28 10月, 2026
隨著人工智慧能力的不斷發展,保持資料的可理解性、可存取性和可用性可以釋放新的價值
在製造業中,通常使用機器視覺和感測器讀數來檢查生產線上的產品,並驗證它們是否符合嚴格的規格。與大多數數據一樣,這些資訊也是為了特定目的而產生的。
更難知道的是,這些數據以後可能會如何派上用場。多年以後,新的人工智慧模型可能會在生產記錄中偵測到一種故障模式,而這種模式在資料收集時是無人知曉的。為某一應用場景所採集的視覺資料可能對電腦視覺模型有用。運行日誌可以改進預測性維護。隨著分析技術的進步,科學觀察可能會帶來新的見解。
人工智慧正在創造從現有數據中提取價值的新方法。但能否實現這一價值取決於當出現新的應用場景時,數據是否仍然易於理解和使用。
在企業資料上運行的 AI 系統需要資訊來確定資料代表什麼、資料來自哪裡、資料與其他資訊的關係以及如何使用資料。
這仍然是一個真正的挑戰。在 Seagate 的資料基礎設施就緒度報告 中,53% 的受訪者指出,資料品質與資料就緒性是 AI 導入面臨的主要挑戰之一。
沒有哪一項單一技術能夠解決這個問題。資料架構的不同部分扮演著不同的角色。
元資料可以描述儲存資料的特徵。出處資訊可以幫助確定其起源,而版本資訊可以幫助區分不同的迭代版本。分類和權限有助於管理存取和使用。數據目錄和其他管理工具可以幫助人們和應用程式找到相關資訊。
具體的組合方式會因數據和組織的不同而有所差異。然而,實際要求卻相當一致:保留值得保留的數據,保存解釋數據所需的信息,使其可被發現,保持適當的控制,並以可持續的成本存儲數據。這些選擇共同決定了隨著新的人工智慧應用出現,一個組織的數據資產中有多少仍然有用。
當有人發現舊資料的新用途時,就能獲得回報,因為組織已經創建的更多資料可以重新發揮作用。首先,資訊可以被定位和評估,而無需拼湊出資訊的來源、代表的含義以及是否可用。
物件儲存對於維護資料資產起著特殊的作用,尤其是在組織累積影像、影片、文件、遙測資料、日誌和其他形式的非結構化資料時。物件可以與描述它們的元資料一起存儲,而其他資訊和控制措施可以存在於目錄、治理系統、應用程式以及身分和存取管理系統中。
這些系統用途各不相同。物件儲存使大型資料集和相關元資料可用,而圍繞這些資料的系統則幫助人們和應用程式尋找、管理、治理和使用這些資料。
隨著組織機構保留的資料越來越多,保留時間也越來越長,儲存的經濟效益變得越來越重要。
今天降低儲存成本的決定可能會刪除原本可以支援未來應用程式的資料。分層架構透過將資料與適合其需求的儲存空間相匹配,為組織提供了更大的靈活性。經常存取的資料可能需要更高效能的存儲,而存取頻率較低的資料則可以保存在針對規模和成本最佳化的儲存設備上。
對於需要長期保存的大量數據,硬碟可以幫助降低數據保存成本,使其變得切實可行。這使得組織有更多空間來保存那些價值可能超出其最初用途的資訊。儲存經濟性可以幫助確定當出現新的用途時,還有多少潛在的有價值數據可用。
一個適用於人工智慧的資料架構,始於在知道資料的下一個用途之前很久就做出的選擇:保留哪些資料、保留哪些上下文以及如何經濟地儲存不斷增長的資料量。透過更長時間地保存有價值的數據,當下一個機會來臨時,就可以利用更多的數據。
技術和雲端行銷副總裁
人工智慧的發展正在考驗電力、材料和基礎設施。更智慧的儲存可以幫助提高效率並最大限度地利用現有運算能力。