雲計算行業正逐漸向智慧的方向轉變。 雖然計算、存儲和網路仍然是雲供應商的主要收入來源， 但機器學習也正慢慢成為當代雲計算的焦點。
以下是五種被機器學習高度影響的雲服務：
認知計算(Cognitive Computing)
認知計算的目標是為應用程式帶來感覺能力， 使App能夠看、聽、說、甚至決策。 基於自然語言處理、視覺識別、人臉識別、情感識別、視頻分析、文本轉語音、語音轉文本、語言翻譯和情感分析等技術， 認知計算使開發人員能夠通過簡單的API進行開發程式設計。 通過充分利用這些服務， 應用程式就能提供更加自然的用戶體驗。 而這一切的背後， 是機器學習， 應用了多樣化的演算法提供這些強大的認知能力。 雖然它看起來似乎很簡單， 但是雲供應商們已經在其中投入了巨量的資源， 為了向開發者們提供認知API。 從保險到金融， 所有的主要行業的垂直行業都會開始使用認知計算平臺，
亞馬遜AI、IBM Watson、穀歌雲和微軟認知API是目前市場上比較多見的一些商業產品。
機器人即服務(Bots as a Service)
這個領域中， 新興的一些平臺有API.ai、IBM Watson Botkit和微軟Azure Bots as a Service等等。
物聯網(Internet of Things)
雖然物聯網已經已不同的形式存在了近20年， 但是資料驅動雲平臺仍然重新定義了這一趨勢。 除了捕獲多種感測器傳來的大量資料以用來查詢外， 同時還可以處理和分析各種重要趨勢， 機器學習可以使雲計算變得更加智慧。 預知維護是一個比較引人注目的用例， 在工業物聯網中， 這樣的平臺能夠代替人類對設備進行故障監測。 多種機器學習演算法串聯工作， 演變為一個合適的模式， 能夠最好地理解設備所生成的資料集的模式。
物聯網預見性維護解決方案的兩個典型的例子是微軟Azure IoT Suite和IBM Watson IoT。
個人助手(Personal Assistants)
機器學習的崛起， 讓個人語音助手比之前更加有作用。 這些助手能夠學習你過去的選擇和使用趨勢， 為你提供一個定制化的應用體驗。 例如， 只需要幾天時間的記錄， 它們就能夠創建一個播放清單， 最好地， 動態化地適應你感情傾向。 它們會在通知和提醒時變得更加智慧。 這些助手展出的API會讓開發者們能夠將ML(machine language， 機器語言)的力量掌握在自己手中。 它們能夠為用戶帶來更深一層的定制化體驗。
由機器學習提供技術支援的一些常見的智慧個人助手有亞馬遜Alexa、蘋果Siri、谷歌助手和微軟 Cortana。
商務智慧(Business Intelligence)
傳統的資料倉庫已經被大資料和Apache Hadoop所瓦解， 而通過將機器學習帶入企業資料倉庫， 決策者們就可以從現有的資料中獲得更加聰明的見解， 同樣可以更加準確地預測業務趨勢。 包括SCM、CRM、ERP、MRP、HR、銷售和財政在內的領域， 都會從ML驅動的觀察中獲得好處。
亞馬遜、穀歌、IBM和微軟等公司， 都在建立傳統商務智慧平臺和新興ML工具之間相互連接的橋樑。 亞馬遜 Kinesis Analytics有亞馬遜ML， Azure Stream Analytics有Azure ML Web Services， 而穀歌也正通過利用Cloud ML使BigQuery和Cloud DataFlow變得更加簡單。 開發者和架構師們可以輕鬆連接網點， 開發下一代商務智慧工具。
以上這些實例向我們展現了， 機器學習如何成為智慧雲計算的焦點。 在未來幾個季度，