人工智慧正在改變基礎設施規劃。原因如下

隨著人工智慧工作負載的多樣化，數據正成為基礎設施決策的主要驅動因素。

長期以來，基礎設施規劃一直以穩定性為基礎，各個組織選擇平台、合格的技術、標準化的架構，然後持續有效率地擴展這些平台和架構。

隨著越來越多的AI計畫從試點階段過渡到生產階段，這種情況正在改變。

團隊現在能夠支援日益多樣化的工作負載、部署環境和業務需求，同時滿足治理、合規性和主權要求。有些人工智慧應用運行在公有雲上，而有些則保留在本地或邊緣。

同時，科技的快速發展也帶來了比以往更多的模型選擇和部署方案。基礎設施決策不再是確定單一標準架構，而是保持適應性的彈性。

在人工智慧工作流程中，模型之間的可互換性越來越強。組織可以根據成本、效能或業務需求，將不同的任務分配給不同的模型。功能強大的AI模型正出現在更廣泛的環境中，從超大規模基礎設施到本地設備。基礎設施供應商也在規劃更模組化和可替換的運算架構。

這一切都指向一個更廣泛的轉變：人工智慧基礎設施正變得越來越動態，基礎設施決策也越來越依賴具體的工作負載。很多情況下，數據就是原因。

資料價值的變化

人工智慧正在創造新的機會，使數據能夠在系統、工作流程和應用程式中重複利用。這些應用程式對資料儲存位置、資料管理方式、資料存取權限、資料移動頻率以及資料保留時間都有不同的要求。隱私、主權、延遲、經濟性和營運方面的考量也會影響這些架構決策。

這意味著基礎架構越來越受到資料需求的影響，而不是採用一刀切的部署方式。從歷史上看，組織收集資料是為了回答已知的業務問題。分析有助於預測未來結果，但問題本身通常是事先就已明確的。

借助人工智慧，客戶互動、營運歷史、治理記錄、組織知識和業務背景可以在多個系統、工作流程和應用程式中重複使用。

由於新的部署會產生新的數據，這些數據可以為未來的模型、工作流程和決策提供信息，因此保留的數據將成為未來價值創造的輸入。

當資料比基礎設施更持久耐用時

在與業內人士的交流中，我越來越清楚地認識到，即使單一計算週期結束很久，數據仍然存在。模型、基礎設施和應用程式可能會改變，但資料始終存在。

因此，許多組織發現將商業模式與專有資料結合具有價值。當這種情況發生時，保留、管理、存取和重複使用資料的能力就變得至關重要。由於資料往往比用於處理資料的基礎設施壽命更長，因此各組織越來越重視能夠隨著技術發展而適應的架構。

他們希望能夠更快地採用新技術並完成基礎設施的升級改造。他們想要的架構能夠讓他們在無需從頭開始重建一切的情況下，應對不斷變化的需求。

我還看到人們對可適應性強的基礎設施模型越來越感興趣，這種模型可以減少技術層之間的僵化依賴關係。這種靈活性旨在創造足夠的選擇餘地，以應對不斷變化的工作負載、技術和業務優先事項。

隨著人工智慧越來越深入地融入業務運營，基礎設施決策將越來越受到資料的影響：資料儲存在哪裡、如何管理、保持價值的時間有多長，以及如何在日益增長的應用程式和工作負載中有效地重複使用資料。

圍繞數據的長期價值建立靈活的基礎設施，將是人工智慧未來發展的決定性優勢。

詳細資訊: 參加 Seagate 儲存策略評估，發掘打造更靈活、面向未來基礎架構的機會。