WEKA委托S&P Global Market Intelligence进行的全球最新研究显示，寻求创建新的价值主张的企业和研究组织在加速采用人工智能 (AI)，但数据基础设施和AI可持续性的挑战对成功大规模实施造成了障碍。2023年AI市场的生成式AI的快速发展加剧了这些挑战。
该研究结果是基于S&P Global对APAC、EMEA及北美大中型企业和研究组织的逾1500名AI从业者和决策者进行的一项大型全球调查，这是迄今为止最大的一次同类调查。
S&P Global Market Intelligence旗下451 Research的高级研究分析师 Nick Patience 表示：“诸如生成式AI的数据和性能密集型工作负载迅猛崛起，市场必须全面重新思考如何储存、管理和处理数据。现在各地的组织都必须长期考虑如何建立和扩展他们的数据架构。虽然这仍然是AI革命的初期阶段，但我们在2023年全球AI趋势研究的第一个重要结论是，数据基础设施将是决定哪些组织成为AI领导者的关键因素。拥有现代化的数据堆叠，便可高效且可持续地支持AI工作负载和混合云端部署，对于实现企业规模和价值创造至关重要。”
该研究的主要发现包括：
AI 的采用和应用场景正在加速实现，但仍然难以达到企业规模
69%的受访者报告说他们至少有一个AI项目在生产环境中运行。只有28%的人说他们已经达到了企业规模，即AI项目被广泛实施并带来了显著的商业价值。AI已经从仅仅是一个节省成本的杠杆转变为一个收入驱动者，69%的受访者现在使用AI/ML(人工智能和机器学习)来创造全新的收入流。
数据管理是AI采用面对的最大技术障碍
影响AI/ML部署最常见的技术障碍是数据管理 (32%)，超过了安全(26%) 和计算性能 (20%) 的挑战，这证明许多组织当前的数据架构不适合支持AI革命。
企业AI的应用场景从节省成本转向增加收入
69%的受访者表示他们的AI/ML项目集中于开发新的收入驱动因素和价值创造，而31%的企业仍然是以降低成本为目标。
随着AI项目的成熟，需要混合方法和多个部署位置来支持工作负载需求
AI/ML的工作负载正在多种位置部署，从公共云端到企业数据中心，以及越来越多的边缘站点。公共云端是训练AI/ML模型（47%）和推理（44%）的主要部署位置。利用公共云端运行AI/ML的受访者更有可能采用混合方法，包括在更多的位置部署。
AI的能源和碳足迹影响企业的可持续发展目标，但云端工作提供了一条改善的途径
68%的受访者表示，他们担心AI/ML影响其组织的能源使用和碳足迹；74%的受访者表示，可持续性是促使他们将更多工作负载转移到公共云端的一个重要或关键动机。
老化的数据基础设施和旧式架构直接影响AI的可持续性表现
77%的受访者表示，他们的数据架构直接影响其可持续性表现。
组织必须让自己的数据和基础设施变得“有序”才能以AI为先导
利用现代数据架构来克服重大数据挑战（来源、类型、要求等）的公司，可以容纳在多个基础设施场所运行的AI工作负载。（美通社头条）
