如果人工智能想要达到与人类相似的智能水平，则它必须具有相应的计算能力。在1997年，IBM推出了“ Deep Blue”。击败世界象棋大王卡斯帕罗夫，最重要的原因是其强大的数据处理能力。在研发过程中，IBM开发团队向Deep Blue输入了过去100年中所有国际大师的开场和残局举动。 “深蓝色”每秒可以执行2亿次操作，并且可以通过计算预测后的12个步骤来进行比较并做出最佳决策。 Google的搜索引擎和Amazon的智能推荐系统也是人工智能的特定应用领域。在大量数据的训练下，Google的搜索结果和Amazon的推荐结果都变得越来越准确。这构成了两个数据公司的核心竞争力。生活中的各种推荐系统，在收集用户的个性化数据后，利用机器学习为用户提供独特的结果。创业公司“今天的头条”是使用数据获得成功的典型案例。随着行业的逐步开放和越来越多的算法选择开源，数据成为影响人工智能成败的关键。丰富的多维上下文化数据可实现更多，更深入的人工智能应用。当然，相应地，人工智能的深入应用产生了更庞大，准确，高质量的面向情况的数据，这为进一步优化人工智能提供了条件。