马云是怎么评价云计算的

---

一、马云说“我不喜欢AI被称为人工智能，我称它为阿里巴巴智能”，那么“阿里巴巴智能”是什么？

从云计算到智能化，阿里巴巴的整体业务大致可以分为五个主要板块：核心商业、支付与金融、云计算、物流和娱乐。其中，云计算是其电商之外的“强项”之一，市场份额位居全球前三。2017年12月20日，在阿里云计算大会北京峰会上，阿里巴巴提出基于阿里云的“工业AI”布局，涵盖家居、零售、出行、金融、智慧城市和智慧产业布局六大方面。，从视觉、语音、算法到芯片，构建三维合作伙伴生态系统。云计算是阿里巴巴AI布局的基础和起点。阿里云成立于2009年，定位为一家云计算和人工智能科技公司，为200多个国家和地区的企业、开发者和政府机构提供服务。事实上，早在2018年，阿里巴巴就制定了“云计算”和“大数据”战略，并决定自主大规模研发

分布式计算机操作系统“飞天”。同年，飞天团队正式成立，次年阿里云计算有限公司成立。正式成立。2010年，阿里云上线公测。2011年，阿里云官网上线，开始大规模对外提供云计算服务。如今，阿里云主要以在线公共服务的形式为企业、开发者和政府机构提供计算和数据处理服务。该战略的拓展和进一步发展，旨在为数字经济时代的全社会构建基于云计算的智能技术基础设施。张勇提到，胡晓明四年来对阿里云发展的杰出贡献，让阿里云的技术梦想和商业梦想得以融合和实现。达摩院成为AI技术输出企业。阿里巴巴引入云后，成为AI技术落地的重要场景

并逐步商用，以AI视觉技术为核心的“城市大脑”是基于云计算的重要场景。2016年，阿里云推出人工智能系统ET（人工智能系统）。ET拥有智能语音交互、图像/视频识别、流量预测、情感分析等多项核心能力，还具备多维度感知、全局洞察和实时决策的能力。比如2016年，阿里云人工智能基于神经网络、情感感知等原理成功预测

NengET已在农业、现代工业、环境、医疗、智慧城市数据等领域进行部署和落地，帮助企业在云端之外变得更加智慧变得。在计算机布局方面，阿里巴巴还于2017年宣布成立达摩院，致力于基础科学和颠覆性技术的发展，拥有5个主要领域14个实验室，其中包括专注于人工智能的机器智能实验室

---

二、马云说什么是大数据，什么是云计算第一个提出“大数据”时代开始的人是世界知名咨询公司麦肯锡。麦肯锡表示：“如今，数据已经渗透到各个工业和商业功能领域，成为重要的生产要素，海量数据的应用预示着新一波生产力增长和消费者剩余的到来。“大数据”早已存在于物理、生物、环境生态等领域，以及军事、金融、通信等行业，但近年来，互联网和信息产业的发展引起了人们的关注。大数据是继云计算、物联网之后IT行业的又一次颠覆性技术革命。云计算主要为数据资产提供存储和访问的场所和渠道，数据才是真正有价值的资产。企业内部的业务交易信息、互联网世界的货物物流信息、互联网世界的人与人交互信息、位置信息等，将远远超过企业现有IT架构和基础设施的承载能力。并且实时性要求也将大大超出可用的计算能力。如何盘活这些数据集，服务于国家治理、企业决策乃至个人生活，是大数据的核心问题。也是云计算的内在灵魂和必然的升级方向
大数据搭上了信息时代的快车在我们面前，数据的价值已经逐渐被人们认识到，同时，数据分析师的数量增加了一倍。随着大数据分析工具等大数据应用技术的出现，未来的数据分析师将遇到哪些挑战和机遇？该工具的定位非常高，定位了数据分析过程中需要的大部分功能。许多工具的功能涵盖了整个数据分析过程，从早期的数据集成和收集到挖掘、分析，甚至最终的数据可视化。功能非常强大。
但仅凭这一点就得出大数据分析工具可以取代数据分析师的结论是不合理的。相反，大数据分析工具不是数据分析师的竞争对手，而是中介者。工具是为人服务的，数据分析师的专业性让他们能够充分发挥大数据分析工具的威力。两人相辅相成，是朋友多于敌人。
支撑企业
虽然大数据的概念已经深入人心，但很多企业仍然保留着一些传统观念。尽管很多企业花费大量资金聘请数据分析师，甚至组建数据分析师团队，但并没有建立起完整的数据价值体系。对数据分析工作缺乏理解和支持。
与数据管理相比，数据分析师的工作重点也应该是“释放数据价值”。公司和数据分析师之间缺乏直接的职能沟通，直接影响公司在数据分析师所做工作类型方面的定位。同时，企业应该建立数据库，利用大数据分析工具更好地连接用户。此外，它们还确保公司和数据分析师之间有更好的联系，并留有很大的灵活性。
从幕后到台前的转变
过去企业员工往往需要说很多话才能获得他人的认可，但现在许多企业正在考虑聘请数据分析师来分析结果的业务讨论。我们要通过“让数据说话，用数据服人”来赢得客户的信任。主要实现过程是通过数据可视化技术实现的。
数据可视化技术使数据能够以图表、视频的形式直观地呈现给人们，而数据分析师作为数据管理者和挖掘者是最合适的解释者。这就要求数据分析师不仅要有扎实的数据分析能力，还要能够提取数据的本质并呈现出来，以获得他人的认可。从幕后走到台前需要很多技能，数据分析师的工作性质也会发生变化。
大数据时代，数据分析师的角色不能一成不变。只有顺应时代潮流、响应时代需求，数据分析师行业才能持续生存和发展。事实上，大数据分析工具和数据可视化技术的出现固然对行业产生了影响和挑战，但对于数据分析师来说，这或许并不是一个摆脱传统限制的机会！