人工智能也好、大數據也好、物聯網以及雲計算也好，彼此之間皆存在著千絲萬縷的關係！
這裡簡單以當下風風火火的人工智能為例！
人工智能（Artificial Intelligence）簡稱AI，AI能根據大量的歷史資料和實時觀察（real－time observation）找出對於未來預測性的洞察（predictive insights）。
如今人工智能商業化正在快速推進中，比如我們所知道和了解的人像識別、圖象識別技術等。
此類技術也已經在金融、物聯網行業得到廣泛應用！
對於未來而言，人工智能會在人類生活的方方面面，發揮越來越多的作用，也會刷更多的存在感，慢慢的更會懂我們很多。
不遠的將來會有越來越多的自動化的系統出現，比如刷臉支付已經在來的路上了！
不得不說的人工智能背後的基石：大數據
大數據是人工智能的基石，目前的深度學習主要是建立在大數據的基礎上，即對大數據進行訓練，並從中歸納出可以被計算機運用在類似數據上的知識或規律。
簡單而言何為大數據？
雖然很多人將其定義為“大數據就是大規模的數據”。
但是，這個說法並不準確！
“大規模”只是指數據的量而言。
數據量大，並不代表著數據一定有可以被深度學習算法利用的價值。
例如：地球繞太陽運轉的過程中，每一秒鐘記錄一次地球相對太陽的運動速度、位置，可以得到大量數據。可如果只有這樣的數據，其實並沒有太多可以挖掘的價值！
大數據這裡我們參閱馬丁·希爾伯特的總結，今天我們常說的大數據其實是在2000年後，因為信息交換、信息存儲、信息處理三個方面能力的大幅增長而產生的數據：
信息交換：據估算，從1986年到2007年這20年間，地球上每天可以通過既有信息通道交換的信息數量增長了約217倍，這些信息的數字化程度，則從1986年的約20%增長到2007年的約99.9%。在數字化信息爆炸式增長的過程裡，每個參與信息交換的節點都可以在短時間內接收並存儲大量數據。
信息存儲：全球信息存儲能力大約每3年翻一番。從1986年到2007年這20年間，全球信息存儲能力增加了約120倍，所存儲信息的數字化程度也從1986年的約1%增長到2007年的約94%。1986年時，即便用上我們所有的信息載體、存儲手段，我們也不過能存儲全世界所交換信息的大約1%，而2007年這個數字已經增長到大約16%。信息存儲能力的增加為我們利用大數據提供了近乎無限的想象空間。
信息處理：有了海量的信息獲取能力和信息存儲能力，我們也必須有對這些信息進行整理、加工和分析的能力。谷歌、Facebook等公司在數據量逐漸增大的同時，也相應建立了靈活、強大的分佈式數據處理集群。
大數據在應用層面：大數據往往可以取代傳統意義上的抽樣調查、大數據都可以實時獲取、大數據往往混合了來自多個數據源的多維度信息、大數據的價值在於數據分析以及分析基礎上的數據挖掘和智能決策。
美國《大西洋月刊》公佈的一段A.I.聊天記錄截圖
延伸閱讀：聊天機器人竟自創語言“對話” 臉書將其緊急關停
實際上人工智能的發展，離不開海量數據進行訓練，究其根本大數據的循環往復無數次的訓練才有了人工+智能！
沒有人工智能的物聯網：沒戲
物流網讓人工智能更準確
物聯網：英文名為Internet of Things，可以簡單地理解為物物相連的互聯網。
物聯網主要通過各種設備（比如RFID，傳感器，二維碼等）的接口將現實世界的物體連接到互聯網上，或者使它們互相連接，以實現信息的傳遞和處理。
對於人工智能而言，物聯網（IoT）其實肩負了一個至關重要的任務：資料收集
概念上，物聯網可連接大量不同的設備及裝置，包括：家用電器和穿戴式設備。嵌入在各個產品中的傳感器（sensor）便會不斷地將新數據上傳至雲端。這些新的數據以後可以被人工智能處理和分析，以生成所需要的信息並繼續積累知識。
互聯網在現實的物理世界之外新建了一個虛擬世界，物聯網將會把兩個世界融為一體。
物聯網的終極效果是萬物互聯，不僅僅是人機和信息的交互，還有更深入的生物功能識別讀取等等！
更懂人工智能和CDN的視界雲