☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
根据一项研究发现，投资现代数据对于成功扩展人工智能至关重要，但有一半的企业面临成本障碍。从长远来看，现在可以投资于数据管理的企业将成为人工智能的领导者
受访者中有69%的人至少参与了一个正在进行中的人工智能项目，其中28%的项目已经达到了企业规模。尽管企业和研究机构正在加速采用人工智能来寻求创造新的价值主张，但该研究表明，数据基础设施和人工智能的可持续性挑战成为了大规模成功实施人工智能的障碍。该报告强调，到2023年，生成式人工智能在企业内部的发展将迅速增加，进一步加剧了这些挑战
数据管理会成为人工智能革命的最大挑战吗?
人工智能的应用不断增加，但企业规模仍然是一个挑战。WEKA与标准普尔联合对1500名全球人工智能决策者进行了调查，并公布了这些结果。调查确定了企业在人工智能旅程中遇到的机遇和障碍，以及全球各行业采用人工智能的独特动力。调查还提供了关于企业未来需要采取哪些步骤才能成功使用人工智能的见解
受访者中有32%认为数据管理是AI/ML部署的技术障碍。此外，有26%的受访者表示安全性问题和20%的受访者表示计算性能问题是当前的主要挑战，这表明许多企业现有的数据架构无法支持人工智能革命
根据调查，77%的受访者认为传统架构和数据基础设施对他们的可持续发展绩效产生了影响，而74%的受访者表示，将工作负载转移到公共云是实现可持续发展的重要或关键动力
有68%的受访者表示，他们对人工智能/机器学习对其企业的能源使用和碳足迹的影响感到担忧
随着人工智能计划的进一步发展，需要采用混合方法和多个部署位置来支持工作负载需求。传统数据基础设施对其高效、可持续地大规模使用人工智能的能力，产生了直接的负面影响，因为它们在开发时没有考虑到现代性能密集型工作负载或混合云和边缘模式
就像我们不会期望使用20世纪90年代开发的电池技术来为特斯拉等最先进的电动汽车提供动力一样，我们也不能指望为上世纪的数据挑战而设计的数据管理方法能够支持生成式人工智能等下一代应用
构建现代数据堆栈旨在支持从边缘到核心，再到云无缝跨越的人工智能工作负载需求的企业，将成为未来的领导者和颠覆者。
