1、虚拟化

云计算将传统的计算、网络和存储资源通过提供虚拟化、容错和并行处理的软件，转化成可以弹性伸缩的服务。

2、弹性伸缩

云计算运用网络整合众多的计算机资源，构成技术存储模式，实现多种功能，包括并行计算、网格计算、分布式计算、分布式存储等。

3、提高工作效率

与原有的工作站单独计算的模式相比，云计算模式能在很短的时间内完成，实现效率的提升。

4、资源使用计量

云计算的服务是可计量的，付费标准是根据用户的用量收费。在存储和网络宽带技术中，已广泛使用了这种即付即用的方式。

5、按需自助服务

云计算具有规模大、用户多、安全可靠性高的特点。

6、经济性

在达到同样性能的前提下，组建一个超级计算机所消耗的资金很多，而云计算通过采用大量商业机组成集群的方式，所需要的费用与之相比要少很多。

人工智能在计算机上实现时有2种不同的方式：

一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法(ENGINEERING APPROACH)，它已在一些领域内作出了成果，如文字识别、电脑下棋等。

另一种是模拟法(MODELING APPROACH)，它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。

遗传算法(GENERIC ALGORITHM，简称GA)和人工神经网络(ARTIFICIAL NEURAL NETWORK，简称ANN)均属后一类型。遗传算法模拟人类或生物的遗传-进化机制，人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。为了得到相同智能效果，两种方式通常都可使用。采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂(按指数式增长)，人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁，非常麻烦。采用后一种方法时，编程者要为每一角色设计一个智能系统(一个模块)来进行控制，这个智能系统(模块)开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不到发布新版本或打补丁。利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。但一旦入了门，就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定，应用于复杂问题，通常会比前一种方法更省力。

弱人工智能观点认为不可能制造出能真正地推理(Reasoning)和解决问题(Problem_solving)的智能机器

这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。 

主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。

强人工智能的研究则处于停滞不前的状态下。