據(jù)一項研究發(fā)現(xiàn)，投資現(xiàn)代數(shù)據(jù)對于成功擴展人工智能至關重要，但一半的企業(yè)面臨成本障礙。從長遠來看，現(xiàn)在可以投資于數(shù)據(jù)管理的企業(yè)將成為人工智能的領導者。

69%的受訪者至少有一個正在投入生產(chǎn)的人工智能項目，其中28%的項目已經(jīng)達到企業(yè)規(guī)模。雖然尋求創(chuàng)造新價值主張的企業(yè)和研究組織正在加速采用人工智能，但該研究表明，數(shù)據(jù)基礎設施和人工智能可持續(xù)性挑戰(zhàn)，為大規(guī)模成功實施人工智能帶來了障礙。該報告強調(diào)，由于整個2023年，生成式人工智能在企業(yè)內(nèi)部的發(fā)展非常迅速，這些挑戰(zhàn)將如何增加。

數(shù)據(jù)管理會成為人工智能革命的最大挑戰(zhàn)嗎?

人工智能的采用持續(xù)增加，但企業(yè)規(guī)模仍然是一個挑戰(zhàn)。WEKA與標準普爾聯(lián)合對1500名全球人工智能決策者進行了調(diào)查，并公布了這些結(jié)果。它確定了企業(yè)在其人工智能旅程中遇到的機遇和障礙，以及全球各行業(yè)采用人工智能的獨特動力。它還提供了有關企業(yè)未來需要采取哪些步驟才能成功使用人工智能的見解。

32%的受訪者將數(shù)據(jù)管理視為AI/ML部署的技術(shù)障礙。此外，安全性(26%)和計算性能(20%)的挑戰(zhàn)壓倒一切，證明許多企業(yè)當前的數(shù)據(jù)架構(gòu)不適合支持人工智能革命。

77%的受訪者認為，傳統(tǒng)架構(gòu)和數(shù)據(jù)基礎設施會影響他們的可持續(xù)發(fā)展績效，74%的受訪者表示，可持續(xù)發(fā)展是將更多工作負載轉(zhuǎn)移到公共云的重要或關鍵動力。

68%的受訪者還表示，他們擔心人工智能/機器學習對其企業(yè)的能源使用和碳足跡的影響。

隨著人工智能計劃的進一步發(fā)展，需要采用混合方法和多個部署位置來支持工作負載需求。傳統(tǒng)數(shù)據(jù)基礎設施對其高效、可持續(xù)地大規(guī)模使用人工智能的能力，產(chǎn)生了直接的負面影響，因為它們在開發(fā)時沒有考慮到，現(xiàn)代性能密集型工作負載或混合云和邊緣模式。

正如我們不會期望使用20世紀90年代開發(fā)的電池技術(shù)，來為特斯拉等最先進的電動汽車提供動力一樣，我們也不能指望為上世紀的數(shù)據(jù)挑戰(zhàn)而設計的數(shù)據(jù)管理方法，能支持生成式人工智能等下一代應用。

構(gòu)建現(xiàn)代數(shù)據(jù)堆棧旨在支持從邊緣到核心，再到云無縫跨越的人工智能工作負載需求的企業(yè)，將成為未來的領導者和顛覆者。