AI正逐步成为业务运营体系中的关键组成部分,但对于许多IT团队来说,这并不是条畅通无阻的平坦之路。了解个中挑战的最佳方式,自然是直接询问负责将AI引入企业的负责人——NetApp在其最新发布的《2024年数据复杂性报告》中正是这样做的。这份报告囊括了关于组织如何应对挑战的见解,表明AI落地要求以不同于以往的方式看待数据资源。
随着人工智能成为现代企业中不可或缺的组成部分,当前了解组织如何管理其数据已经比以往任何时候都更加重要。NetApp的这份报告重点关注数据管理与AI准备工作中的复杂性,为正在探索AI旅程的公司带来了宝贵见解。
从本质上讲,AI落地离不开数据。AI计划的成功与否,取决于组织如何准备、管理并运用其数据资源。NetApp的报告显示,部署AI的挑战大多源自底层数据问题,而且在混合及多云环境中表现得尤其明显。有能力通过数据战略视角应对AI准备问题的企业,往往更善于释放AI价值进而实现业务改造目标。
这种关注点的转变,反映出人们正广泛意识到数据战略不应僵化静态。企业越来越多地将数据视为战略资产,其需要一个支撑动态环境的框架,全面涵盖从本地系统到云端的整个运营体系。建立统一数据管理方法,正在成为AI集成的基础性步骤。
NetApp在其2024年数据复杂性报告中,确定了企业在实现AI就绪期间面临的几大关键挑战:
尽管面临诸多挑战,但优先关注数据战略的企业仍然取得了可喜的进展。采用统一的数据管理方法(连接不同环境中的信息,而非将其整合至单一位置)的企业将拥有更强的AI运营支持能力。这种方法使得企业能够将其数据基础设施同AI目标保持一致,同时实现灵活性与可扩展性。
组织也通过投资将可持续性、安全性及适应性战略框架纳入业务体系。通过关注并运用这些考量因素,企业能够满足当前AI需求,同时为未来可能出现的新需求做好准备。
我们很难不同意报告中的结论性表述,即2025年将成为企业AI发展历程中的关键节点。优先考虑统一数据、解决运营复杂性并整合可持续性实践的组织,将更有能力释放AI的全部潜力并获得竞争优势。而着眼当下,企业正处于AI转型之旅中的关键时期。
尽管许多组织在优化数据环境方面都取得了长足进步,但后续仍有大量工作要做。随着AI越来越深入融合进企业运营,花时间评估数据策略并投资长期解决方案的企业,往往更有能力取得成功。
为了推动AI成功,组织必须采用数据管理战略框架。具体方法应当包含:
此番研究不仅为2024年数据复杂性报告提供了信息支持,同时也为数据基础设施的后续发展带来了指引,NetApp自然将这些结果铭记在心。今年早些时候,该公司提出了AI智能数据基础设施的发展愿景,这套方案有望满足报告中指出的一系列需求,超越传统存储、一步步迈向企业级AI数据管理引擎的新时代。
NetApp在这一领域的表现优先于其他传统竞争对手,该公司在整个AI生命周期中提出的数据管理愿景,也比戴尔科技或联想等厂商所公布的方案更加广泛且综合——作为长期合作伙伴,相信这些巨头也将在路线之中始终追随NetApp的脚步。正如报告中所强调,这是企业客户的需求,自然也是解决方案厂商躲不开的课题。
对于探索这一领域的企业来说,核心结论已经非常明显:理解并解决数据复杂性,对于实现AI就绪至关重要。AI要求以不同于以往的方式看待数据。通过关注数据管理、安全性及可持续性等基本要素,组织可以为有意义的AI集成与创新奠定基础,进而为业务的长期成功做好准备。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。