人工智能正在改变基础设施规划。原因如下

随着人工智能工作负载的多样化，数据正成为基础设施决策的主要驱动因素。

长期以来，基础设施规划一直以稳定性为基础，各个组织选择平台、合格的技术、标准化的架构，然后持续高效地扩展这些平台和架构。

随着越来越多的AI项目从试点阶段过渡到生产阶段，这种情况正在发生变化。

团队现在能够支持日益多样化的工作负载、部署环境和业务需求，同时满足治理、合规性和主权要求。一些人工智能应用运行在公共云上，而另一些则保留在本地或边缘。

与此同时，技术的飞速发展也带来了比以往任何时候都更多的模型选择和部署方案。基础设施决策不再是确定单一标准架构，而是保持适应性的灵活性。

在人工智能工作流程中，模型之间的可互换性越来越强。组织可以根据成本、性能或业务需求，将不同的任务分配给不同的模型。功能强大的AI模型正出现在更广泛的环境中，从超大规模基础设施到本地设备。基础设施提供商也在规划更加模块化和可替换的计算架构。

这一切都指向一个更广泛的转变：人工智能基础设施正变得越来越动态，基础设施决策也越来越依赖于具体的工作负载。很多情况下，数据就是原因。

不断变化的数据价值

人工智能正在创造新的机会，使数据能够在系统、工作流程和应用程序中重复利用。这些应用程序对数据存储位置、数据管理方式、数据访问权限、数据移动频率以及数据保留时间都有不同的要求。隐私、主权、延迟、经济性和运营方面的考虑也会影响这些架构决策。

这意味着基础设施越来越受到数据需求的影响，而不是采用一刀切的部署方式。从历史上看，组织收集数据是为了回答已知的业务问题。分析有助于预测未来结果，但问题本身通常是事先就已明确的。

借助人工智能，客户互动、运营历史、治理记录、组织知识和业务背景可以在多个系统、工作流程和应用程序中重复使用。

由于新的部署会产生新的数据，这些数据可以为未来的模型、工作流程和决策提供信息，因此保留的数据将成为未来价值创造的输入。

当数据比基础设施更持久耐用时

在与业内人士的交流中，我越来越清楚地认识到，即使单个计算周期结束很久，数据仍然存在。模型、基础设施和应用程序可能会改变，但数据始终存在。

因此，许多组织发现将商业模型与专有数据相结合具有价值。当这种情况发生时，保留、管理、访问和重用数据的能力就变得至关重要。由于数据往往比用于处理数据的基础设施寿命更长，因此各组织越来越重视能够随着技术发展而适应的架构。

他们希望能够更快地采用新技术并完成基础设施的升级改造。他们想要的架构能够让他们在无需从头开始重建一切的情况下，应对不断变化的需求。

我还看到人们对可适应性强的基础设施模型越来越感兴趣，这种模型可以减少技术层之间的僵化依赖关系。这种灵活性旨在创造足够的选择余地，以应对不断变化的工作负载、技术和业务优先级。

随着人工智能越来越深入地融入业务运营，基础设施决策将越来越受到数据的影响：数据存储在哪里、如何管理、保持价值的时间有多长，以及如何在日益增长的应用程序和工作负载中有效地重复使用数据。

围绕数据的长​​期价值构建灵活的基础设施，将是人工智能未来发展的决定性优势。

了解详情: 参加 Seagate 存储战略评估，发掘构建更灵活、更具未来适应性基础设施的机会。