在大数据时代，如何充分挖掘出蕴藏于数据资源中的价值正在成为各国IT业界、学术界和政府共同关注的焦点。使用云计算平台分布式地存储和分析大数据已经成为共识并且得到了广泛应用，但这并没有完全解决大数据的3Vs特性带来的问题。全面应对大数据的挑战需要来自存储技术、下一代网络、处理器、计算模型等各领域的创新。粒计算是在求解问题过程中使用"粒"的理论、方法、技术和工具的集合，适合用于近似求解带不确定性和层次结构的问题。本文分析了现存大数据处理技术的局限性；针对大数据的特点和大数据处理中存在的问题，提出大数据问题的粒计算解决框架；分析了深度学习与粒计算的逻辑关系，提出深度学习本质上是多粒度计算，可以用深度学习引导在大数据处理中形成数据粒和功能粒的最优结构；讨论了量子比特编码与粒计算的关系，提出用量子比特编码有可能降低大数据问题的规模和复杂度。最后，总结和展望了粒计算应用于大数据的研究前景。