数据需求如何重塑人工智能基础设施

随着人工智能系统越来越深入地融入业务运营，基础设施团队正在决定数据应该存储在哪里、如何管理以及如何保持可访问性。

Google Cloud 最新发布的 AI 基础设施状况报告¹ 强调了这一观点，报告发现 52% 的组织现在采用混合 AI 方法，而 48% 的组织优先考虑支持数据驻留、合规性控制和本地安全要求的基础设施。

随着云平台不断加速人工智能的实验和部署，各组织正在积累更大、更多样化的数据集。这些发现也表明了数据需求如何影响基础设施决策，更加强调需要在多个环境中管理、保留和访问数据。

当数据决定架构

数据驻留、治理、合规性和本地安全从根本上来说是数据管理和控制的问题。对于许多组织而言，这些要求成为决定人工智能基础设施部署方式的主要决策标准。

不同类型的数据须遵守不同的法律、监管、安全和运营要求。因此，组织通常无法将所有数据保存在单一环境中。由于数据本身必须以不同的方式进行管理、存储和访问，因此基础设施变得分布式。

这种动态体现在对主权人工智能计划日益增长的关注上，各国政府和企业都在投资基础设施，旨在将关键数据保持在本地控制之下，同时仍然支持人工智能工作负载。

人工智能改变了数据的价值

虽然治理、合规和数据管理并非新要求，但人工智能改变了组织保留的数据量和数据价值。随着保留的数据成为人工智能系统的背景信息、知识和运营洞察的来源，数据保留和治理成为信息存储和重用以创造未来价值的关键考虑因素。

许多组织发现，与其构建自己的基础模型，不如将市面上现有的模型与专有数据相结合，这样效果更好。因此，对这些数据的控制成为决定人工智能系统能够创造多少价值的关键因素。

人工智能系统依赖于积累的背景信息、运行历史、治理控制、客户互动和组织知识，这些信息必须被保留和访问。数据不再仅仅是人工智能系统的输入，它已经成为一种资产，有助于确定这些系统可以创造的价值，这改变了组织对架构的看法。

传统上，基础设施团队往往专注于应用程序的运行位置。如今，他们正在决定数据应该存储在哪里、应该保留多长时间、哪些政策对其进行管理，以及如何让未来的 AI 系统能够访问这些数据。

从工作负载到数据战略

谷歌的研究成果不仅关乎云计算，也关乎数据架构。混合基础设施是一种架构解决方案，旨在应对宝贵数据分散在多个环境中的现实情况。

业界讨论的焦点已经从人工智能工作负载应该在哪里运行的问题，转移到评估架构是否能够支持数据的创建、管理、保留和重用方式。

能够成功运用人工智能的组织，会围绕自身数据的实际情况及其能够创造的价值来构建基础设施。随着保留数据成为背景信息、知识和竞争优势的重要来源，保存、管理和重用这些数据的能力变得越来越重要。在这种观点看来，基础设施从运行工作负载的平台演变为持久的记录系统，用于保存、管理和创造数据价值。

阅读全文：请参阅我最近的博客文章，了解对象存储如何成为现代云和人工智能基础设施的基础层。

脚注：

¹关于混合云和 GDC 的 AI 基础设施现状报告 | Google Cloud 博客