光环大数据可视化班7.28正式开班
数据生态系统在2017年终于实现了火力全开。本文为大家提供了一个有关大数据领域详细的“国情咨文”，以及投资机构针对这一行业的见解和关键趋势。本文初发布于Matt Turck博客，经原作者授权由InfoQ中文站翻译并分享。
写在前面
身为数据极客，在2017年应该能感觉很幸福。
去年，我们曾经问过大家“大数据还是个值得关注的大事吗?”，并注意到由于大数据更像是一种“系统化工程”，因此在企业的接受速度方面要落后于整个业界的炒作。大数据技术用了多年时间进行演化，才从一种看起来很酷的新技术变成企业在生产环境中实际部署的核心企业级系统。
大数据
2017年，我们已经很适应这样的部署阶段。“大数据”这个词正在逐渐淡出我们的视野，但这种技术本身还在飞速扩张。各行各业的各种轶事和证据证明相关产品越来越成熟，在越来越多的财富1000强企业内开始投入实用，很多初创公司借助这些技术快速实现了收入增长。
与此同时，宣传炒作的泡沫开始毋庸置疑地转向了这个生态系统中机器学习和人工智能等领域。过去几个月来，人工智能领域涌现出一种“大爆炸”式的集体意识，这一情况与几年前大数据技术的“遭遇”相差无几，不过发展速度更快。
从另一个角度来看，2017年也是激动人心的一年：望穿秋水的IPO。今年头几个月，大数据领域的初创公司在这方面活动频频，并得到了公开市场的热切欢迎。
总的来说，数据生态系统在2017年终于实现了火力全开。与以往每年一样，我们将通过一年一次的大数据领域回顾为大家提供一个详细的“国情咨文”，将我们针对这一行业的见解总结为关键趋势奉献给大家。
开始吧!
上层趋势
大数据 + 人工智能 = 全新技术栈
任何风险投资机构有幸看到的各种宣传都能证明，2016年，每家初创公司都在变身成为“机器学习公司”，“.ai”已成为必备的域名，而“等等，我们会通过机器学习技术解决这个问题”已经开始普遍出现在各类集资活动的演示文稿中。
围绕人工智能的、座谈会、邮件，以及微博层出不穷，很多早已在关注机器学习技术的人，他们的反应就好像发现自己当地的某个品牌突然开始了全球化扩张：一方面，倍感骄傲;但另一方面，就好像面对派对上姗姗来迟又装腔作势的人那样表现出明显的厌烦之情，同时做好了不可避免会感到失望的心理准备。
虽然很容易认为这些趋势的发展非常和缓，但该领域所经历的演变是不可避免，并且影响深远的：机器学习正在快速成为很多应用程序中重要的组件。
我们正在见证一个新技术栈的涌现，在这个技术栈中，大数据技术被用于处理数据工程方面的核心挑战，而机器学习技术被用于从数据中提取出价值(以分析见解或操作等形式)。
换句话说：大数据提供了渠道，人工智能提供了我们需要的智能。
当然，这种共生关系并不是什么新事物，但只有少数人有幸能够真正实现。
这些技术正在真正开始变的“民主化”。“大数据 + 人工智能”已经成为很多现代化应用(无论面向普通消费者或企业的应用)的默认技术栈。大量初创公司和一些财富1000强企业都在使用这种新的技术栈(例如JP Morgan的“Contract Intelligence”应用)。
通常来说，云计算是这个“板凳”的第三条腿，但也并非总是如此。这一领域的发展也受到各大云计算巨头的推动，这些巨头们正在举行一场公开的战争，争先恐后地开始提供机器学习云(下文将详细介绍)。
短期来看，是否可以认为民主化会促进人工智能技术的商品化?实际上从技术角度来说，人工智能依然很难。虽然很多工程师正在争先恐后地培养有关人工智能技术的技能，但至少到目前，全球范围内深入钻研这一领域的专家依然很少。
不过这种民主化的趋势至少不会“开倒车”，机器学习技术迟早会从竞争优势“进化”成为一必备要素。而这种趋势对初创公司和大企业都产生了深远的影响。对于初创公司：除非你所开发的人工智能软件是终产品，那么将你自己称呼为一家“机器学习公司”这样的做法很快将变的毫无意义。对于大型企业：如果目前你还没有积极主动地制定“大数据 + 人工智能”的战略(自行实现或与其他供应商合作)，那么你们很快会面临被淘汰的境地。关于大数据，这样的说法已经持续多年了，但随着以大数据技术为基础诞生的人工智能技术飞速发展，这一天只会更快速地到来。
写在前面
身为数据极客，在2017年应该能感觉很幸福。
去年，我们曾经问过大家“大数据还是个值得关注的大事吗?”，并注意到由于大数据更像是一种“系统化工程”，因此在企业的接受速度方面要落后于整个业界的炒作。大数据技术用了多年时间进行演化，才从一种看起来很酷的新技术变成企业在生产环境中实际部署的核心企业级系统。
大数据
2017年，我们已经很适应这样的部署阶段。“大数据”这个词正在逐渐淡出我们的视野，但这种技术本身还在飞速扩张。各行各业的各种轶事和证据证明相关产品越来越成熟，在越来越多的财富1000强企业内开始投入实用，很多初创公司借助这些技术快速实现了收入增长。
与此同时，宣传炒作的泡沫开始毋庸置疑地转向了这个生态系统中机器学习和人工智能等领域。过去几个月来，人工智能领域涌现出一种“大爆炸”式的集体意识，这一情况与几年前大数据技术的“遭遇”相差无几，不过发展速度更快。
从另一个角度来看，2017年也是激动人心的一年：望穿秋水的IPO。今年头几个月，大数据领域的初创公司在这方面活动频频，并得到了公开市场的热切欢迎。
总的来说，数据生态系统在2017年终于实现了火力全开。与以往每年一样，我们将通过一年一次的大数据领域回顾为大家提供一个详细的“国情咨文”，将我们针对这一行业的见解总结为关键趋势奉献给大家。
开始吧!
上层趋势
大数据 + 人工智能 = 全新技术栈
任何风险投资机构有幸看到的各种宣传都能证明，2016年，每家初创公司都在变身成为“机器学习公司”，“.ai”已成为必备的域名，而“等等，我们会通过机器学习技术解决这个问题”已经开始普遍出现在各类集资活动的演示文稿中。
围绕人工智能的、座谈会、邮件，以及微博层出不穷，很多早已在关注机器学习技术的人，他们的反应就好像发现自己当地的某个品牌突然开始了全球化扩张：一方面，倍感骄傲;但另一方面，就好像面对派对上姗姗来迟又装腔作势的人那样表现出明显的厌烦之情，同时做好了不可避免会感到失望的心理准备。
虽然很容易认为这些趋势的发展非常和缓，但该领域所经历的演变是不可避免，并且影响深远的：机器学习正在快速成为很多应用程序中重要的组件。
我们正在见证一个新技术栈的涌现，在这个技术栈中，大数据技术被用于处理数据工程方面的核心挑战，而机器学习技术被用于从数据中提取出价值(以分析见解或操作等形式)。
换句话说：大数据提供了渠道，人工智能提供了我们需要的智能。
当然，这种共生关系并不是什么新事物，但只有少数人有幸能够真正实现。
这些技术正在真正开始变的“民主化”。“大数据 + 人工智能”已经成为很多现代化应用(无论面向普通消费者或企业的应用)的默认技术栈。大量初创公司和一些财富1000强企业都在使用这种新的技术栈(例如JP Morgan的“Contract Intelligence”应用)。
通常来说，云计算是这个“板凳”的第三条腿，但也并非总是如此。这一领域的发展也受到各大云计算巨头的推动，这些巨头们正在举行一场公开的战争，争先恐后地开始提供机器学习云(下文将详细介绍)。
短期来看，是否可以认为民主化会促进人工智能技术的商品化?实际上从技术角度来说，人工智能依然很难。虽然很多工程师正在争先恐后地培养有关人工智能技术的技能，但至少到目前，全球范围内深入钻研这一领域的专家依然很少。
不过这种民主化的趋势至少不会“开倒车”，机器学习技术迟早会从竞争优势“进化”成为一必备要素。而这种趋势对初创公司和大企业都产生了深远的影响。对于初创公司：除非你所开发的人工智能软件是终产品，那么将你自己称呼为一家“机器学习公司”这样的做法很快将变的毫无意义。对于大型企业：如果目前你还没有积极主动地制定“大数据 + 人工智能”的战略(自行实现或与其他供应商合作)，那么你们很快会面临被淘汰的境地。关于大数据，这样的说法已经持续多年了，但随着以大数据技术为基础诞生的人工智能技术飞速发展，这一天只会更快速地到来。
