参考中国报告网发布的《2017-2022年中国教育大数据行业发展格局现状及竞争战略分析报告》
大数据运营及应用加速落地，AI+大数据注入产业发展新动量
2016 年，我们认为大数据已经开始从概念炒作加速过度到生产力工具，越来越多的应用开始基于大数据技术，以及巨大的数据价值开始被大数据技术所挖掘。同时，除了作为先锋的互联网等新兴行业，传统行业开始加速拥抱大数据，例如汽车、商贸零售、保险、房地产等都已经成为了大数据的重点应用领域。
因此，进入 2017 年，在大数据应用百花齐放的推动下，大数据开始进入大规模的部署阶段，大数据变现通道得到进一步拓宽。从 2016 年的情况来看，财富 1000 强公司已经在纷纷增加预算用于升级核心基础设施以及分析，其关键的关注点正是大数据技术。
预计大数据和分析市场将从 2016年的 1,300亿美元增长到 2020年的超过 2,030亿美元。在大数据应用蓬勃发展的同时，我们注意到大数据本身技术的进步速度有所放缓不再像前几年那样的突飞猛进，而这也意味着大数据技术已经相对成熟。取而代之的是人工智能技术的飞速发展以及相关应用的集中爆发。
2017 年，Alpha Go 在中国乌镇战胜人类的围棋世界冠军，一方面证明了其在围棋方面正式超过现役世界冠军的能力；另一方面，也再次加强了人们对于人工智能技术的追逐以及相关应用的推广。
我们认为，数据挖掘、机器学习在计算能力、数据量的飞速提升的推动下已经成为处理大数据的关键技术，而建立在大数据基础之上的人工智能与大数据将持续保持相辅相成共同发展的关系。
大数据技术步入收获期，大数据+AI 成就智能未来
2017 年大数据版图已经发布，相比于 2016 年变得愈加拥 挤，而 2016 年入选的41 家企业已经被收购。其中大型的并购事件包括 Mobileye 被 Intel 以 153 亿美元收购，AppDynamics被 Cisco以 37亿美元收购，Nimble Storage被 HPE以 12亿美元收购。
2016年，大数据初创企业的总融资达到 148亿美元，继续独占鳌头占据全球技术风险投资约 10%。2017 年第一季度，处于成长阶段的大数据初创企业依然拿到可观的融资。
在产业逐渐成熟的当下，大数据企业上市速度加快，其中 Cloudera 已于 2017年 1季度成功上市。另外，Mulesoft和 Alteryx也于今年实现了上市，相比于 2016年只有 Talend 实现上市，美股大数据企业上市开始加速。我们认为，这一趋势意味着大数据产业链已经成型，在探明和验证潜在的变现通道之后领先公司已经加速成长具备上市条件。
在大数据生态逐渐成熟，大数据变现通道打通数据价值从数据源逐步体现在应用中之后，人工智能在大数据技术以及丰富的数据资源配合机器学习以及数据挖掘的相关算法的发展之下成为新的风口。
随着 Alpha Go在围棋比赛中相继战胜多名人类顶尖棋手，人工智能在发展 60多年以后再次引发科技界的关注，并开始加速发展走向生活应用，覆盖无人车、智能助手、智能客服等领域。在新兴的技术栈中，大数据更加偏重于底层的数据处理和分析，而机器学习等 AI算法在此基础中配合强大的 AI专用计算芯片从数据中提取价值，形成人工智能新的雏形。其中，云计算作为计算基础设施，”大数据+AI”带来应用的智能升级。
其中，亚马逊作为云计算先行者，凭借着其在云计算方面的领先位臵以及所具备大数据分析处理经验，开始提供一站式的人工智能产品。在其 2016 年底的 re:invent 产品发布会上，AWS 正式发布了 AI 产品线，首批产品包括支持 24种语言 47种声音的文本到语音转换服务 Amazon Polly、基于深度学习的图像和人脸识别服务 Amazon Rekognition 以及可编写自然人机交互的 Amazon Lex。
其中，Amazon Lex使用了同样用于 Amazon Alexa的自动语言识别和自然语言理解技术。由于与 AWS 编程环境 Lamda 集成在一起，开发者可以轻松使用 Lex 开发各种聊天机器人和服务机器人，并把这些机器人用于网络应用、即时通信工具，或为手机及物联网设备添加自然语言交互功能。
AWS 开始率先提供基于云的人工智能基础资源和计算能力服务。另外，Google、Apple 等互联网企业以及传统的 IT企业如 IBM、SAP、Oracle等都加快布局人工智能领域。
人工智能建立在复杂的模型如神经网络模型的计算基础之上对并行计算需求巨大，Nvidia、Intel 等传统的芯片厂商开始针对人工智能特别是深度学习等算法开发专用支持大并行计算的芯片而强势进入人工智能领域。目前，CPU+GPU协同计算的模式基本上已经成为了人工智能的标配，因此作为 GPU 龙头的Nvidia 最大化的受益人工智能的快速发展，并有针对性的推出了相关的 GPU 产品。
另外，Google在面对日益增加的深度学习以及神经网络模型算法相关计算需求的情况下开始推出自有的专为人工智能优化的 Tensor Processing Uni（tTPU）芯片。TPU芯片兼具 CPU和 ASIC的优点，在可编程的同时具备比 CPU、GPU、FPGA 更高的效率和更低能耗。人工智能正在掀起一场解放人类终极智能的革命，对整个信息产业无论是软件还是硬件、应用都是一场全新的革命，也意味着全行业重新洗牌的巨大机遇。
另外，人工智能与大数据相辅相成，大数据一方面作为人工智能的底层将继续随着所需的数据量增长以及数据分析提升而继续发展，另一方面人工智能的发展将反过来推动大数据处理和分析技术的快速演进。
DataRobot 是人工智能和大数据结合的典型企业，其核心业务是建立比较各种算法的云服务，以建立有效的预测模型旨在通过自动化水平和易于使用的机器学习计划，试图让用户能够在一小部分时间内构建和部署高度精确的机器学习模型。产品包括 DataRobot Cloud和 DataRobot Enterprise。
DataRobot Cloud 使用户无需数据科学专业背景也能在几分钟内构建世界级模型，并能提供定制化的云服务。
DataRobot Enterprise 通过企业功能扩展了平台的价值，包括灵活的部署、治理、培训和支持，提供端到端的解决方案。 应用层面，在面向保险、银行、医疗保健、金融科技、能源等行业都提供了相应的解决方案。
大数据运营及应用加速落地，AI+大数据注入产业发展新动量
2016 年，我们认为大数据已经开始从概念炒作加速过度到生产力工具，越来越多的应用开始基于大数据技术，以及巨大的数据价值开始被大数据技术所挖掘。同时，除了作为先锋的互联网等新兴行业，传统行业开始加速拥抱大数据，例如汽车、商贸零售、保险、房地产等都已经成为了大数据的重点应用领域。
因此，进入 2017 年，在大数据应用百花齐放的推动下，大数据开始进入大规模的部署阶段，大数据变现通道得到进一步拓宽。从 2016 年的情况来看，财富 1000 强公司已经在纷纷增加预算用于升级核心基础设施以及分析，其关键的关注点正是大数据技术。
预计大数据和分析市场将从 2016年的 1,300亿美元增长到 2020年的超过 2,030亿美元。在大数据应用蓬勃发展的同时，我们注意到大数据本身技术的进步速度有所放缓不再像前几年那样的突飞猛进，而这也意味着大数据技术已经相对成熟。取而代之的是人工智能技术的飞速发展以及相关应用的集中爆发。
2017 年，Alpha Go 在中国乌镇战胜人类的围棋世界冠军，一方面证明了其在围棋方面正式超过现役世界冠军的能力；另一方面，也再次加强了人们对于人工智能技术的追逐以及相关应用的推广。
我们认为，数据挖掘、机器学习在计算能力、数据量的飞速提升的推动下已经成为处理大数据的关键技术，而建立在大数据基础之上的人工智能与大数据将持续保持相辅相成共同发展的关系。
大数据技术步入收获期，大数据+AI 成就智能未来
2017 年大数据版图已经发布，相比于 2016 年变得愈加拥 挤，而 2016 年入选的41 家企业已经被收购。其中大型的并购事件包括 Mobileye 被 Intel 以 153 亿美元收购，AppDynamics被 Cisco以 37亿美元收购，Nimble Storage被 HPE以 12亿美元收购。
2016年，大数据初创企业的总融资达到 148亿美元，继续独占鳌头占据全球技术风险投资约 10%。2017 年第一季度，处于成长阶段的大数据初创企业依然拿到可观的融资。
资料来源：互联网
资料来源：中国报告网整理
在产业逐渐成熟的当下，大数据企业上市速度加快，其中 Cloudera 已于 2017年 1季度成功上市。另外，Mulesoft和 Alteryx也于今年实现了上市，相比于 2016年只有 Talend 实现上市，美股大数据企业上市开始加速。我们认为，这一趋势意味着大数据产业链已经成型，在探明和验证潜在的变现通道之后领先公司已经加速成长具备上市条件。
资料来源：互联网
在大数据生态逐渐成熟，大数据变现通道打通数据价值从数据源逐步体现在应用中之后，人工智能在大数据技术以及丰富的数据资源配合机器学习以及数据挖掘的相关算法的发展之下成为新的风口。
随着 Alpha Go在围棋比赛中相继战胜多名人类顶尖棋手，人工智能在发展 60多年以后再次引发科技界的关注，并开始加速发展走向生活应用，覆盖无人车、智能助手、智能客服等领域。在新兴的技术栈中，大数据更加偏重于底层的数据处理和分析，而机器学习等 AI算法在此基础中配合强大的 AI专用计算芯片从数据中提取价值，形成人工智能新的雏形。其中，云计算作为计算基础设施，”大数据+AI”带来应用的智能升级。
资料来源：互联网
其中，亚马逊作为云计算先行者，凭借着其在云计算方面的领先位臵以及所具备大数据分析处理经验，开始提供一站式的人工智能产品。在其 2016 年底的 re:invent 产品发布会上，AWS 正式发布了 AI 产品线，首批产品包括支持 24种语言 47种声音的文本到语音转换服务 Amazon Polly、基于深度学习的图像和人脸识别服务 Amazon Rekognition 以及可编写自然人机交互的 Amazon Lex。
其中，Amazon Lex使用了同样用于 Amazon Alexa的自动语言识别和自然语言理解技术。由于与 AWS 编程环境 Lamda 集成在一起，开发者可以轻松使用 Lex 开发各种聊天机器人和服务机器人，并把这些机器人用于网络应用、即时通信工具，或为手机及物联网设备添加自然语言交互功能。
AWS 开始率先提供基于云的人工智能基础资源和计算能力服务。另外，Google、Apple 等互联网企业以及传统的 IT企业如 IBM、SAP、Oracle等都加快布局人工智能领域。
资料来源：互联网
人工智能建立在复杂的模型如神经网络模型的计算基础之上对并行计算需求巨大，Nvidia、Intel 等传统的芯片厂商开始针对人工智能特别是深度学习等算法开发专用支持大并行计算的芯片而强势进入人工智能领域。目前，CPU+GPU协同计算的模式基本上已经成为了人工智能的标配，因此作为 GPU 龙头的Nvidia 最大化的受益人工智能的快速发展，并有针对性的推出了相关的 GPU 产品。
另外，Google在面对日益增加的深度学习以及神经网络模型算法相关计算需求的情况下开始推出自有的专为人工智能优化的 Tensor Processing Uni（tTPU）芯片。TPU芯片兼具 CPU和 ASIC的优点，在可编程的同时具备比 CPU、GPU、FPGA 更高的效率和更低能耗。人工智能正在掀起一场解放人类终极智能的革命，对整个信息产业无论是软件还是硬件、应用都是一场全新的革命，也意味着全行业重新洗牌的巨大机遇。
资料来源：互联网
另外，人工智能与大数据相辅相成，大数据一方面作为人工智能的底层将继续随着所需的数据量增长以及数据分析提升而继续发展，另一方面人工智能的发展将反过来推动大数据处理和分析技术的快速演进。
DataRobot 是人工智能和大数据结合的典型企业，其核心业务是建立比较各种算法的云服务，以建立有效的预测模型旨在通过自动化水平和易于使用的机器学习计划，试图让用户能够在一小部分时间内构建和部署高度精确的机器学习模型。产品包括 DataRobot Cloud和 DataRobot Enterprise。
DataRobot Cloud 使用户无需数据科学专业背景也能在几分钟内构建世界级模型，并能提供定制化的云服务。
DataRobot Enterprise 通过企业功能扩展了平台的价值，包括灵活的部署、治理、培训和支持，提供端到端的解决方案。 应用层面，在面向保险、银行、医疗保健、金融科技、能源等行业都提供了相应的解决方案。
资料来源：中国报告网整理，转载请注明出处（GQ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
