隨著人工智慧工作負載的多樣化，數據需求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。
如今，團隊需要支援日益多樣化的工作負載、部署環境和業務需求，同時也滿足治理、合規性和主權要求。一些人工智慧應用程式運行在公有雲上，而另一些則保留在本地或邊緣。
同時，科技的快速發展帶來了前所未有的更多模型選擇和部署方案。基礎設施決策不再是確定單一的標準架構，而是更專注於如何保持適應性的靈活性。
在人工智慧工作流程中，模型之間的可互換性日益增強。企業可以根據成本、效能或業務需求，將不同的任務分配給不同的模型。功能強大的人工智慧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更加動態，基礎設施決策也越來越依賴具體的工作負載。在很多情況下，數據就是造成這種轉變的原因。
數據價值的變化
人工智慧正在創造新的機遇，使數據能夠在系統、工作流程和應用程式之間重複利用。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、資料遷移頻率以及資料保留期限都有不同的要求。隱私、資料主權、延遲、經濟性和營運的考量也會影響這些架構決策。
這意味著基礎架構的建置越來越依賴資料需求，而非採用一刀切的部署方式。過去，企業收集資料是為了解答已知的業務問題。分析有助於預測未來結果，但這些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，數據仍會長期存在。模型、基礎設施和應用程式可能會發生變化，但資料始終存在。
因此，許多組織發現將商用模型與專有數據結合具有價值。在這種情況下，資料的保留、管理、存取和重複使用能力變得尤為重要。由於資料的使用壽命通常比用於處理資料的基礎架構更長，因此組織越來越重視能夠隨著技術發展而調整的架構。
他們希望能夠更快地採用新技術並驗證基礎設施。他們需要的架構能夠讓他們在無需從頭開始重建的情況下，應對不斷變化的需求。
我還注意到，人們對能夠減少技術層之間僵化依賴關係的自適應基礎設施模型越來越感興趣。這種靈活性旨在提供足夠的選擇餘地，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。
(作者：Colin Presly，Customer Success 副總裁)
9月搞畏獎開跑中，搞畏有獎放送中
現在就加入 ioioTIMES 臉書粉絲團 更多互動、更多好康攏抵加!!
我們有LINE TODAY頻道了，快來追踪我們吧!!--最新科技新聞 盡在你手
