大數據是眼下各行各業都在談論的時髦熱詞，很多數據分析報告總是冠以“大數據”的標題，資本市場也是如此，政府、傳統制造業、電信運營商、互聯網巨頭無不在大數據上巨額投入，規劃產業園，建設數據中心，成立以大數據為主要業務的新部門或新公司。

幾乎每天我們都能看到新的大數據項目啟動的消息，卻很少見到大數據產品的報道；與動輒數千萬乃至上億元的資金投入相比，鮮有公司發布關于大數據所帶來的收入，宣布獲得利潤的更是少之又少。

那么，大數據的變現渠道何在？

大數據盈利遠未實現

存儲技術的迅速發展使得每單位存儲的價格快速下降，存儲的數據量越來越大；網絡技術和分布式處理系統技術的革新，打通了原來獨立的“數據孤島”；NOSQL數據庫和流處理技術的發展，讓我們能更好地處理非結構化數據；基于GPU、ASIC的大規模并行計算框架的出現，使我們有能力更快地處理更大規模的數據。

大數據技術一直在快速發展，但是在大眾眼里，大數據還是舍恩伯格那本《大數據時代》中的一個概念，似乎離我們的日常生活比較遙遠。目前來看，大數據給生活帶來的改變還沒有達到書中所描繪的樣子。

如何讓大數據盈利，如何讓大數據更加貼近我們的生活，成為當下大數據從業者所需思考的問題。因為盈利永遠都是一個行業發展的原動力，各種機構在大數據版圖上“跑馬圈地”的背后，一定是想要得到豐厚的回報。而不論什么樣的商業模式，toB或是toC，最終還是需要消費者認可買單。

在大數據盈利方面，人工智能將成為一個突破口。

人工智能破局

人工智能并不是一個新的概念，最近一次被人們熱議是AlphaGo戰勝圍棋選手李世石以后，基于深度學習并結合蒙特卡洛搜索的大數據展現出了類人類的智慧，機器與人有了新的交互模式，帶來了大數據應用的新浪潮。大數據公司不用再為了盈利販賣用戶隱私，或是為自己的數據報告苦苦尋找買家，而是直面最終消費者，直接解決用戶的問題。

與傳統的大數據分析相比，首先人工智能具有非常強的實時性，無論圖像識別還是無人駕駛，都要求機器對外界的輸入與環境變化做出實時反應，這也恰恰是影響用戶體驗的重要因素。其次人工智能幾乎沒有任何技術門檻，用戶不需要關心解決問題背后的技術，數據是存儲在DHFS、HBase還是Redis上對人工智能沒有什么差別，是用Spark或是Storm都無關緊要。消費者最關心的是能不能在規定的時間內、以是否友好的方式得到想要的結果。人工智能在此方面具有自己的優勢，讓機器像人一樣為用戶服務，替用戶解決需要解決的問題。

目前人工智能還處在發展的初級階段，基于大數據、深度學習的人工智能還只能解決特定場景下的特定問題，新版AlphaGo Master在與人類棋手的對弈中60場全勝。卡耐基梅隆大學的人工智能系統Libratus，打敗4名世界頂級德州撲克選手，贏得177萬美元。IBM的人工智能系統Watson只用了10分鐘就確診了罕見的“急性骨髓性白血病”。也許正是如此，人工智能被譽為“第四次工業革命的核心技術”。

人工智能不僅可以加強企業的業務能力和生產效率，提升產品的智能化體驗，還能夠更低成本、更快捷、更精準地傳播和銷售以及更高效地提供服務。我們已經看到像網易七魚、Udesk等第三方智能客服的大數據服務公司在傳統垂直行業獲得成功，亞馬遜的智能音箱Echo銷量逼近千萬，科大訊飛的“曉譯翻譯機”得到總理點贊。

在蒸汽時代、電力時代、信息技術時代之后到來的正是人工智能時代，也許在未來的某天，叫醒你的已經不是鬧鐘，而是你的機器人助理C3PO。
責任編輯：tzh