1. 首頁 > 生活百科 > >

如何為AI探索構建數據基礎設施

人工智能ai維珍航空

如何為AI探索構建數據基礎設施


數據的重要性對CIO而言并非新鮮話題 。 數字化領導者花費多年時間收集和整理企業信息 ， 將這些數據存儲在內部數據中心和云基礎設施中 ， 期待有朝一日能發揮作用 。 如今隨著AI的興起 ， 這個時刻終于到來了 。
CIO.com的2025年CIO現狀調查發現 ， 研究和實施數據驅動的AI產品和項目是IT領域的首要CEO優先事項 。 企業高管希望CIO們超越實驗階段 ， 與業務領導者合作 ， 通過提高生產力或效率增益來創造價值 。
Carruthers and Jackson年度數據成熟度指數顯示了類似趨勢 ， 發現超過50%的組織在過去一年中增加了AI的使用 ， 其中11%報告了顯著增長 。 該咨詢公司CEO Caroline Carruthers表示 ， 對AI的關注對數據興趣產生了相應影響 。
\"我們發現幾乎出現了數據重要性認知的第二次覺醒 ， \"她說 ， \"這與2018年引入GDPR時看到的效應類似 。 我認為那可能是第一次覺醒 ， 而AI效應是第二次 。 \"
雖然組織熱衷于探索AI ， 但只有在擁有可靠且可擴展的數據基礎設施的前提下 ， 才能充分利用新興技術 。 為此 ， CIO們在過去十年中構建的云基礎設施將在幫助公司根據新業務需求擴展IT資源方面發揮關鍵作用 。
然而 ， AI加快了變化的步伐 。 在幾乎持續轉型的時代 ， 公有云或私有云供應只是IT基礎設施拼圖的一部分 。 研究機構GigaOm的COO兼CTO Howard Holton建議 ， 為AI構建有效基礎需要對基礎設施有細致的理解 ， 而許多業務領導者缺乏這種理解 。
【如何為AI探索構建數據基礎設施】許多組織從傳統內部存儲整體遷移到云端服務 ， 這種一刀切的方法對于新興技術的波動需求并不完美 。 Holton表示 ， 更好的方法是為變化構建數據基礎 ， 并為可能每12個月就會發生重大方向轉變的未來做準備 。
\"這個領域存在巨大的變動 ， 市場發展太快 ， 難以做出硬性決策 ， \"他說 ， \"數字化領導者必須在設計架構時認識到自己可能是錯誤的 。 正確的方法就像我們為網絡安全設計架構一樣——它會失敗 ， 所以要將這種認知融入其中 ， 以便根據需要更改組件 。 \"
**讓數據成為一切的平臺**
HPE全球CIO Rom Kosla是一位認識到敏捷基礎設施關鍵作用的數字化領導者 。 他的公司使用具有內置AI功能的第三方應用程序 ， 包括Microsoft Copilot以及SAP和Salesforce的工具 。 HPE還花了18個月開發了一個名為ChatHPE的內部聊天解決方案 ， 這是一個由Azure和OpenAI技術驅動的內部流程生成式AI中心 。
Kosla表示 ， ChatHPE的新業務提案會被評估以創建用例流水線 ， 如審查法律合同、提升客戶服務、重用營銷資產和改善財務分析 。 該流水線通過包含HPE Private Cloud AI的IT基礎設施進行管理 ， 這是一個面向企業AI挑戰的全棧解決方案 。 Kosla補充說 ， 該平臺允許他的組織有效且安全地為AI項目擴展數據資源 。
\"IT部門是第一批接收Private Cloud AI服務器并將其部署到我們托管數據中心的部門之一 ， \"他說 ， \"現在我們有了一個路由機制 ， 如果我們想要特定的內部AI用例 ， 而我們永遠不希望在外部模型上訓練和推理 ， 我們可以將其保留在該數據中心內 。 \"
理解數據用例對梅賽德斯-AMG Petronas F1車隊IT運營和服務管理負責人Steve Riley來說也至關重要 。 他的團隊消耗大量信息來提高賽道比賽性能 ， 對他的IT部門而言 ， 優秀的數據平臺必須可擴展 ， 更重要的是超級可靠 。
\"我們進行大量計算流體力學工作 ， 因此擁有高性能的底層存儲層對我們來說價值很高 ， \"他說 ， \"但成功還在于在正確的地方擁有正確的技術 。 這并不總是意味著購買最快、最昂貴的技術 ， 而是要在投資配置方面保持戰略性 ， 這就是我們采取的方法 。 \"
Riley表示 ， 梅賽德斯F1的主要技術合作伙伴包括提供數據基礎設施的HPE和提供包括用于比賽模擬器的Tensor平臺在內的新興技術的TeamViewer 。 車隊也在涉足AI領域 。 Riley說 ， 正確的平臺意味著他的組織可以在適當時機做出數據驅動的決策 。
\"運用我們的行業知識是我們的工作 ， \"他說 ， \"這通常意味著我們需要仔細考慮在哪里花錢 。 我們會在需要的地方尋求性能 。 然而 ， 可靠性是關鍵 ， 因為這樣團隊就不會持續重復相同的工作 ， 他們可以騰出時間關注下一個重大事件 。 \"
維珍航空數據與AI副總裁Richard Masters是另一位尋找創新解決方案來應對棘手挑戰的數字化領導者 。 這種方法的關鍵要素是組織的Databricks數據平臺 。 他的團隊使用該平臺整合企業信息 ， 并考慮如何應對出現的新技術和模型 。
Masters表示 ， 輕松訪問信息產生了巨大影響 。 \"過去當問題出現時 ， 當我們沒有這種洞察力時 ， 我們的團隊必須進入這里的SQL Server數據庫 ， 或那里的Postgres數據庫 ， 或Oracle數據庫 ， 然后去與系統所有者交談 ， 然后重新建模數據 ， \"他說 。
維珍的Databricks平臺意味著企業信息現在存儲在一個位置 。 Masters說他的數據團隊可以花更多時間探索、理解和驗證信息 。 這種能力意味著當業務其他部門提出問題時 ， 團隊可以更快地釋放洞察力 。
\"這是一個巨大的收益 ， 因為數據是一切的基礎 ， \"他說 ， \"這種能力意味著你可以用AI智能體等新興工具做更多事情 ， 因為你對平臺中的數據有信任 ， 可以減少很多噪音 。 \"
**保持對創新想法的開放**
因此 ， 數字化領導者必須認識到有序數據對于利用創新至關重要 。 正如Snowflake聯合創始人兼總裁Benoit Dageville建議的 ， CIO應該將企業信息視為數據基礎的\"零層\" 。 現在專注于這一基礎工作的CIO將能夠很好地利用后續出現的新興技術 。
GigaOm云和數據基礎設施現場CTO Whit Walters說：\"AI推動創新的速度超過了我們見過的任何事物 。 大多數工具都是幾年前設計用來管理推動云發展的市場力量的 。 每個人都只是在努力跟上 。 與此同時 ， 企業需要模塊化架構 。 數據平臺的各個部分必須可互換 ， 因為在AI時代供應商的發展將是不對稱的 。 \"
這種方法與服裝制造商Happy Socks的CIO Vivek Bharadwaj的觀點一致 。 在遷移到Snowflake數據平臺之前 ， 他的業務依賴Excel進行報告 。 他的團隊使用Snowflake構建了全新的數據基礎 ， 幫助組織其他部門做出更快的、基于洞察的決策 。 他們繼續添加新技術來構建平臺 。
\"最初 ， 我們純粹在Snowflake上運行 ， \"Bharadwaj說 ， \"隨著規模擴大 ， 我們遷移到DBT和包括Airbyte和Sigma在內的合作伙伴生態系統棧 。 隨著流程成熟 ， 我們開始探索不同的應用程序 ， 如Streamlit框架和Cortex AI ， 以提供業務價值 。 \"
Happy Socks還使用其數據生態系統探索新用例 。 Bharadwaj表示 ， 潛在投資領域包括預測分析、庫存管理和電商客戶個性化 。 此外 ， 他的團隊正在研究如何使用Snowflake Cortex大語言模型創建產品描述 ， 釋放員工專注于更高價值的問題 。
\"真正的目標是使用數據和AI大規模解決我們的業務問題 ， \"他說 ， \"我大力倡導的一點 ， 我們在這個領域取得了有意義的進展 ， 就是如果你想在公司內通過數據實現非線性增長 ， 從第一天起就要讓它成為自助服務 。 業務用戶應該被賦權 ， 他們不應該在每個支持問題上都依賴IT 。 \"
在經驗教訓方面 ， 他對其他CIO的建議是從基礎開始 ， 不要在不穩定的數據基礎設施上構建AI 。 \"你可能會獲得一些初期勝利 ， 但這從來不是可持續的方法 ， \"他說 。
Q&A
Q1：為什么說數據是AI應用的基?。 ?
A：數據是AI應用的\"零層\"基礎 ， 就像維珍航空的Richard Masters所說\"數據是一切的基礎\" 。 只有擁有可靠、有序且可擴展的數據基礎設施 ， 企業才能充分利用AI等新興技術 。 沒有良好的數據基礎 ， AI項目可能獲得初期勝利 ， 但永遠不會是可持續的方法 。
Q2：企業在構建AI數據基礎設施時應該注意什么？
A：企業應該采用模塊化架構 ， 讓數據平臺的各個部分可以互換 。 因為AI領域變化太快 ， 每12個月就可能發生重大方向轉變 。 正如GigaOm的Howard Holton建議的 ， 要為變化而設計架構 ， 認識到決策可能是錯誤的 ， 就像設計網絡安全架構一樣——預期它會失敗 ， 所以要能夠根據需要更改組件 。
Q3：ChatHPE和Databricks這類平臺有什么優勢？
A：這些平臺能夠整合企業信息 ， 讓數據存儲在統一位置 。 比如維珍航空的Databricks平臺讓團隊不再需要分別訪問不同的SQL Server、Postgres或Oracle數據庫 ， 可以花更多時間探索、理解和驗證信息 ， 當業務問題出現時能更快地釋放洞察力 ， 并減少大量噪音 。

    推薦閱讀