盡管圍繞生成式人工智能的討論很熱烈，但大多數(shù)行業(yè)專家尚未解決一個重要問題：是否有一個基礎(chǔ)設(shè)施平臺可以長期支持這項技術(shù)，如果有的話，它是否具有足夠的可持續(xù)性來支持生成式人工智能所承諾的激進創(chuàng)新？

生成式人工智能工具已經(jīng)享有盛譽，只需點擊一下按鈕即可編寫合成良好的文本——否則這些任務(wù)可能需要數(shù)小時、數(shù)天、數(shù)周或數(shù)月才能手動完成。

這一切都很好，但如果沒有適當?shù)幕A(chǔ)設(shè)施，這些工具根本不具備真正改變世界的可擴展性。生成人工智能的天文數(shù)字運營成本很快就會超過760 億美元，這已經(jīng)證明了這一事實，但還有其他因素在起作用。

企業(yè)需要專注于創(chuàng)建和連接正確的工具以可持續(xù)地利用它，并且必須投資于集中式數(shù)據(jù)基礎(chǔ)設(shè)施，使所有相關(guān)數(shù)據(jù)能夠無縫地訪問其法學碩士，而無需專用管道。通過戰(zhàn)略性地實施適當?shù)墓ぞ?，盡管數(shù)據(jù)中心目前存在容量限制，他們將能夠提供他們所尋求的業(yè)務(wù)價值——只有這樣，人工智能革命才能真正推進。

熟悉的模式

凱捷研究院的一份新報告顯示，74%的高管認為生成式人工智能的好處超過了其擔憂。這樣的共識已經(jīng)促進了企業(yè)的高采用率——大約70%的亞太組織要么表達了投資這些技術(shù)的意圖，要么已經(jīng)開始探索實際用例。

但世界以前就已經(jīng)走過這條路了。以互聯(lián)網(wǎng)為例，它逐漸受到越來越多的關(guān)注，然后通過無數(shù)出色的應(yīng)用超出了人們的預(yù)期。盡管其功能令人印象深刻，但只有當其應(yīng)用程序開始為企業(yè)大規(guī)模提供有形價值時，它才真正起飛。

超越 ChatGPT

人工智能也陷入了類似的循環(huán)。企業(yè)已經(jīng)迅速接受了這項技術(shù)，估計 93%的企業(yè)已經(jīng)參與了多項 AI/ML 用例研究。但盡管采用率很高，許多企業(yè)仍然在部署方面遇到困難——這是數(shù)據(jù)基礎(chǔ)設(shè)施不兼容的明顯跡象。

有了適當?shù)幕A(chǔ)設(shè)施，公司就可以超越生成人工智能誘人功能的表面水平，并利用其真正的潛力來改變他們的業(yè)務(wù)格局。

事實上，生成式人工智能可以幫助快速撰寫摘要，并且在大多數(shù)情況下非常有效，但它的潛力遠遠不止于此。從潛在的藥物發(fā)現(xiàn)到醫(yī)療保健治療再到供應(yīng)鏈優(yōu)化，如果支持和驅(qū)動人工智能應(yīng)用程序的數(shù)據(jù)中心不夠強大，無法管理其工作負載，那么這些突破都是不可能實現(xiàn)的。

克服可擴展性障礙

由于缺乏可擴展性，生成式人工智能尚未真正為企業(yè)帶來重大價值。這是因為數(shù)據(jù)中心存在容量限制——它們的基礎(chǔ)設(shè)施最初并不是為了支持大型語言模型 (LLM) 高效運行多個訓練周期所需的大規(guī)模探索、編排和模型調(diào)整而設(shè)計的。

因此，從生成式人工智能中獲得價值取決于企業(yè)如何利用自己的數(shù)據(jù)，而這可以通過開發(fā)強大的數(shù)據(jù)架構(gòu)來改進。這可以通過將結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)源連接到法學碩士或通過增加現(xiàn)有硬件的吞吐量來實現(xiàn)。

對于希望在組織數(shù)據(jù)上培訓法學碩士的公司來說，首先必須以統(tǒng)一的方式整合這些數(shù)據(jù)，這一點至關(guān)重要。否則，孤立結(jié)構(gòu)中的數(shù)據(jù)可能會對法學碩士的學習能力產(chǎn)生偏差。

支持系統(tǒng)

生成式人工智能并不是憑空出現(xiàn)的——它已經(jīng)醞釀了相當長一段時間了，而且它的使用和潛力只會在未來幾十年內(nèi)不斷增長。但目前，其業(yè)務(wù)應(yīng)用程序遇到了不可擴展的障礙。

現(xiàn)實情況是，這些不同的工具的強大程度取決于支持它們的數(shù)據(jù)處理基礎(chǔ)設(shè)施。因此，企業(yè)領(lǐng)導者必須利用能夠處理 PB 級數(shù)據(jù)的平臺，這些工具需要切實地兌現(xiàn)其承諾的重大價值。