如果您正在考慮將您的團隊或組織大規(guī)模 轉移到人工智能，您可能需要檢查并準備對底層基礎設施進行投資——數據容量、處理能力、工具和相關資源。

盡管世界陷入了關于人工智能的效率和風險的爭論，但支持基礎設施的問題卻沒有得到足夠的重視。看來當前的許多系統(tǒng)可能還沒有準備好處理人工智能工作負載。

在較近的一項調查中，大多數高管（76%）認為他們當前的基礎設施“將無法擴展以滿足即將到來的需求”——即人工智能和相關的分析工作負載。此外，  Hitachi Vantara 發(fā)布的針對 1,288 名高管的調查還發(fā)現，60% 的人表示他們只是對自己管理的數據量感到“不知所措”。該報告的作者預測，到 2025 年，大型組織將存儲超過 65 PB 的數據。（就在不久之前，1 TB 還算一個巨大的負載。）

日立的數據反映了AI 基礎設施研究所 (AIII) 的調查結果，該研究所發(fā)現，只有 26% 的團隊對其當前的 AI/ML 基礎設施“非常滿意”。當然，大型科技公司擁有巨額預算、員工和能力來實現人工智能。AIII 報告的作者表示，這些公司的團隊“從頭開始構建了自己的 AI/ML 基礎設施，因為市場上沒有任何東西可以支持他們的努力”。

他們補充說，較近，“我們看到新工具和平臺的迅速普及，使企業(yè)和中小型企業(yè)能夠從智能革命中受益。然而，構建適合特定公司需求的正確 AI/ML 基礎設施仍然是一個重要的任務。挑戰(zhàn)。”

以簡單的原始存儲容量為例。日立調查發(fā)現，數據存儲需求可能在兩年內翻一番。所有這些數據將去往何處？那里有云，對嗎？該調查的作者警告說，請保持這種想法。他們指出，云是解決方案的一部分，“但不是靈丹妙藥”。到 2025 年，大約 27% 的數據中心工作負載將位于公共云中，另外 21% 的工作負載將位于同一地點。大約一半的數據中心工作負載（49%）將保留在公司內部——要么在更傳統(tǒng)的本地系統(tǒng)中，要么在私有云中。  

讓事情變得更復雜的是，IT 主管估計他們無法控制流經企業(yè)的一半數據。這是收集和存儲但從未使用過的“暗數據”，可能幾乎占所有數據的一半。 

需要支持的不僅僅是數據容量，工具也很重要。AIII 報告指出：“任何 AI/ML 團隊的成長都是一個旅程，在每個階段都需要不同的工具。” “在任何早期階段，只有少數的數據科學家，您的工具需求就會簡單得多。但隨著您的團隊不斷壯大，您需要更新更好的工具來應對這種增長。傳統(tǒng)的企業(yè) IT 考慮因素，例如基于角色的訪問控制和安全突然變得重要，持續(xù)的監(jiān)控和維護也是如此。”

隨著人工智能的快速發(fā)展而出現的額外需求是特征存儲以及數據版本控制和沿襲的可見性。“在監(jiān)管或公共錯誤凸顯了數據版本控制和血統(tǒng)的必要性之后，有些人發(fā)現數據版本控制和沿襲的時間太晚了。”AIII 的作者表示。“隨著團隊的成長和跨 GPU 的內部資源調度競爭，它變得至關重要。在每個階段，新的必備工具都會迅速浮出水面。”

AIII 的作者指出，大型科技公司“從頭開始構建自己的工具，因為市場上沒有任何東西可以支持他們的需求，但這種方法對于沒有開發(fā)人員大軍的其他企業(yè)來說基本上是遙不可及的” 。“這也是不可持續(xù)的，因為技術債務和這些工具的維護很快就會變成一場噩夢，即使商業(yè)工具開始以其功能繞過內部構建的系統(tǒng)。”

AIII 分析師“預計未來五年內，越來越多的科技公司將用商業(yè)或開源替代品取代部分家庭堆棧。我們預計，大多數處于早期大眾階段的企業(yè)不會制作自己的工具，而是專注于編寫較小的工具來縮小堆棧的模塊化部分之間的差距。”