云计算在我看来从技术层面就是建设可以无限扩容的网络计算机。也叫网格计算，分布式计算，分布式存储。
放置于电信机房的高性能联网计算机集群，能提供无限扩容的存储，高性能的运算，还有数据挖掘相关的智能交互，就构成为我们今天的三个概念：云计算，大数据，人工智能 AI。这不完全是技术的演进，它更是产业进程，因为要做的更便宜更安全，所以才有了分布式云结构，因为各类数据报表具有决策辅助的意义，所以有了大数据的应用前景，因为物联网和通讯技术的完善，所以更拟人的交互和运算服务 " 人工智能 " 就势在必然。
技术的先进性是体现在完成任务的低成本上，包括理解使用和时间。从产业角度就是发展按需出租的灵活业务。付费和性能分配越灵活，用户成交率就越高。很形象的比喻就是出租办公室，早年开办公司需要签订全年办公室租赁合同，现在很多孵化器可以按工位出租，支持灵活扩容，能最佳匹配你的业务进展。如果门槛低，需求匹配的好，那么用户选择的就更多，市场就能持续增长。
大数据本质的意义在于通过数据库的挖掘技术，实现逻辑判断和筛选搜索，进而结合拟人的交互技术，就形成了人工智能，比如天气预报记录了 1954 年以来分布各地的气象站所有的天气数据，从而能对地区气候形成惯性模拟，能预测风向气候和雨季。在 2000 年前后，数据挖掘就开始在商业决策上形成了系列的辅助产品，叫 BI 商业智能，简单的说，电脑不仅能给我报表了，还能给我明确的建议了，要我采购，或者立刻促销去库存，什么类型上更有商业机会等等。比如华尔街的高频交易的智能选股，依靠的是大数据和云计算技术，体现出人工智能的结果。大数据和云计算可以理解为技术上的概念，人工智能是应用层面的概念。人工智能的技术前提是云计算和大数据。
云计算和大数据是同一批硬件，涉及到存储的业务叫云计算，涉及到逻辑判断和数据搜索筛选的业务叫大数据，比如我们的天河二号。
更好用，更低成本的存储，更强化的运算能力，最傻瓜化的交互形式逐步推动了人工智能的广泛应用。
云计算当前的标准解释是什么?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。
没有云计算的时候，我们怎么来处理这类业务?早期我们使用计算机，有一定的使用目标和需求，比如建设网站，实施 ERP/CRM 项目，银行图书馆的资料库、人口户籍项目等，因此我们购买计算机，服务器，组件网络，购买软件，因此要设置一个职位 CTO 来全面统筹该类工作。他要基于自身业务增长的惯性，考虑在购买系列服务时要预留多大的弹性空间，或网络带宽或用户许可证数量，因为软件和硬件是捆绑的，扩大硬件配置可能使得软件需要重新安装，这会影响数据库的安全性。如果业务进度不如预期，那么购置的弹性空间将变成成本浪费。这对于使用企业和个人来说，是一个巨大的决策风险。
基于技术的进步，IDC 和软件服务商都开始将硬件、网络和软件操作权由出售变成弹性出租，一切费用由你当时所耗费的真实指标来核定费用，而不是过去常见的早期合同约定。这个变化带来两个应用层的好处，一是降低 CTO 的决策风险，不会闲置浪费成本，二是更简单的开展新项目，存储，软件服务等都是动态增减，服务商事先部署好应用环境，用户无需考虑技术配属，一切极易上手。
云计算 CLOUD COMPUTING 利用网络连接的特性，IDC 理论上可以提供无限的(阿里云最大连接数 5500 台实验)计算机服务器连接，同时通过软件运维技术，实现资源动态分割管理，满足用户动态和独立安全的使用需要，这种服务对于用户而言，能使用，但设备又完全不在视野范围之内，在任何空间地点都能通过网络访问和管理，它形象的被成为 " 云计算 "。
