因此，一个全新的协作平台类型正在加快出现，引领着所谓的DataOps（与DevOps对应）领域的发展。这方面值得关注的初创企业包括Dataiku、Knime以及DominoDataLab等。Cloudera最近刚刚基于收购的Sense发布了一款工作台产品。该领域的开源运动也很强劲，比方说Jupyter和Anaconda就是例子。
AI驱动的垂直应用
AI驱动的垂直应用出现已经有好几年历史了，但这股潮流已经从涓涓细流变成了怒涛激流。突然之间似乎每个人都在开发AI应用，不管是新的初创企业，还是后期阶段的创业公司都押注到AI身上，希望能给自己带来新的突飞猛进式的发展。
当然，水变大了难免鱼龙混杂，这里当然有一些真正令人兴奋的初创企业，但也有不少是挂羊头卖狗肉来蹭热点的。只是用了点机器学习的公司算不上AI公司。
基本上来说，做一家AI公司是很棘手的。选择一个垂直的问题当然是个重要的开始。除了要有深厚的技术DNA以外，这还需要审慎的定位和战术。但是AI带来的无限可能性是很难不让人着迷的。
尤其是在去年，把任何数据问题用AI来解决显然已成趋势，无论是企业一样还是垂直行业都是如此。所以为了反映这一趋势，今年的大数据版图增加了交通、房地产、保险等垂直行业，并且把特别活跃的领域拆分了出来，比如营销应用现在分出了B2B和B2C，生命科学分成了医疗保健和生命科学。
除了一些多少还是未来主义感觉的领域（比如无人车）以外，AI已经在更加没有想象空间的企业领域发挥作用，比如提供预测、后端事务自动化、安全等。
尽管AI对人类工作的威胁还不是迫在眉睫，但将来没有任何一种职业会对此免疫。其中包括一些最为根深蒂固的白领工作，如医生或者律师等。金融界似乎一直在思考着AI的可能性和威胁。对冲基金正在为自己的算法寻找合适的替代数据。新的AI驱动的对冲基金尽管还处在发展的早期阶段，但已经表现出不错的势头（比如Numerai、DataCapitalManagement等）。而华尔街一些最著名的机构正在逐渐用AI来取代人力（黑石、高盛等）。
聊天机器人遭遇反冲
喜欢也好，讨厌也罢，2016年都可以称得上是聊天机器人之年，这些全自动化的事实对话代理基本上都是出现在聊天服务里面。聊天机器人尽管出现的时间不长，但已经经历了好几个炒作周期，从早期给人希望，到Tay的灾难性收场，再到迷你复苏，乃至于Facebook在其Messenger平台推出的AI机器人错误率达到70%之后缩减了这方面的努力。
现在看来对聊天机器人的兴奋似乎高兴太早，原因也许是大家从亚洲的聊天机器人崛起以及Slack等底层基础设施的快速发展得出了过于乐观的信号。当然，聊天机器人最终的潜能肯定是非常巨大的，但它的真正成熟还需要很长的时间。目前为止，无论是“生产者”还是“消费者”都需要调整一下对它的期望。实际上，Amazon Echo的成功正是在缩小了场景之后取得的，而用户也不要指望机器人什么都能回答了。现阶段把人引入到过程里面，把AI作为增强因素的解决方案和服务应该是最看好的模式。
结论
通过大数据与AI的黄金搭档，我们正在进入大数据技术的“收获”阶段。其潜能将非常巨大。
随着核心基础设施不断走向成熟，以及在AI推动下应用侧的爆发，2017年的大数据（以及AI）生态体系将开足马力，驶向光明的未来。