大数据和人工智能结合，将释放出更大的能量。人工智能也需要有大数据的支撑。

人工智能主要有三个分支：第一，基于规则的人工智能;第二，无规则，计算机读取大量数据，通过数据统计、概率分析等方法进行智能处理的人工智能;第三，基于神经元网络的一种深度学习。

基于规则的人工智能，即在计算机内根据规定的语法结构录入规则，并用这些规则进行智能处理，缺乏灵活性，不实用。因此，人工智能实际上的主流分支是后两者。

而后两者都是通过计算机读取大量数据，以提升人工智能本身的精准度。如今，大量数据产生之后，有低成本的存储器将其存储，有高速的CPU对其进行处理，所以才有了人工智能后两个分支的理论与实践。由此，人工智能就能做出接近人类的处理或者判断，提升精准度。同时，采用人工智能的服务作为高附加值服务，成为吸引更多用户的主要因素;而不断增加的用户将产生更多的数据，使得人工智能进一步优化。

大数据分为“结构化数据”与“非结构化数据”。“结构化数据”专指可作为数据库进行管理的数据，例如，企业的客户信息、经营数据、销售数据、库存数据等存储于普通的数据库之中。相反，“非结构化数据”是指未存储于数据库之中的数据，包括电子邮件、文本文件、图像、视频等数据。

目前，非结构化数据激增，企业数据的80%左右都是非结构化数据。随着社交媒体的兴起，非结构化数据更是迎来了爆发式增长。复杂的、海量的数据通常被称为大数据。

但是，这些大数据的分析并不简单。文本挖掘需要“自然语言处理”技术，图像与视频解析需要“图像解析技术”。如今，“语音识别技术”也不可或缺。这些都是传统意义上人工智能领域所研究的技术。

将大数据与人工智能结合运用最好的当属Google和Apple。Google提供优化的搜索引擎服务，后台的人工智能随着用户的使用而不断进化，使用的用户越多，搜索引擎将越优化，优化之后，用户自然也就更多。除了搜索引擎，Google还通过Gmail、Google Docs等获取大量的“非结构化数据”。这样一来，Google的“大脑”就变得更加聪明了。此外，Google还研发了“语义搜索”的进化系统。Apple的语音识别技术Siri也是基于最新人工智能理论(深度学习)构建的。反过来看，现代的人工智能进化，不仅需要理论研究，还需要大量的数据作为支撑。

2014年年初，Google联合奥迪、通用、本田、现代以及Nvidia成立了一个新的合作团体——开放汽车联盟(Open Automotive Alliance);而Apple在去年6月就涉足汽车领域，推出了“iOS in the Car”技术，通过Siri语音操作可以实现导航、通话、音乐播放等服务。

最近，Google又宣布将于2017年向市场投入自动驾驶汽车，截止到2013年8月，已经完成了48万公里的试驾。48万公里试驾的大数据成为行驶经验数据，为人工智能的自动驾驶提供了决策分析依据。

Google和Apple已经给汽车等传统行业带来了深深的危机感。而他们的颠覆式创新，其实是来自大数据与人工智能的结合。或许这一点非常值得我们思考。同样的现象、同样的颠覆会不会发生在更多的传统产业中呢?