有需求在，但如果技术上达不到可用性要求，那也是白搭。

　　早期计算机计算能力有限，可获取的用户数据也有限，推荐算法大都是在实验室环境下做学术研究，真正商用还有比较大的风险。随着互联网的高速发展，特别是搜索引擎相关技术的发展，计算能力已经不是问题，而且大规模的用户数据收集也已经不是难事。这样基于大样本数据的实时分析处理系统(大数据)可以快速分析出群体行为的概率分布，再将这些概率分析应用到个体用户上，就产生了智能推荐的体验。例如搜狗的云输入法，基本原理很简单，就是通过概率计算你要输入的下一个字可能是什么。但这在后台需要一个庞大而复杂的实时分析处理系统。

　　另外对人类语言及语义的计算机识别处理，有一门专门的学科叫自然语言处理，也有的叫计算语言学。之前主要研究的领域是自然语言的机器翻译，它的基本逻辑就是通过机器学习和训练，通过统计分析大量人类已有的文章、句子、词汇和词汇之间的概率分布情况是什么，根据语义来配对。中科院、微软、谷歌等大机构都投入大量资源在做研究，发了大量的paper，取得了非常不错的效果。

　　学术研究在前，商业应用在后，给智能推荐的效果提供了坚实的技术基础。