前言：
说起移动互联网，想必大家都不陌生，它在人们进步的历史长河中，是一个伟大创举，是一次划时代跨越，是一次发展的里程碑，它带给人类社会的影响，已经远远超过了俩次工业革命，它小到改变了我们的生活方式，大到促进了国家的发展，国与国之间的发展，现在，我们每天都在享受着互联网带给我们的编辑。如今，我国的互联网，甚至，国际的互联网又进入了一个新的高度，那就是互联网+，互联网+的时代带给人民的便利更是强悍，强悍到我的小心脏都不觉承受不了。而互联网+将会从这些方面改变人类的生活，它主要包括了以下几个发展方向：
1:人工智能
人工智能（英语：Artificial Intelligence, AI）亦称机器智能，是指由人工制造出来的系统所表现出来的智能，可以概括为：研究智能程序的科学。这门科学的出发点是 研究如何使程序能够像人一样思考、行为，以及如何保持理性（如图1），这里的理性可以理解为效用最大化。
图一
人工智能技术（AI）已经渗透到我们日常生活的方方面面，涉及的行业更是不胜枚举，包括游戏、新闻媒体、金融，并运用到了各种领先的研究领域，例如机器人技术、医学诊断和量子科学。人工智能的基本知识和应用领域，主要有机器学习、概率推理、机器人技术、计算机视觉和自然语言处理。图2便展示了其中的一些基本的应用。
图二
2014年，大数据开始成为热词，在神州大地的各大媒体，论坛，会议上出现。如果有人恰好在你身边谈论大数据，而你又一脸懵圈的只能应和着说，我同意，我赞成，我也是这么想的，那是怎一个囧字了得啊。而今，滚滚长江东逝水，一代新人胜旧人，人工智能站出来说：数风流人物还看今朝。好吧，亲，老司机带您上路，从此告别懵圈的稚嫩面庞，开始拉风的装X人生。
什么是人工智能，估计这对很多人来说，简直就是最熟悉的陌生人。终结者式的机器人肯定是吧！没错。我家的扫地机器人也算吧！没错，还有呢? 
….
凯文凯利在《必然》这本书里说，在他还too young too navie的时候问google的创始人，雅虎也做搜索，很多公司都做搜索，你们也做搜索，有什么特别的竞争优势呢？ google创始人微微一笑，答，其实我们是做人工智能的。没错，google和百度的搜索引擎里大量的使用了人工智能的技术，为的是能够根据你输入的词句来为你找到最好的搜索结果。所以看似不相关的搜索引擎也属于人工智能。接下来小编不为你描述抽象的定义，小编为你列举一些常见的应用来告诉你，其实人工智能已经占据了我们生活的方方面面。
搜狗输入法在你输入拼音之后为你列出最有可能的汉字，淘宝为你推荐你喜欢的商品导致你家到处都堆积着无用之物，京东的当日送达让你惊讶这样都行，打开优酷，满屏都是你喜欢的节目，打开每日头条，全是你爱看的新闻， word可以校正你输入的错误英语，QQ邮箱自动帮你过滤垃圾邮件等等等等。这些应用的背后都或多或少的采用了人工智能的技术。还有百度的人脸识别，微软的小冰，google的无人驾驶，苹果的Siri语音助手，亚马逊的Echo音箱。这个世界其实已经被人工智能包围。你是否还在将信将疑，小编你到底懂不懂，你说的是真的吗？凭什么这样说啊。亲，老司机挥泪告诉您，真的没骗您，这些都是人工智能，只不过属于弱人工智能的范畴。
人工智能有三个层次，弱人工智能，强人工智能，超人工智能。目前纵观全人类，所达到的基本都是弱人工智能。因为强人工智能的定义是拥有自我意识，超人工智能客官可以自由发挥想象。
我们现在回到现实中，继续弱人工智能之旅。以上所说的种种常见的应用，背后的原理都可以归结为概率统计。京东统计一下你最近常浏览哪些网页，提前把你浏览的东西运到你家附近的仓储中心，OK，万事俱备，就等你上钩了。淘宝统计一下你最近经常看什么商品，然后为你推荐相似的商品，亲，心动不？优酷统计一下你最近看过哪些节目，为你展示相关的视频列表。输入法统计大量文章中的汉字热词组合，预测你输入的拼音和哪些常用字词的组合最相近。百度google将用户点击作为一项重要的数据来衡量网页的排名，找到搜索词最相关的网页，下次搜索相同的东西时，最好的网页就列在前面了。
是不是很简单？很多人可能又要说了，哪有你说的这么简单啊，这样岂不是所有人都可以做了？ 小编弱弱的告诉你，其实就是这样，小编没有撒谎
。当然，这些具体的实现背后涉及大量的算法模型和数据挖掘知识，但基本原理其实就是这样，只不过大家都是在寻找更精确的统计预测方法，从大量看似无用的数据中，分离出有用的信息，透过现象探寻事物的本质。
你可能常听到一个高大上的词汇：机器学习（Machine Learning）。机器学习中的各种算法：回归分析，朴素贝叶斯，马尔可夫链，支持向量机，神经网络，深度学习（DeepLearning）等都是在做类似统计分析的事情。从纷繁杂乱的数据中，寻找出影响结果的关键因素。
说到这，数据的重要性有没有在客官心中留下深深的烙印？以上列举的这些杀手级应用的一个关键就是有没有可以使用的数据供人工智能的算法来分析。那什么是数据呢？什么样的数据才可以拿来使用呢？在互联网上，你的浏览记录，链接点击次数，论坛的灌水留言，视频的弹幕，大V的牢骚，GPS的定位，游戏的历史记录，支付宝的消费记录等等这些都是可以使用的数据。
这么多看似杂乱的数据，对于普通人来说毫无用处，但对于数据公司来说，那可是宝贝啊。他们可以从中窥探出舆论的走向，经济的发展形式，股票的前景，你的信用如何，你的喜好是什么等等等等，然后大把大把的赚钱。君不见阿里为何收购新浪，facebook最值钱的是什么？这个时代，数据就像未开采的金矿，使得淘金的人们蜂拥而至。安卓应用在安装时第一条就是，我会访问你的联系人列表，查看你的GPS定位，你同意吗？你不同意能怎么着，不同意就拜拜，爷不伺候了。Google地图为什么连你们村那通幽的小径都能知道，因为你拿着开启了GPS的手机从那走过啊！
聪明的小编早就看穿了一切。
你可能还会问：小编，你说的这些真的是人工智能吗？我还是觉得你说的太随意太简单了！
其实这些很多今天看似so easy的事情在互联网没有流行之前基本没法做。没有数据，怎么统计，再高大上的算法没法解决没有数据的寂寞。当然了，如果你很有钱（小编正好相反），组织五毛党发小礼品进行问卷调查也可以，但这样做浪费人力物力不说，调查的结果也不一定准确。因为即使小编爱看我是非诚勿扰，但小编肯定一脸严肃的告诉你，新闻联播才是我的最爱
。所以，这样的问卷统计结果只会把你往沟里带。我这样的老司机是不会的。好了，说了这么多，一直在说人工智能简单，小编要不拿出点实力，估计很多人要向我扔鞋了
。下面带你进入轻度烧脑模式。
以上介绍的都是基本的原理知识，高级的应用实现其实路漫漫其修远兮，但是不要怕，老司机为你带路。设想一下，你是一个大boss，你有大把大把的历史销售数据，那你就可以用Excel统计出什么产品好卖，几月份热销。再设想下，你是一个围棋高手，我给你数十万盘的围棋游戏的记录数据，你能拿来做什么呢？你能用Excel从中找出什么有用的信息？
但Alpha狗嗅出来了。2016年，AlphaGo战胜韩国围棋世界冠军，职业九段选手李世石，成为这一轮人工智能爆发的舆论导火索。这一标志性的事件使得大众突然意识到，原来人工智能这么强悍
。但也有人质疑，切，早在1997年IBM的深蓝战胜国际象棋高手卡斯帕罗夫，怎么就没这么轰动呢，也没见当时有多少人去抱人工智能的大腿嘛。
老司机来告诉你why。深蓝取胜和AlphaGo取胜，其背后的原理有本质的区别。严格的说深蓝不属于人工智能，虽然看似很智能。深蓝采用的策略是利用强大的计算能力，穷举所有可能的下棋套路，在一秒钟内模拟千万次的走棋结果，这些走棋的套路，都是事先由IBM的攻城狮人为定义好的，所以深蓝是胜在计算能力上，和智能其实不怎么沾边，它是在秀肌肉，不是在秀大脑。试问有多少领域可以事先人为定义好套路让超级计算机去模拟所有的情况呢？所以深蓝的技术对其它领域的推广没有多少实际的意义。而AlphaGo却是不同的实现方式，没有人事先为AlphaGo定义围棋的下棋套路，Google的攻城狮只为AlphaGo编写了一个深度学习的算法，然后把数十万盘的围棋游戏记录喂给AlphaGo，然后AlphaGo就会下围棋了，神奇不？再然后工程师每天重复喂它个千八百万次，它就越来越厉害，然后的然后，李世石就输了。而且AlphaGo在和李世石对弈时只使用了几十台Google的普通服务器。（这里要注意一下，这里是说的是对弈时只使用了几十台服务器，之前每天喂狗时是使用上万台服务器进行训练的）， 而且深度学习的算法并不是专为围棋而设计，它是一个通用的算法，很多领域，很多行业的数据都可以拿来喂这只狗，喂它什么数据它就是什么狗，忠诚可靠啊。读到这里，是不是有点云里雾里的感觉。这么神奇？没错，就是这么神奇。深度学习的神经网络算法还可以应用到机器翻译，图像识别，语音识别，搜索引擎的优化，输入法的优化，互联网广告的定向分发，淘宝的推荐，互联网金融的信用认证等等等等，而且就目前的行业发展来看，在引入了深度学习算法之后，以前棘手的难题就会有质的突破。
上图是一个识别手写数字的神经网络，只有三层（输入层，隐藏层，输出层），输入层是784个神经元，因为输入层的神经元较多，所以图中省略了部分，其它层没有任何省略。之所以输入层是784个神经元，是因为输入的手写数字图片是28×28的灰度图片，总共有784个像素，因为是灰度图片，每个像素只有一个整数值，所以28×28的灰度图片总共是784个整数值，每一个整数值对应到一个输入神经元上作为这个神经网络的输入。
很多人可能对小编以上偶尔提及的算法感到迷惑了，你说的到底是什么算法，是深度学习还是神经网络，如果你是说神经网络，不是早就有了吗？我们图书馆八百年前就有这书了。没错，神经网络早就有了，我说的是深度神经网络。？？？？ 耍我啊？ 客官莫生气，小编为你慢慢道来。目前大家所说的算法都是深度学习，但深度学习的前身是神经网络，神经网络的前身是感知机，这都是一点一点演化而来的，正所谓长大后我就成了你。深度学习本质上也是神经网络，之所以叫深度学习是为了重点突出现在所实现的神经网络的深度和以往所说的神经网络在深度上有很大的区别，以前的神经网络使用单一的反向传播的训练方式，而且由于以前硬件计算能力的限制，顶多训练两三层就已经是极限了（这里不是说反向传播的训练算法不好，只能说不完善），而深度学习算法在训练上使用稍微不同的方式，使得神经网络的层数可以达到很多很多层（我只能说很多层，因为随着计算节点的增加，神经网络的层数也可以增加），这是在2006年取得的突破，由Geoffrey Hinton提出可以使用一种被称为贪婪逐层预训练的方式来有效的训练多层神经网络（简单的说就是先使用大量无标签的数据对层数很深的神经网络进行热身，把这个神经网络的参数先训练出一些粗糙的数值，虽然此时这些参数值还不太正确，但没关系，就是这么洒脱----这叫无监督学习，然后再用少量有标签的数据基于反向传播算法进行微调，这时，之前不太正确的参数值在这里被一点点的优化----有监督学习），并且被很多专家验证可行。外加上云计算在计算能力上的助推，以前只存在于书本理论中的神经网络算法，终于以一种崭新的面貌开始进入实际使用了，这就是深度学习算法（Deep Learning）。你在很多文章上有时既看到深度学习，又会同时看到CNN（卷积神经网络），RNN（循环神经网络）。到底说的什么，这要取决于你从哪个角度来理解。
截至2016年，一个粗略的经验法则是，有监督的深度学习算法在每类给定约5000个标注样本进行训练的情况下，一般能够达到人类可以接受的性能和准确性，当至少有1000万个标注样本的数据集用于训练时，它将达到或超过人类的表现。深度学习算法在机器学习（Machine Learning）领域的算法大家族里已经是傲视群雄。但另外再说一点，我并不是说其它所有的机器学习算法都不如深度学习，重点是选取适合你自己应用的算法才是明智之举。
如今，比较出名的人工智能产物有华为的海思麒麟970人工智能处理器，百度的无人驾驶汽车，大疆无人机，还有马云爸爸的无人超市，谷歌的智能机器人........有没有感觉，这些东西的出现，大大方便了我们的生活，更新了人类的生活方式，但是，我也不仅有一丝丝的悲伤，那就是有多少人将会面临失业，以后是否感觉就业就是亚历山大的赶脚了。
2：智能家居
智能家居也称智能住宅，是以住宅为平台，兼备建筑、网络通信、信息家电、设备自动化，集系统、结构、服务、管理为一体的高效、舒适、安全、便利、环保的居住环境。
智能家居利用先进的计算机技术、网络通信技术、综合布线技术，将与家居生活有关的各种子系统有机地结合在一起，通过统筹管理，让家居生活更加舒适、安全。
与普通家居相比，智能家居不仅具有传统的居住功能，能提供舒适安全、高品位且宜人的家庭生活空间，还由原来的被动静止结构转变为具有能动智慧的工具，提供全方位的信息交换功能，使家庭与外部保持信息交流畅通，优化人们的生活方式，帮助人们有效安排时间，增强家居生活的安全性，甚至可节约各种能源费用。
3：物联网
物联网是新一代信息技术的重要组成部分，也是“信息化”时代的重要发展阶段。其英文名称是：“Internet of things（IoT）”。顾名思义，物联网就是物物相连的互联网。这有两层意思：其一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；其二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信，也就是物物相息。物联网通过智能感知、识别技术与普适计算等通信感知技术，广泛应用于网络的融合中，也因此被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。物联网是互联网的应用拓展，与其说物联网是网络，不如说物联网是业务和应用。因此，应用创新是物联网发展的核心，以用户体验为核心的创新2.0是物联网发展的灵魂
4：大数据（海量数据的存储）
大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。 [1]
趋势一：数据的资源化
何为资源化，是指大数据成为企业和社会关注的重要战略资源，并已成为大家争相抢夺的新焦点。因而，企业必须要提前制定大数据营销战略计划，抢占市场先机。
趋势二：与云计算的深度结合
大数据离不开云处理，云处理为大数据提供了弹性可拓展的基础设备，是产生大数据的平台之一。自2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。
趋势三：科学理论的突破
随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。随之兴起的数据挖掘、机器学习和人工智能等相关技术，可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。
趋势四：数据科学和数据联盟的成立
未来，数据科学将成为一门专门的学科，被越来越多的人所认知。各大高校将设立专门的数据科学类专业，也会催生一批与之相关的新的就业岗位。与此同时，基于数据这个基础平台，也将建立起跨领域的数据共享平台，之后，数据共享将扩展到企业层面，并且成为未来产业的核心一环。
趋势五：数据泄露泛滥
未来几年数据泄露事件的增长率也许会达到100%，除非数据在其源头就能够得到安全保障。可以说，在未来，每个财富500强企业都会面临数据攻击，无论他们是否已经做好安全防范。而所有企业，无论规模大小，都需要重新审视今天的安全定义。在财富500强企业中，超过50%将会设置首席信息安全官这一职位。企业需要从新的角度来确保自身以及客户数据，所有数据在创建之初便需要获得安全保障，而并非在数据保存的最后一个环节，仅仅加强后者的安全措施已被证明于事无补。
趋势六：数据管理成为核心竞争力
数据管理成为核心竞争力，直接影响财务表现。当“数据资产是企业核心资产”的概念深入人心之后，企业对于数据管理便有了更清晰的界定，将数据管理作为企业核心竞争力，持续发展，战略性规划与运用数据资产，成为企业数据管理的核心。数据资产管理效率与主营业务收入增长率、销售收入增长率显著正相关;此外，对于具有互联网思维的企业而言，数据资产竞争力所占比重为36.8%，数据资产的管理效果将直接影响企业的财务表现。
趋势七：数据质量是BI(商业智能)成功的关键
采用自助式商业智能工具进行大数据处理的企业将会脱颖而出。其中要面临的一个挑战是，很多数据源会带来大量低质量数据。想要成功，企业需要理解原始数据与数据分析之间的差距，从而消除低质量数据并通过BI获得更佳决策。
趋势八：数据生态系统复合化程度加强
大数据的世界不只是一个单一的、巨大的计算机网络，而是一个由大量活动构件与多元参与者元素所构成的生态系统，终端设备提供商、基础设施提供商、网络服务提供商、网络接入服务提供商、数据服务使能者、数据服务提供商、触点服务、数据服务零售商等等一系列的参与者共同构建的生态系统。而今，这样一套数据生态系统的基本雏形已然形成，接下来的发展将趋向于系统内部角色的细分，也就是市场的细分;系统机制的调整，也就是商业模式的创新;系统结构的调整，也就是竞争环境的调整等等，从而使得数据生态系统复合化程度逐渐增强。
然而，大数据，常常又是和云计算一起使用，他们配合在一起，那就是一把利剑。
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》 [2] 中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
5：云计算
云计算 [1] （cloud computing）是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。因此，云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。 [2]
对云计算的定义有多种说法。对于到底什么是云计算，至少可以找到100种解释。 [3] 现阶段广为接受的是美国国家标准与技术研究院（NIST）定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
特点
云计算是通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，企业数据中心的运行将与互联网更相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。
好比是从古老的单台发电机模式转向了电厂集中供电的模式。它意味着计算能力也可以作为一种商品进行流通，就像煤气、水电一样，取用方便，费用低廉。最大的不同在于，它是通过互联网进行传输的。
被普遍接受的云计算特点如下：
(1) 超大规模
“云”具有相当的规模，Google云计算已经拥有100多万台服务器， Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。企业私有云一般拥有数百上千台服务器。“云”能赋予用户前所未有的计算能力。
(2) 虚拟化
云计算支持用户在任意位置、使用各种终端获取应用服务。所请求的资源来自“云”，而不是固定的有形的实体。应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具体位置。只需要一台笔记本或者一个手机，就可以通过网络服务来实现我们需要的一切，甚至包括超级计算这样的任务。
(3) 高可靠性
“云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。
(4) 通用性
云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。
(5) 高可扩展性
“云”的规模可以动态伸缩，满足应用和用户规模增长的需要。
(6) 按需服务
“云”是一个庞大的资源池，你按需购买；云可以像自来水，电，煤气那样计费。
(7) 极其廉价
由于“云”的特殊容错措施可以采用极其廉价的节点来构成云，“云”的自动化集中式管理使大量企业无需负担日益高昂的数据中心管理成本，“云”的通用性使资源的利用率较之传统系统大幅提升，因此用户可以充分享受“云”的低成本优势，经常只要花费几百美元、几天时间就能完成以前需要数万美元、数月时间才能完成的任务。
云计算可以彻底改变人们未来的生活，但同时也要重视环境问题，这样才能真正为人类进步做贡献,而不是简单的技术提升。
(8) 潜在的危险性
云计算服务除了提供计算服务外，还必然提供了存储服务。但是云计算服务当前垄断在私人机构（企业）手中，而他们仅仅能够提供商业信用。对于政府机构、商业机构（特别像银行这样持有敏感数据的商业机构）对于选择云计算服务应保持足够的警惕。一旦商业用户大规模使用私人机构提供的云计算服务，无论其技术优势有多强，都不可避免地让这些私人机构以“数据（信息）”的重要性挟制整个社会。对于信息社会而言，“信息”是至关重要的。另一方面，云计算中的数据对于数据所有者以外的其他用户云计算用户是保密的，但是对于提供云计算的商业机构而言确实毫无秘密可言。所有这些潜在的危险，是商业机构和政府机构选择云计算服务、特别是国外机构提供的云计算服务时，不得不考虑的一个重要的前提。 [6]
演化
云计算主要经历了四个阶段才发展到现在这样比较成熟的水平，这四个阶段依次是电厂模式、效用计算、网格计算和云计算。
电厂模式阶段：电厂模式就好比是利用电厂的规模效应，来降低电力的价格，并让用户使用起来更方便，且无需维护和购买任何发电设备。
效用计算阶段：在1960年左右，当时计算设备的价格是非常高昂的，远非普通企业、学校和机构所能承受，所以很多人产生了共享计算资源的想法。1961年，人工智能之父麦肯锡在一次会议上提出了“效用计算”这个概念，其核心借鉴了电厂模式，具体目标是整合分散在各地的服务器、存储系统以及应用程序来共享给多个用户，让用户能够像把灯泡插入灯座一样来使用计算机资源，并且根据其所使用的量来付费。但由于当时整个IT产业还处于发展初期，很多强大的技术还未诞生，比如互联网等，所以虽然这个想法一直为人称道，但是总体而言“叫好不叫座”。
网格计算阶段：网格计算研究如何把一个需要非常巨大的计算能力才能解决的问题分成许多小的部分，然后把这些部分分配给许多低性能的计算机来处理，最后把这些计算结果综合起来攻克大问题。可惜的是，由于网格计算在商业模式、技术和安全性方面的不足，使得其并没有在工程界和商业界取得预期的成功。
云计算阶段：云计算的核心与效用计算和网格计算非常类似，也是希望IT技术能像使用电力那样方便，并且成本低廉。但与效用计算和网格计算不同的是，2014年在需求方面已经有了一定的规模，同时在技术方面也已经基本成熟了。
影响
软件开发
云计算环境下，软件技术、架构将发生显著变化。首先，所开发的软件必须与云相适应，能够与虚拟化为核心的云平台有机结合，适应运算能力、存储能力的动态变化;二是要能够满足大量用户的使用，包括数据存储结构、处理能力;三是要互联网化，基于互联网提供软件的应用;四是安全性要求更高，可以抗攻击，并能保护私有信息，五是可工作于移动终端、手机、网络计算机等各种环境。
云计算环境下，软件开发的环境、工作模式也将发生变化。虽然，传统的软件工程理论不会发生根本性的变革，但基于云平台的开发工具、开发环境、开发平台将为敏捷开发、项目组内协同、异地开发等带来便利。软件开发项目组内可以利用云平台，实现在线开发，并通过云实现知识积累、软件复用。
云计算环境下，软件产品的最终表现形式更为丰富多样。在云平台上，软件可以是一种服务，如SAAS，也可以就是一个Web Services，也可能是可以在线下载的应用，如苹果的在线商店中的应用软件，等。 [7]
对软件测试
在云计算环境下，由于软件开发工作的变化，也必然对软件测试带来影响和变化。
软件技术、架构发生变化，要求软件测试的关注点也应做出相对应的调整。软件测试在关注传统的软件质量的同时，还应该关注云计算环境所提出的新的质量要求，如软件动态适应能力、大量用户支持能力、安全性、多平台兼容性等。
云计算环境下，软件开发工具、环境、工作模式发生了转变，也就要求软件测试的工具、环境、工作模式也应发生相应的转变。软件测试工具也应工作于云平台之上，测试工具的使用也应可通过云平台来进行，而不再是传统的本地方式;软件测试的环境也可移植到云平台上，通过云构建测试环境;软件测试也应该可以通过云实现协同、知识共享、测试复用。
软件产品表现形式的变化，要求软件测试可以对不同形式的产品进行测试，如Web Services的测试，互联网应用的测试，移动智能终端内软件的测试等。
云计算的普及和应用，还有很长的道路，社会认可、人们习惯、技术能力，甚至是社会管理制度等都应做出相应的改变，方能使云计算真正普及。但无论怎样，基于互联网的应用将会逐渐渗透到每个人的生活中，对我们的服务、生活都会带来深远的影响。要应对这种变化，我们也很有必要讨论我们业务未来的发展模式，确定我们努力的方向。 [7]
应用
云物联
“物联网就是物物相连的互联网”。这有两层意思：第一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；第二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信。
物联网的两种业务模式：
1．MAI（M2M Application Integration), 内部MaaS；
2．MaaS（M2M As A Service), MMO, Multi-Tenants(多租户模型）。
随着物联网业务量的增加，对数据存储和计算量的需求将带来对“云计算”能力的要求：
1．云计算：从计算中心到数据中心在物联网的初级阶段，PoP即可满足需求；
2． 在物联网高级阶段，可能出现MVNO/MMO营运商（国外已存在多年），需要虚拟化云计算技术，SOA等技术的结合实现互联网的泛在服务：TaaS （everyTHING As A Service)。
云安全
云安全(Cloud Security)是一个从“云计算”演变而来的新名词。云安全的策略构想是：使用者越多，每个使用者就越安全，因为如此庞大的用户群，足以覆盖互联网的每个角落，只要某个网站被挂马或某个新木马病毒出现，就会立刻被截获。
“云安全”通过网状的大量客户端对网络中软件行为的异常监测，获取互联网中木马、恶意程序的最新信息，推送到Server端进行自动分析和处理，再把病毒和木马的解决方案分发到每一个客户端。
十种方法
1. 密码优先
如果我们讨论的是理想的情况的话，那么你的用户名和密码对于每一个服务或网站都应该是唯一的，而且要得到许可。理由很简单：如果用户名和密码都是同一组，那么当其中一个被盗了，其它的帐户也同样暴露了。
2.检查安全问题
在设置访问权限时，尽量避开那些瞥一眼就能看出答案的问题，例如，Facebook头像。最好的方法选择一个问题，而这个问题的答案却是通过另一个问题的答案。例如，如果你选择的问题是“小时候住在哪里”，答案最好是“黄色”之类的。
3.试用加密方法
无论这种方法是否可行，它都不失为一个好的想法。加密软件需要来自用户方面的努力，但它也有可能需要你去抢夺代码凭证，因此没有人能够轻易获得它。
4.管理密码
这里讲的是，你可能有大量的密码和用户名需要跟踪照管。所以为了管理这些密码，你需要有一个应用程序和软件在手边，它们将会帮助你做这些工作。其中一个不错的选择是LastPass。
5.双重认证
在允许用户访问网站之前可以会有两种使用模式。因此除了用户名和密码之外，唯一验证码也是必不可少的。这一验证码可能是以短信的形式发送到你的手机上，然后进行登录。通过这种方法，即使其它人得到了你的凭证，但他们得不到唯一验证码，这样的他们的登录就会遭到拒绝。
6.不要犹豫，立刻备份
当涉及到云中数据保护时，人们被告知在物理硬盘上进行数据备份时，这听起来可能有些奇怪，但这确实是需要你去做的事。这就是为什么需要一遍一遍反复思考；你应该直接在你的外部硬盘上备份数据，并随身携带。
7.完成即删除
为什么有都无限的数据存储选择时，我们还要找麻烦去做删除工作呢？原因在于，你永远不知道有多少数据会变成潜在的危险。如果来自于某家银行帐户的邮件或警告信息时间太长，已经失去了价值，那么就删除它。 [4]
8. 注意登录的地点
有时我们从别人设备上登录的次数，要比从自己设备上多得多。当然，有时我们也会忘记他人的设备可能会保存下我们的信息，保存在浏览器中。
9.使用反病毒、反间谍软件
尽管是云数据，但使用这一方法的原因在于你第一次从系统中访问云。因此，如果你的系统存在风险，那么你的在线数据也将存在风险。一旦你忘记加密，那么键盘监听就会获得你的云厂商密码，最终你将失去所有。
10.时刻都要管住自己的嘴巴
永远都不要把你的云存储内容与别人共享。保持密码的秘密性是必须的。为了附加的保护功能，不要告诉别人你所有使用的厂商或服务是什么。
云存储
云存储是在云计算(cloud computing)概念上延伸和发展出来的一个新的概念，是指通过集群应用、网格技术或分布式文件系统等功能，将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统。 当云计算系统运算和处理的核心是大量数据的存储和管理时，云计算系统中就需要配置大量的存储设备，那么云计算系统就转变成为一个云存储系统，所以云存储是一个以数据存储和管理为核心的云计算系统。
云游戏
云游戏是以云计算为基础的游戏方式，在云游戏的运行模式下，所有游戏都在服务器端运行，并将渲染完毕后的游戏画面压缩后通过网络传送给用户。在客户端，用户的游戏设备不需要任何高端处理器和显卡，只需要基本的视频解压能力就可以了。 就现今来说，云游戏还并没有成为家用机和掌机界的联网模式，因为至今X360仍然在使用LIVE，PS是PS NETWORK ，wii是wi-fi。但是几年后或十几年后，云计算取代这些东西成为其网络发展的终极方向的可能性非常大。 如果这种构想能够成为现实，那么主机厂商将变成网络运营商，他们不需要不断投入巨额的新主机研发费用，而只需要拿这笔钱中的很小一部分去升级自己的服务器就行了，但是达到的效果却是相差无几的。对于用户来说，他们可以省下购买主机的开支，但是得到的确是顶尖的游戏画面（当然对于视频输出方面的硬件必须过硬。）。你可以想象一台掌机和一台家用机拥有同样的画面，家用机和我们今天用的机顶盒一样简单，甚至家用机可以取代电视的机顶盒而成为次时代的电视收看方式。
云计算
从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。 [1]
服务形式
云计算可以认为包括以下几个层次的服务：基础设施即服务（IaaS），平台即服务（PaaS）和软件即服务（SaaS）。
IaaS：基础设施即服务
IaaS(Infrastructure-as-a- Service)：基础设施即服务。消费者通过Internet可以从完善的计算机基础设施获得服务。例如：硬件服务器租用。
PaaS：平台即服务
PaaS(Platform-as-a- Service)：平台即服务。PaaS实际上是指将软件研发的平台作为一种服务，以SaaS的模式提交给用户。因此，PaaS也是SaaS模式的一种应用。但是，PaaS的出现可以加快SaaS的发展，尤其是加快SaaS应用的开发速度。例如：软件的个性化定制开发。
SaaS：软件即服务
SaaS(Software-as-a- Service)：软件即服务。它是一种通过Internet提供软件的模式，用户无需购买软件，而是向提供商租用基于Web的软件，来管理企业经营活动。例如：阳光云服务器。
隐私
云技术要求大量用户参与，也不可避免的出现了隐私问题。用户参与即要收集某些用户数据，从而引发了用户数据安全的担心。很多用户担心自己的隐私会被云技术收集。正因如此，在加入云计划时很多厂商都承诺尽量避免收集到用户隐私，即使收集到也不会泄露或使用。但不少人还是怀疑厂商的承诺，他们的怀疑也不是没有道理的。不少知名厂商都被指责有可能泄露用户隐私，并且泄露事件也确实时有发生。
事实上，国家在大力提倡建设云计算中心的同时，对云技术与互联网的安全性也高度重视。
发改委等7部联合发布《关于下一代互联网“十二五”发展建设的意见》中强调：
互联网是与国民经济和社会发展高度相关的重大信息基础，加强网络与信息安全保障工作，全面提升下一代互联网安全性和可信性。
加强域名服务器、数字证书服务器、关键应用服务器等网络核心基础设施的部署及管理；
加强网络地址及域名系统的规划和管理；
推进安全等级保护、个人信息保护、风险评估、灾难备份及恢复等工作，在网络规划、建设、运营、管理、维护、废弃等环节切实落实各项安全要求；
加快发展信息安全产业，培育龙头骨干企业，加大人才培养和引进力度，提高信息安全技术保障和支撑能力。"
技术
1、编程模式
2、海量数据分布存储技术
3、海量数据管理技术
4、虚拟化技术
5、云计算平台管理技术
发展
21世纪10年代云计算作为一个新的技术趋势已经得到了快速的发展。云计算已经彻底改变了一个前所未有的工作方式，也改变了传统软件工程企业。以下几个方面可以说是云计算现阶段发展最受关注的几大方面：
1、云计算扩展投资价值
云计算简化了软件、业务流程和访问服务。比以往传统模式改变的更多，这是帮助企业操作和优化他们的投资规模。这不仅是通过降低成本，有效的商业模式，或更大的灵活性操作。有很多的企业通过云计算优化他们的投资。在相同的条件下，企业正扩展到更多创新与他们的IT能力，这将会帮助企业带来更多的商业机会。
2、混合云计算的出现
企业使用云计算(包括私人和公共)来补充他们的内部基础设施和应用程序。专家预测,这些服务将优化业务流程的性能。采用云服务是一个新开发的业务功能。在这些情况下，按比例缩小两者的优势将会成为一个共同的特点。
3、以云为中心的设计
有越来越多将组织设计作为云计算迁移的元素。这仅仅意味着需要优化云的经历是那些将优先采用云技术的企业。这是一个趋势，预计增长更随着云计算的扩展到不同的行业。
4、移动云服务
未来一定是移动，这样或那样的方式。作为移动设备的数量上升显著的——平板电脑、iphone和智能手机是在移动中发挥了更多的作用。许多这样的设备被用来规模业务流程、通信等功能。让云计算应用在所有的员工采取“移动”的方法。更多的云计算平台和api将成为可以是移动云服务。
5、云安全
人们担心他们在云端的数据安全。正因为此，用户应该期待看到更安全的应用程序和技术上来。许多新的加密技术，安全协议，在未来会越来越多的呈现出来。 [9]
相关问题
数据隐私问题：如何保证存放在云服务提供商的数据隐私不被非法利用，不仅需要技术的改进，也需要法律的进一步完善
数据安全性：有些数据是企业的商业机密，数据的安全性关系到企业的生存和发展。云计算数据的安全性问题解决不了会影响云计算在企业中的应用。
用户的使用习惯：如何改变用户的使用习惯，使用户适应网络化的软硬件应用是长期而且艰巨的挑战。
网络传输问题：云计算服务依赖网络，2013年网速低且不稳定，使云应用的性能不高。云计算的普及依赖网络技术的发展。
缺乏统一的技术标准：云计算的美好前景让传统IT厂商纷纷向云计算方向转型。但是由于缺乏统一的技术标准，尤其是接口标准，各厂商在开发各自产品和服务的过程中各自为政，这为将来不同服务之间的互连互通带来严峻挑战。
云计算草案形成
2014 [3] 中国国际云计算技术和应用展览会3月4日在北京开幕，工信部软件服务业司司长陈伟在会上透露，云计算综合标准化技术体系已形成草案。
工信部要从五方面促进云计算快速发展：
一是要加强规划引导和合理布局，统筹规划全国云计算基础设施建设和云计算服务产业的发展;
二是要加强关键核心技术研发，创新云计算服务模式，支持超大规模云计算操作系统，核心芯片等基础技术的研发推动产业化;
三是要面向具有迫切应用需求的重点领域，以大型云计算平台建设和重要行业试点示范、应用带动产业链上下游的协调发展;
四是要加强网络基础设施建设;
五是要加强标准体系建设，组织开展云计算以及服务的标准制定工作，构建云计算标准体系。
