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。

围绕人工智能的报道、座谈会、新闻邮件，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最重要的组件。

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，可参阅 这里 )。

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最终产品，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。

企业的预算：逐利

过去多年来，在我们与大数据技术的买家和卖家的交谈中，我们发现财富1000强公司中， 越来越多的预算 被用于对核心基础架构进行升级，以及与数据分析有关的技术，大家都对大数据技术给予极大关注。很多分析机构也认同这一结论：IDC 预计 ，到2020年，大数据和分析市场将从2016年的1300亿美元市场规模增长至2030亿美元。

在大数据技术方面，财富1000强公司的很多买家正变的越来越 成熟和理智 。过去多年来，他们已经进行了充分的研究调研，现在已经准备好全面部署了。不仅技术型行业，目前很多行业均是如此。

这种飞速变化的趋势还得到了老技术 自然淘汰周期 的进一步助推，对于大型企业，通常每隔几年就会这样做一次。曾经逆风飞扬(难以剔除或取代原有基础架构)的大数据技术现在正逐渐变的顺势而飞(“我们需要替换过时的技术，市面上最好的同类技术是啥?”)。

当然，很多大企业(“晚期从众者”)依然是大数据领域的“新手”，但这种情况的变化速度变的越来越快了。

企业数据正在陆续上云

就在几年前，如果你建议企业将数据迁移至公有云，大企业的CIO给你的回应大部分只会是“除非我死了”，当时他们顶多只愿意将开发环境，或各种稀奇古怪，非关键的对外应用程序迁移至云端。

但现在他们的看法似乎开始产生变化了，去年以来这种变化非常明显。我们听到了 一种更为开放的心态 ：大家已经逐渐认识到“反正我们的客户数据本来就已经保存在Salesforce的云中”，或者“在网络安全的预算方面，我们的投入与AWS压根儿没得比”，而讽刺的是，过去多年来，对 安全 的顾虑曾是企业接受云计算的主要障碍之一，但云供应商在安全与合规(HIPAA)等方面的辛苦努力终于得到了证明和回报。

毫无疑问，目前离大部分企业数据都保存在公有云中这一目标还有一定距离，但部分原因在于遗留系统和管控制度。

然而演变的趋势是明显的，并且越来越快。云供应商会尽一切努力促进这一过程，甚至提供 搬运海量数据的卡车 。