WEKA委托S&P Global Market Intelligence進行的全球最新研究顯示，尋求創(chuàng)建新的價值主張的企業(yè)和研究組織在加速采用人工智能 (AI)，但數(shù)據(jù)基礎設施和AI可持續(xù)性的挑戰(zhàn)對成功大規(guī)模實施造成了障礙。2023年AI市場的生成式AI的快速發(fā)展加劇了這些挑戰(zhàn)。

該研究結果是基于S&P Global對APAC、EMEA及北美大中型企業(yè)和研究組織的逾1500名AI從業(yè)者和決策者進行的一項大型全球調(diào)查，這是迄今為止最大的一次同類調(diào)查。

S&P Global Market Intelligence旗下451 Research的高級研究分析師 Nick Patience 表示：“諸如生成式AI的數(shù)據(jù)和性能密集型工作負載迅猛崛起，市場必須全面重新思考如何儲存、管理和處理數(shù)據(jù)。現(xiàn)在各地的組織都必須長期考慮如何建立和擴展他們的數(shù)據(jù)架構。雖然這仍然是AI革命的初期階段，但我們在2023年全球AI趨勢研究的第一個重要結論是，數(shù)據(jù)基礎設施將是決定哪些組織成為AI領導者的關鍵因素。擁有現(xiàn)代化的數(shù)據(jù)堆疊，便可高效且可持續(xù)地支持AI工作負載和混合云端部署，對于實現(xiàn)企業(yè)規(guī)模和價值創(chuàng)造至關重要。”

該研究的主要發(fā)現(xiàn)包括：

AI 的采用和應用場景正在加速實現(xiàn)，但仍然難以達到企業(yè)規(guī)模

69%的受訪者報告說他們至少有一個AI項目在生產(chǎn)環(huán)境中運行。只有28%的人說他們已經(jīng)達到了企業(yè)規(guī)模，即AI項目被廣泛實施并帶來了顯著的商業(yè)價值。AI已經(jīng)從僅僅是一個節(jié)省成本的杠桿轉變?yōu)橐粋€收入驅動者，69%的受訪者現(xiàn)在使用AI/ML(人工智能和機器學習)來創(chuàng)造全新的收入流。

數(shù)據(jù)管理是AI采用面對的最大技術障礙

影響AI/ML部署最常見的技術障礙是數(shù)據(jù)管理 (32%)，超過了安全(26%) 和計算性能 (20%) 的挑戰(zhàn)，這證明許多組織當前的數(shù)據(jù)架構不適合支持AI革命。

企業(yè)AI的應用場景從節(jié)省成本轉向增加收入

69%的受訪者表示他們的AI/ML項目集中于開發(fā)新的收入驅動因素和價值創(chuàng)造，而31%的企業(yè)仍然是以降低成本為目標。

隨著AI項目的成熟，需要混合方法和多個部署位置來支持工作負載需求

AI/ML的工作負載正在多種位置部署，從公共云端到企業(yè)數(shù)據(jù)中心，以及越來越多的邊緣站點。公共云端是訓練AI/ML模型（47%）和推理（44%）的主要部署位置。利用公共云端運行AI/ML的受訪者更有可能采用混合方法，包括在更多的位置部署。

AI的能源和碳足跡影響企業(yè)的可持續(xù)發(fā)展目標，但云端工作提供了一條改善的途徑

68%的受訪者表示，他們擔心AI/ML影響其組織的能源使用和碳足跡；74%的受訪者表示，可持續(xù)性是促使他們將更多工作負載轉移到公共云端的一個重要或關鍵動機。

老化的數(shù)據(jù)基礎設施和舊式架構直接影響AI的可持續(xù)性表現(xiàn)

77%的受訪者表示，他們的數(shù)據(jù)架構直接影響其可持續(xù)性表現(xiàn)。

組織必須讓自己的數(shù)據(jù)和基礎設施變得“有序”才能以AI為先導

利用現(xiàn)代數(shù)據(jù)架構來克服重大數(shù)據(jù)挑戰(zhàn)（來源、類型、要求等）的公司，可以容納在多個基礎設施場所運行的AI工作負載。（美通社頭條）