人工智能和大数据在2017年的发展遇到了以下10个成长的烦恼：
1. 人工智能无IQ标准
人工智能领域发展最好的一个领域是无人驾驶，而究其原因不外乎其拥有了从L0到L5的全球通用标准。但是在其他领域，人工智能细分领域过多，标准化相对缺乏，语音识别做到什么境界算成功，图像识别怎样算最好无法定性，人类都有IQ值来评估是否聪明，可AI却没有。行业无标准让市场、厂商和用户都只能摸黑前行。
2. 人工智能延伸边缘
人工智能的应用在过去是由中心计算支持的，但是由于应用需求的边缘化扩张，物联网将会是人工智能的下一个发展重地，而边缘计算在智能化领域开始成为主角。
3. AI嵌入超算和云计算
人工智能技术不仅在贴近用户层面的边缘化扩展，也在向更深层次的计算需求扩展。云计算和超算技术的发展正在带领人工智能进入一个前所未有的领域。作为人工智能三大因素之一，计算力的发展让人工智能能涉足的事情变多起来。
4. 人工智能得风不得势
人工智能的限制因素在于行业应用依然没有发展，目前的主要应用在搜索、智能语音助手和智能家居等边边角角的小规模运用中，根本没有发挥出自身优势。而无人驾驶至少还需要3年的准备时间，行业规则也尚未定性，总体来看，人工智能只是炒作的噱头还没有利润转化的能力。
5. 人工智能就业有误
人工智能与人类就业的冲突已经被提上了日程。不少人担心人工智能的发展会造成人类的大规模失业，而且还有以霍金为首的大批业内人士担心人工智能的发展会让人类毁灭。这些担心尽管不无道理，可是人工智能也会造成另外的就业岗位岗，例如，人工智能设备共享的运营、维修。发
6. 大数据风口己过
大数据从起风到现在显然风头已经被人工智能盖过，换言之大数据被鼓吹的年代已经过去，甚至曾经鼓吹大数据，必须要设立企业的首席数据官的公司，说了5年之后也对此不了了之。大数据的成效比实在差强人意也是让人们看到了大数据难做的原因之一。
7. 数据保鲜难
大数据进入非互联网行业时，面临的主要难题在数据采集。数据采集不全面则可能分析结果无价值，而全方位的采集又可能使得采集成本过高。同时，任何行业的大数据都面临数据保鲜周期短，数据易过期的难题。
8. 数据养黑市
大数据行业发展导致数据价值日益提升，因此黑客的主要攻击目标也就被集中到了数据之上。企业不仅需要为采集到的数据及时的进行分类、处理、存储和分析，也需要为数据的安全负责。在网络环境日益复杂的情况中，黑市里的数据正在越来越多，保护数据的成本也在增加。
9. 数据量爆发管理不同步
大数据在经历了一轮轮爆发之后，企业在处理数据时所面对的海量数据需要进行数据筛选和数据清洗，但是数据清洗过程正在让数据管理变得复杂化，非结构化数据包含的意义正在增多，数据清洗可能去掉有用的信息只留下想看到的不完整信息，这种数据管理方式会导致最终处理结果的偏差。
10. 大数据商业化孤岛形成
每一家企业都有自己的数据，而这些数据在进行商业化应用时，出于对个人隐私和竞争关系等因素考虑，并不会相互沟通，数据缺乏流通性和及时更新直接的结果就是导致不同企业的数据互不相同，孤岛化数据成型，这种孤岛化数据缺乏全面性，从而让多数企业只能在自身偏颇的分析结果里获取答案，远谈不上真正的大数据。
