能否順利落地到產業領域，還與物聯網、雲計算有密切的關係，所以大數據的發展也能夠促進物聯網和雲計算的發展。

人工智慧是當前科技領域的熱門方向，一方面物聯網、雲計算、大數據等一眾技術最終都指向了人工智慧技術，另一方面人工智慧將在很大程度上促進生產力水平的提升，所以目前傳統行業對於人工智慧的呼聲也比較高。所以，人工智慧的發展也是科技發展的一種必然。

相對於大數據技術來說，人工智慧技術目前尚處在行業發展的初期，目前人工智慧領域的人才培養也主要以研究生教育為主，所以如果想進入人工智慧領域發展，可以考慮讀一下相關方向的研究生。

我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智慧領域，我會陸續寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。

如果有互聯網、大數據、人工智慧等方面的問題，或者是考研方面的問題，都可以在評論區留言，或者私信我！

大數據是法力值。人工智慧是法術。未來前景就是相輔相成。更強的法術需要更多的法力值，再多法力值也只有靠放出法術才能轉化成價值。

瞭解大數據與人工智慧的未來發展趨勢，我們從來好好捋一捋大數據和人工智慧的概念和研究方向。

1、大數據

大數據是物聯網、Web系統和信息系統發展的綜合結果，其中物聯網的影響最大，所以大數據也可以說是物聯網發展的必然結果。大數據相關的技術緊緊圍繞數據展開，包括數據的採集、整理、傳輸、存儲、安全、分析、呈現和應用等等。目前，大數據的價值主要體現在分析和應用上，比如大數據場景分析等。

2、人工智慧

人工智慧是典型的交叉學科，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。人工智慧的核心在於「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慧研究的主流方向。

3、大數據與人工智慧

大數據和人工智慧雖然關注點並不相同，但是卻有密切的聯繫，一方面人工智慧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慧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（人工智慧產品），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。

目前大數據相關技術已經趨於成熟，相關的理論體系已經逐步完善，而人工智慧尚處在行業發展的初期，理論體系依然有巨大的發展空間。從學習的角度來說，如果從大數據開始學習是個不錯的選擇，從大數據過渡到人工智慧也會相對比較容易。人工智慧涉及的領域非常廣泛，工業、航天、商業都有應用，並且已經深入人們的生活，打開手機中的Cortana或者Siri，這就是AI的產物。

分析讓大量的數據有了價值，機器開始懂得用戶想要什麼，可以預測未來的天氣和球賽的比分，這種人工智慧與場景的結合，要實現的就是改變生活方式和解放生產力。具體來說，很多過去只有人能做的事情，現在更多的情況下能夠通過機器實現，典型的例子包括語音助手、無人駕駛汽車。更重要的是，當硬體性能逐漸提升、計算資源越來越強大時，成本卻越來越低廉。

4、兩者的未來發展方向

聚焦新零售

在最近的大數據和人工智慧的應用熱潮中，幾乎沒有哪個領域像零售業這樣可以讓企業受益。無論是沃爾瑪還是當地的母嬰店，各地的企業似乎都在利用這些技術來降低管理費用，同時擴大業務範圍。例如，客服人員可能會被人工智慧助理徹底取代，但更重要的是，零售商可以通過人工智慧跟蹤他們的庫存，而消費者的興趣很快就會發生革命性的變化。隨著越來越多的零售商將大數據和人工智慧應用到他們的商業模式中，預計這個行業現在可以利用人力和機器的力量來獲得更多的利潤。

聊天機器人應用越來越廣泛

Facebook，Skype和Slack等公司都在其服務中添加了聊天機器人，他們對消費者來說非常有趣，包括法律幫助熱線，技術創新讓聊天機器人越來越智能。這意味著它們可以為人們解析法規，通過有效的診斷來指導患者。

如果大數據繼續以目前的高速度增長，那麼預計在日前使用的社交媒體平臺上將會有應用更廣泛的聊天機器人。這可能比人們想像得還要快，這些由 人工智慧技術 驅動的機器人可能會更加有效地與人們聊天，人們甚至可能無法判斷是否正在與另一個人交談。

人工智慧和雲計算的結合

隨著越來越多的企業採用人工智慧解決方案以應對其業務困境，其中許多公司將尋求加強其IT基礎設施，並將業務轉向雲端。隨著大數據應用者的規模越來越大，人工智慧越來越成為一種主流，隨之而來的數據需求將給企業的本地伺服器帶來更大的負擔，這意味著他們需要在別處滿足他們的數據需求。

雲計算非常適合幫助滿足和管理這些不斷增長的需求，因為內部部署的伺服器和數據管理對於企業來說變得過於混亂並且成本高昂。

更加智能的市場營銷

市場營銷是利用大數據的力量革命化的關鍵領域之一，通過梳理大量的數據，企業能夠比以往任何時候都更準確地針對特定的消費者，將廣告和交易直接發送到潛在消費者的郵箱或家門口。

隨著越來越多的公司試圖利用自動演算法來分類數據以找到潛在的客戶，人工智慧領域將受益於行業投資的增加。而實時定位可以為正確使用的公司帶來20%以上的銷售機會，這意味著採用人工智慧可以獲得十分豐厚的利潤。

暗數據的新紀元

隨著大數據的增長，利用暗數據獲得商業成功的機會也將隨之增加。所謂的暗數據就是企業正常商業活動期間蒐集，處理，存儲的數據。但這些數據通常無法用於諸如分析，商業關係或者是直接變現獲利等目的。對於並不熟悉人工智慧和數據管理領域的許多人來說，這種數據不斷被證明是有用的。暗數據可能難以讓人理解，但隨著越來越多的企業投資人工智慧，這些迷惑可能就會消散，並導致人們對正在進行的數據革命的熱情更高。

瞭解大數據與人工智慧的未來發展趨勢，我們從來好好捋一捋大數據和人工智慧的概念和研究方向。

1、大數據

大數據是物聯網、Web系統和信息系統發展的綜合結果，其中物聯網的影響最大，所以大數據也可以說是物聯網發展的必然結果。大數據相關的技術緊緊圍繞數據展開，包括數據的採集、整理、傳輸、存儲、安全、分析、呈現和應用等等。目前，大數據的價值主要體現在分析和應用上，比如大數據場景分析等。

2、人工智慧

人工智慧是典型的交叉學科，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。人工智慧的核心在於「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慧研究的主流方向。

3、大數據與人工智慧

大數據和人工智慧雖然關注點並不相同，但是卻有密切的聯繫，一方面人工智慧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慧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（人工智慧產品），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。

目前大數據相關技術已經趨於成熟，相關的理論體系已經逐步完善，而人工智慧尚處在行業發展的初期，理論體系依然有巨大的發展空間。從學習的角度來說，如果從大數據開始學習是個不錯的選擇，從大數據過渡到人工智慧也會相對比較容易。人工智慧涉及的領域非常廣泛，工業、航天、商業都有應用，並且已經深入人們的生活，打開手機中的Cortana或者Siri，這就是AI的產物。

分析讓大量的數據有了價值，機器開始懂得用戶想要什麼，可以預測未來的天氣和球賽的比分，這種人工智慧與場景的結合，要實現的就是改變生活方式和解放生產力。具體來說，很多過去只有人能做的事情，現在更多的情況下能夠通過機器實現，典型的例子包括語音助手、無人駕駛汽車。更重要的是，當硬體性能逐漸提升、計算資源越來越強大時，成本卻越來越低廉。

4、兩者的未來發展方向

聚焦新零售

在最近的大數據和人工智慧的應用熱潮中，幾乎沒有哪個領域像零售業這樣可以讓企業受益。無論是沃爾瑪還是當地的母嬰店，各地的企業似乎都在利用這些技術來降低管理費用，同時擴大業務範圍。例如，客服人員可能會被人工智慧助理徹底取代，但更重要的是，零售商可以通過人工智慧跟蹤他們的庫存，而消費者的興趣很快就會發生革命性的變化。隨著越來越多的零售商將大數據和人工智慧應用到他們的商業模式中，預計這個行業現在可以利用人力和機器的力量來獲得更多的利潤。

聊天機器人應用越來越廣泛

Facebook，Skype和Slack等公司都在其服務中添加了聊天機器人，他們對消費者來說非常有趣，包括法律幫助熱線，技術創新讓聊天機器人越來越智能。這意味著它們可以為人們解析法規，通過有效的診斷來指導患者。

如果大數據繼續以目前的高速度增長，那麼預計在日前使用的社交媒體平臺上將會有應用更廣泛的聊天機器人。這可能比人們想像得還要快，這些由 人工智慧技術 驅動的機器人可能會更加有效地與人們聊天，人們甚至可能無法判斷是否正在與另一個人交談。

人工智慧和雲計算的結合

隨著越來越多的企業採用人工智慧解決方案以應對其業務困境，其中許多公司將尋求加強其IT基礎設施，並將業務轉向雲端。隨著大數據應用者的規模越來越大，人工智慧越來越成為一種主流，隨之而來的數據需求將給企業的本地伺服器帶來更大的負擔，這意味著他們需要在別處滿足他們的數據需求。

雲計算非常適合幫助滿足和管理這些不斷增長的需求，因為內部部署的伺服器和數據管理對於企業來說變得過於混亂並且成本高昂。

更加智能的市場營銷

市場營銷是利用大數據的力量革命化的關鍵領域之一，通過梳理大量的數據，企業能夠比以往任何時候都更準確地針對特定的消費者，將廣告和交易直接發送到潛在消費者的郵箱或家門口。

隨著越來越多的公司試圖利用自動演算法來分類數據以找到潛在的客戶，人工智慧領域將受益於行業投資的增加。而實時定位可以為正確使用的公司帶來20%以上的銷售機會，這意味著採用人工智慧可以獲得十分豐厚的利潤。

暗數據的新紀元

隨著大數據的增長，利用暗數據獲得商業成功的機會也將隨之增加。所謂的暗數據就是企業正常商業活動期間蒐集，處理，存儲的數據。但這些數據通常無法用於諸如分析，商業關係或者是直接變現獲利等目的。對於並不熟悉人工智慧和數據管理領域的許多人來說，這種數據不斷被證明是有用的。暗數據可能難以讓人理解，但隨著越來越多的企業投資人工智慧，這些迷惑可能就會消散，並導致人們對正在進行的數據革命的熱情更高。

大數據方向其實就是如何處理規模較大的數據即：方法 + 數據，人工智慧方向說簡單點就是人工產生的智能演算法即：方法。所以你應該明白了？大數據領域中可以加入人工智慧的方法。僅此而已。

推薦閱讀：
相關文章