智能時(shí)代將由大數(shù)據(jù)、和算力二者驅(qū)動(dòng)，為什么這樣講，這一撥AI熱潮的興起有三個(gè)關(guān)鍵原因。

　　一是通過物聯(lián)網(wǎng)和移動(dòng)物聯(lián)網(wǎng)等技術(shù)的大規(guī)模普及應(yīng)用，大數(shù)據(jù)的爆炸式增長(zhǎng)成為常態(tài)，產(chǎn)生了大數(shù)據(jù)燃料。隨著互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的高速發(fā)展，可以說已經(jīng)構(gòu)建了地球人類文明以來最強(qiáng)大的知識(shí)庫、數(shù)據(jù)庫和記憶庫，然而大數(shù)據(jù)燃料還在源源不斷地補(bǔ)充。

　　二是得益于強(qiáng)化學(xué)習(xí)和深度學(xué)習(xí)算法設(shè)計(jì)訓(xùn)練的突破，在機(jī)器學(xué)習(xí)和智能算法層面進(jìn)行了極大的拓展，讓機(jī)器學(xué)習(xí)算法得以走出實(shí)驗(yàn)室，應(yīng)用于工業(yè)界。這也是通過大數(shù)據(jù)分析預(yù)測(cè)解決不確定性問題的可行路徑之一，大數(shù)據(jù)條件下的多方博弈和復(fù)雜性預(yù)測(cè)問題，越發(fā)難以應(yīng)用傳統(tǒng)數(shù)據(jù)建模技術(shù)加以解決。

　　由于客觀世界的復(fù)雜性和大數(shù)據(jù)的相關(guān)性，傳統(tǒng)人工設(shè)定的淺層學(xué)習(xí)模型和編程規(guī)則更是難以應(yīng)用于大數(shù)據(jù)挖掘分析和預(yù)測(cè)，而神經(jīng)網(wǎng)絡(luò)的再次崛起已經(jīng)讓機(jī)器緩緩睜開了眼睛，不僅能看圖說話還能聽會(huì)道，初步具備了對(duì)外在環(huán)境的感知能力。

　　三是GPU計(jì)算設(shè)備的普及，為大規(guī)模深度學(xué)習(xí)提供了強(qiáng)有力的計(jì)算資源。

　　數(shù)據(jù)：智能燃料如果大數(shù)據(jù)智能是我們要飛抵的AI星球，那么大數(shù)據(jù)就是火箭燃料，數(shù)據(jù)是智能系統(tǒng)與環(huán)境交互的第一手資料。AlphaGo為什么能在短短幾個(gè)月時(shí)間內(nèi)學(xué)會(huì)圍棋，而且戰(zhàn)勝了人類頂尖棋手?歸根結(jié)底，離不開棋譜大數(shù)據(jù)的支持(初期版本)，短短幾天就能學(xué)習(xí)和對(duì)弈上百萬盤棋譜，而人類頂尖棋手一輩子才下多少盤棋?人類的成長(zhǎng)是一樣的道理，幼兒經(jīng)過幾百天的數(shù)據(jù)訓(xùn)練，而且是在看到的物體、聽到的話語等輸入數(shù)據(jù)很有限的條件下，就能激發(fā)大腦里的神經(jīng)網(wǎng)絡(luò)，形成基本的聽說經(jīng)驗(yàn)和學(xué)習(xí)能力。

　　算力：智能加速大數(shù)據(jù)智能的成功，數(shù)據(jù)、算法和算力，一個(gè)都不能少。自從深度學(xué)習(xí)于2012年大放異彩以來，GPU計(jì)算走入我們的生活并日益普及，從此大規(guī)模深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練再無大的性能瓶頸。最早的神經(jīng)網(wǎng)絡(luò)已提出了數(shù)十年，為什么現(xiàn)在才能大規(guī)模應(yīng)用，這跟計(jì)算機(jī)的高性能處理能力有莫大關(guān)系。大數(shù)據(jù)的處理離不開高性能計(jì)算(High Performance Computing, HPC)，其核心目標(biāo)就是解決算力這一根本問題，這些是實(shí)現(xiàn)大數(shù)據(jù)智能的必備要件。