近年来，人工智能一下子“火”了起来，在面对客户的各种需求设计、咨询服务和方案交流过程中，如果不不谈AI，那就太OUT了。
似乎感觉：如果没引入AI元素那就不叫方案；没有涉及深度学习和高级算法的模型也拿不出手；没有规划智能化业务的应用也不能满足客户需求……
最近，我在家中的网络电视上装了个游戏模拟器，一下子下载了好多经典游戏。你听我说啊，这里面有绿色兵团、赤色要塞、9人街霸、拳皇97……最关键的是这些游戏全都是翻改再移植的，色彩出众、分辨率高，而最为关键的，我发现这些游戏全都是伴随着我们80后的经典大作，游戏的发行年代居然是1988年、1992年等。
时隔三十年，我们抛弃了FC红白机，却用以一种全新的载体继续畅玩，这种体验不禁让我感叹——原来世间万物就是这样，人们虽然在不断地创新、改革。但曾经创造出来的“智慧结晶”永远不会被遗忘，更不会被抹去，它总会以另外一种形态继续呈现在我们眼前，在这似乎就是大自然的神奇生态。
所以，人工智能也是如此。如果你读过人工智能简史：从图灵到AlphaGo，你就会知道AI这东西并非新鲜，早在60年前就已经有了。之所以今天大爆发，恰恰是因为AI的应用可以换一种载体和基础能力，过去5年以前可能恰恰是因为缺少这种能力而得以受阻，但今天能力的健壮支撑使得AI不发展都难。所以我们不会忘记历史，更不会轻易的抛弃“历史”，只有灵活的善于应用和总结，就会对AI发展提起到积极作用。
这“历史”就是：大数据、云计算、高级算法、产品应用和服务保障。
人工智能，需要大数据承载并处理样本数据。
首先，大数据在AI领域变成了一种通用的基础能力。伴随着数据量井喷、数据类型繁多，单机算法计算已经很吃力，原有的数据挖掘方式工作量大、成本高；特征计算的复杂度越来越高，技术层必须引入分布式架构，并且运用大数据分析能力；
人工智能，需要云计算提供IT资源和能力。
其次，伴随着硬件设备发展迅猛且性价比越来越高，物联传感芯片也发展普及，传感网络实现了规模化效应，这里不可或缺的需要大计算的云化分析能力。云平台具备IT基础设施的管控，底层资源按需扩展、弹性伸缩，快速验证人工智能创意和想法；
人工智能，需要深度学习的高级算法突破。
然后，高级算法和深度神经网络一直是个数学问题，我们不能只关心模型如何建立，还要关注使用什么工具执行建模分析。因此需要减少开发人员的建模工作量，以便将想法迅速运用到产品中，这里面少不了AI引擎的支持；
人工智能，需要产品和应用的研究成果。
最后，就是人工智能的落地。我们要综合考量开展哪类的AI应用，产品主要面向谁？做AI软件能力还是AI硬件产品或两者兼备的智能机器人？AI产品如何运营？AI产品如何提供服务？
人工智能，需要专业的服务团队和保障。
这个就不多说了，没人才还谈什么AI。
所以，高阶AI绝非空谈，它融入了以往的所有相关技术。
人工智能并非=重新创造，它需要我们原来所接触过的所有理论和一切技术，合理运用必然会带来巨大的回报。何愁不能落地？
閱讀更多 分析世界講方案 的文章
