我们在写文章的时候，通常需要通过一个总-分-总的结构去构思，这样的方法形成的文章是有体系的、有内容的且逻辑通畅。同样我们在写方案PPT的时候以可以照猫画虎，这样的材料总会让人感觉既有内涵有充实饱满。
说起人工智能，很多专家学者对其的理解一套一套的，有些关注AI的行业应用和未来前景、有些专注于内部算法和模型、还有些研究AI的外围周边配套……无论哪个领域都是行业大拿。另外在展现自己思路的过程中，一定要先说清楚整体的体系结构，这样接下来才能由粗到细、由浅入深的剖析其内部。基于此，我们还必须说出与传统大数据平台之间的关系，于是画了这样一页图，希望能尽可能的清晰勾勒出人工智能平台的体系结构。
绿色区域中分别将人工智能平台区分为：系统层、能力层和接入层。
系统层：主要是底层系统的能力区域，为AI提供基础设施、存储计算能力和云化环境；
能力层：主要包括AI能力服务平台和AI深度分析平台，是AI的核心能力输出；
接入层：主要包括各类AI开放接口，如能力级API、模型级API和样本数据回收API等等；
蓝色区域则体现了企业现有的大数据系统/大数据平台，他能体现出它与人工智能平台之间的关系。这个大数据系统可能是开源Hadoop，也可能是商用级产品，再或者又是混搭架构的技术栈，包括常规的存储能力、计算能力、统计分析能力、数据可视化能力等等，但请记住它只是个大数据系统。
所以我们能看出：
- 人工智能平台主要包括AI能力服务平台和AI深度分析平台，同时整个平台与当前大数据系统紧密联系；
- 底层交互数据可直接用于深度学习及模型训练，同时海量数据集可输送到大数据平台，进一步挖掘更多信息后，再反馈给人工智能平台，提高服务质量。
AI深度分析平台：负责深度学习等模型训练，为AI能力平台提供具有高识别效果、高效率底层模型；
深度学习平台和AI能力平台的关系：深度学习平台通过不断优化模型，使AI能力平台可以提供更加优质的服务；而AI能力平台搜集到的海量数据又为深度学习平台提供更多训练样本，二者之间可闭环迭代演进；
说到这里是否能与您形成共鸣？人工智能不仅仅是数学问题、并不一定是机器学习理论、也并仅仅是一堆技术的堆砌，而可以用一页清晰直观的图去勾勒体系，阐述能力。虽然或许有些粗糙，但值得挖掘推敲。
分析世界讲方案，为您带来精彩的一页；
——专注原创，字字朴实。感谢阅读、感谢共鸣。
