《2024 年全球人工智能趨勢(shì)報(bào)告》：GPU、數(shù)據(jù)架構(gòu)依然是巨大挑戰(zhàn)

導(dǎo)語(yǔ)：對(duì)于眾多行業(yè)用戶而言，了解人工智能如何改變行業(yè)、如何利用人工智能保持領(lǐng)先地位，已成為一道時(shí)代的必答題。全球著名調(diào)研機(jī)構(gòu)WEKA近日正式發(fā)布《2024 年全球人工智能趨勢(shì)報(bào)告》，該報(bào)告基于全球1500+名人工智能決策者的深度調(diào)查，覆蓋金融、政府、醫(yī)療保健等多個(gè)行業(yè)，通過(guò)今年的調(diào)研解鎖應(yīng)對(duì)快速發(fā)展的人工智能領(lǐng)域的關(guān)鍵見(jiàn)解和策略。

介紹

《2024 年人工智能全球趨勢(shì)報(bào)告》深入探討了人工智能采用的基本趨勢(shì)。

在去年報(bào)告中，WEKA探討了在生產(chǎn)中成功運(yùn)行人工智能的組織與未成功運(yùn)行人工智能的組織之間的差距。

今年研究中，WEKA重新審視了人工智能領(lǐng)導(dǎo)力主題，借鑒領(lǐng)先組織正在采取的一些關(guān)鍵實(shí)踐，同時(shí)深入探討塑造人工智能戰(zhàn)略的價(jià)值驅(qū)動(dòng)因素、基礎(chǔ)設(shè)施決策和環(huán)境實(shí)踐。

為開(kāi)展這項(xiàng)研究，標(biāo)準(zhǔn)普爾全球市場(chǎng)情報(bào)調(diào)查了 1,500 多名全球人工智能決策者，并就人工智能項(xiàng)目和計(jì)劃進(jìn)行一對(duì)一訪談。

主要發(fā)現(xiàn)

1、人工智能的采用繼續(xù)以驚人的速度進(jìn)行，該技術(shù)越來(lái)越被視為一種嵌入式和戰(zhàn)略能力。

• 人工智能計(jì)劃正在迅速成熟：2023 年，調(diào)查受訪者仍在很大程度上嘗試人工智能，或者在其組織的小部分進(jìn)行局部部署。今年，報(bào)告顯示人工智能成熟度水平發(fā)生了根本性轉(zhuǎn)變大多數(shù)受訪者表示，人工智能“目前已在其組織中廣泛實(shí)施”并“推動(dòng)著關(guān)鍵價(jià)值”。

• 產(chǎn)品改進(jìn)和運(yùn)營(yíng)效率是關(guān)鍵的投資驅(qū)動(dòng)因素：組織越來(lái)越多地應(yīng)用人工智能來(lái)提高營(yíng)收和競(jìng)爭(zhēng)優(yōu)勢(shì)，其中提高產(chǎn)品或服務(wù)質(zhì)量 (42%) 是最受歡迎的目標(biāo)，許多組織的目標(biāo)是增加收入增長(zhǎng) (39%) ）。同時(shí)地，組織認(rèn)識(shí)到通過(guò)提高員工生產(chǎn)力 (40%) 和 IT 效率 (41%) 以及加快整體創(chuàng)新步伐 (39%) 來(lái)提高運(yùn)營(yíng)效率的潛力。

2、許多人工智能項(xiàng)目無(wú)法擴(kuò)展——遺留數(shù)據(jù)架構(gòu)是罪魁禍?zhǔn)住?/strong>

人工智能項(xiàng)目面臨數(shù)據(jù)基礎(chǔ)薄弱的挑戰(zhàn)。遺留數(shù)據(jù)架構(gòu)阻礙了更廣泛的部署。

• 實(shí)現(xiàn)規(guī)模仍然是一個(gè)挑戰(zhàn)：組織在實(shí)現(xiàn)人工智能項(xiàng)目的預(yù)期覆蓋范圍方面面臨著重大挑戰(zhàn)。組織平均有 10 個(gè)項(xiàng)目處于試點(diǎn)階段，16 個(gè)項(xiàng)目處于有限部署階段，但只有 6 個(gè)項(xiàng)目處于規(guī)模部署階段。

• 高質(zhì)量數(shù)據(jù)的可用性是一個(gè)主要障礙：數(shù)據(jù)質(zhì)量是將人工智能項(xiàng)目投入生產(chǎn)的最大挑戰(zhàn)。項(xiàng)目團(tuán)隊(duì)面臨的挑戰(zhàn)并不大，關(guān)于識(shí)別相關(guān)數(shù)據(jù)及其可用性；組織正在努力為項(xiàng)目構(gòu)建一致、集成的數(shù)據(jù)基礎(chǔ)。

• 現(xiàn)代化數(shù)據(jù)架構(gòu)對(duì)于成功至關(guān)重要：鑒于此，毫不奇怪，最大比例的受訪者 (35%) 將存儲(chǔ)和數(shù)據(jù)管理視為阻礙人工智能部署的主要基礎(chǔ)設(shè)施問(wèn)題 — 明顯高于計(jì)算 (26%)、安全性 (23 %）和網(wǎng)絡(luò)（15%）。

3、生成式人工智能已迅速超越其他人工智能應(yīng)用。

生成式人工智能在短時(shí)間內(nèi)獲得了巨大的關(guān)注。人工智能開(kāi)拓者正在實(shí)現(xiàn)具體的效益，并準(zhǔn)備增強(qiáng)其競(jìng)爭(zhēng)優(yōu)勢(shì)。

• 生成式人工智能是焦點(diǎn)：令人驚訝的是，88% 的組織正在積極研究生成式人工智能，遠(yuǎn)遠(yuǎn)超過(guò)其他人工智能應(yīng)用，如預(yù)測(cè)模型 (61%)、分類 (51%)、專家系統(tǒng) (39%) 和機(jī)器人技術(shù) (30%) ）。

• 生成式人工智能的采用正在呈爆炸式增長(zhǎng)：盡管進(jìn)入市場(chǎng)的時(shí)間相對(duì)較短，但 24% 的組織表示，他們已經(jīng)將生成式人工智能視為在整個(gè)組織中部署的集成功能。只有 11% 的受訪者根本沒(méi)有投資生成式人工智能，而大多數(shù)組織都在積極地將這種投資轉(zhuǎn)化為規(guī)模化的集成能力。

• 生成式 AI 開(kāi)拓者預(yù)計(jì)將增強(qiáng)其競(jìng)爭(zhēng)優(yōu)勢(shì)：已在整個(gè)組織中集成生成式 AI 的組織計(jì)劃繼續(xù)增加投資：預(yù)計(jì)生成式 AI 預(yù)算將在未來(lái) 12 個(gè)月內(nèi)達(dá)到其 AI 總預(yù)算的 47%。在這些生成式人工智能應(yīng)用的先驅(qū)者中，大多數(shù)都看到該技術(shù)在各個(gè)目標(biāo)效益方面產(chǎn)生的重大積極影響。鑒于那些仍處于生成式人工智能項(xiàng)目實(shí)驗(yàn)階段的公司在組織創(chuàng)新、新產(chǎn)品開(kāi)發(fā)和上市時(shí)間方面并沒(méi)有看到同樣的增長(zhǎng)，可能會(huì)增強(qiáng)已經(jīng)規(guī)模化采用生成式AI技術(shù)的組織的競(jìng)爭(zhēng)優(yōu)勢(shì)。

4、GPU 的可用性繼續(xù)受到限制，從而影響基礎(chǔ)設(shè)施決策。

對(duì) GPU 的訪問(wèn)是組織的主要關(guān)注點(diǎn)；GPU 云可以提供可擴(kuò)展的解決方案。

• 訪問(wèn) GPU 仍然是一個(gè)挑戰(zhàn)：十分之四的受訪組織表示，訪問(wèn) AI 加速器是其基礎(chǔ)設(shè)施決策中的首要考慮因素，30% 的組織將 GPU 可用性列為將 AI 模型投入生產(chǎn)過(guò)程中面臨的三大最嚴(yán)重挑戰(zhàn)之一。

• 地區(qū)壓力依然存在：在某些地區(qū)，特別是亞太地區(qū)，缺乏 GPU 限制了組織部署人工智能；38% 的印度組織將加速器訪問(wèn)視為將人工智能項(xiàng)目投入生產(chǎn)的三大挑戰(zhàn)之一。

• 超大規(guī)模和 GPU 云是公司訪問(wèn) GPU 的關(guān)鍵渠道：對(duì)加速器的需求促使 46% 的受訪組織利用超大規(guī)模公共云進(jìn)行模型訓(xùn)練，并且越來(lái)越多地利用專業(yè) GPU 云提供商 (32%)。

5、對(duì)人工智能對(duì)環(huán)境影響的擔(dān)憂持續(xù)存在，但并沒(méi)有減緩人工智能的采用；可持續(xù)的人工智能實(shí)踐提供了減少排放的機(jī)會(huì)。

人工智能對(duì)環(huán)境和能源的影響仍然是許多組織需要面臨的一個(gè)突出問(wèn)題，但這并沒(méi)有減緩?fù)顿Y人工智能項(xiàng)目的決定。許多組織看到可持續(xù)發(fā)展實(shí)踐產(chǎn)生了有意義的影響，因此有一個(gè)明顯的機(jī)會(huì)來(lái)應(yīng)對(duì)排放挑戰(zhàn)。

• 對(duì)人工智能能源和碳影響的擔(dān)憂依然突出：近三分之二 (64%) 的組織表示，他們擔(dān)心人工智能/機(jī)器學(xué)習(xí) (ML) 項(xiàng)目對(duì)其能源使用和碳足跡的影響；25% 的組織表示他們非常擔(dān)心。

• 采用可持續(xù)數(shù)據(jù)基礎(chǔ)設(shè)施技術(shù)是一個(gè)重點(diǎn)領(lǐng)域：顯然，技術(shù)提供商的可持續(xù)發(fā)展證書(shū)變得至關(guān)重要，42% 的組織表示他們已投資節(jié)能 IT 硬件/系統(tǒng)，以解決人工智能對(duì)環(huán)境的潛在影響倡議超過(guò)過(guò)去 12 個(gè)月。其中，56% 的人認(rèn)為這產(chǎn)生了“高”或“非常高”的影響。其他人發(fā)現(xiàn)，數(shù)據(jù)基礎(chǔ)設(shè)施供應(yīng)商（59%）和人工智能項(xiàng)目范圍（57%）的改變產(chǎn)生了“高”或“非常高”的影響。

• 可持續(xù)性是人工智能決策中的一個(gè)重要因素，但不是主要因素：超過(guò)四分之一 (30%) 的組織表示，可持續(xù)性舉措是人工智能采用的驅(qū)動(dòng)力，因?yàn)樗麄兿Ｍ麘?yīng)用人工智能來(lái)提高能源效率和減少排放。雖然這一點(diǎn)值得注意，但事實(shí)上，可持續(xù)性是總體上最少被提及的驅(qū)動(dòng)因素。即使以節(jié)能舉措為目標(biāo)，實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)也會(huì)讓位于節(jié)省成本和提高運(yùn)營(yíng)效率作為主要目標(biāo)。在對(duì)人工智能基礎(chǔ)設(shè)施決策影響最大的所有問(wèn)題中，可持續(xù)性處于中間位置：37% 的組織將其列為優(yōu)先事項(xiàng)，但其排名被安全性 (47%) 和人工智能獲取等更突出的問(wèn)題所超越加速器（44%）。

定義人工智能領(lǐng)導(dǎo)者

過(guò)去一年里，人們對(duì)人工智能的看法發(fā)生了迅速變化，人工智能的戰(zhàn)略作用也發(fā)生了迅速變化。人工智能的成熟度已經(jīng)發(fā)展到絕大多數(shù)組織在生產(chǎn)中都擁有某種形式的人工智能，因此“有”和“無(wú)”的比較幾乎沒(méi)有分析價(jià)值。

相反，正在出現(xiàn)的分歧似乎是那些能夠利用最新技術(shù)突破并大規(guī)模應(yīng)用的組織和那些不能利用最新技術(shù)突破的組織。

隨著過(guò)去十年中最重大的人工智能突破和技術(shù)創(chuàng)新，生成式人工智能作為戰(zhàn)略要?jiǎng)?wù)是不可避免的。那些快速有效地利用這一技術(shù)突破的公司正在遠(yuǎn)離追趕者。

基于這些假設(shè)，我們將人工智能領(lǐng)導(dǎo)者定義為那些報(bào)告了以下成就的人：

• 生產(chǎn)環(huán)境中的 AI/ML 項(xiàng)目對(duì)關(guān)鍵運(yùn)營(yíng)產(chǎn)生實(shí)際影響。

• 在整個(gè)組織中廣泛實(shí)施人工智能/機(jī)器學(xué)習(xí)，其規(guī)模遠(yuǎn)大于有限且孤立的人工智能項(xiàng)目。

• 利用這十年來(lái)最重大的技術(shù)突破（生成式人工智能），并將其定位為跨業(yè)務(wù)和工作流程的集成功能。

• 市場(chǎng)前 10% 的企業(yè)采取了多種獨(dú)特的做法，使他們?cè)趫?bào)告的五個(gè)關(guān)鍵主題中與大多數(shù)組織區(qū)分開(kāi)來(lái)。

圖 2：誰(shuí)是2024年人工智能領(lǐng)導(dǎo)者

2024 年人工智能領(lǐng)導(dǎo)者的構(gòu)成和特征存在一些明顯的差異。

• 行業(yè)：醫(yī)療保健受訪者 (18%) 的人工智能領(lǐng)導(dǎo)者比例高于其他行業(yè)。

• 公司規(guī)模：擁有更多資本、資源、人工智能技能組合以及通常更成熟的數(shù)字化轉(zhuǎn)型項(xiàng)目的企業(yè) (16%) 在人工智能領(lǐng)導(dǎo)者中比例領(lǐng)先于其他公司規(guī)模。

• 地區(qū)：北美 (16%) 的人工智能領(lǐng)導(dǎo)者比例明顯高于亞太地區(qū) (8%) 和歐洲、中東和非洲 (6%)。促成因素可能是更多地從行業(yè)和教育機(jī)構(gòu)獲得人工智能人才，以及風(fēng)險(xiǎn)投資和資本的區(qū)域可用性。

• 商業(yè)模式：與其他組織相比，人工智能提供商 (15%) 更有可能被視為人工智能領(lǐng)導(dǎo)者。然而，這種差異并不像人們想象的那么明顯。在某些情況下，人工智能提供商盡管為客戶構(gòu)建了人工智能解決方案，但不一定在自己的公司內(nèi)完全實(shí)現(xiàn)功能。

AI應(yīng)用現(xiàn)已在企業(yè)中普及；對(duì)產(chǎn)品質(zhì)量和 IT 效率的投資是首要任務(wù)。

去年，人工智能在許多組織中的角色發(fā)生了變化，從總體戰(zhàn)略的次要組成部分轉(zhuǎn)變?yōu)殛P(guān)鍵的嵌入式功能。

關(guān)鍵見(jiàn)解：

• 人工智能最常見(jiàn)的采用狀態(tài)已從 2023 年更廣泛戰(zhàn)略的次要組成部分轉(zhuǎn)變?yōu)槟壳皬V泛實(shí)施并在 2024 年推動(dòng)關(guān)鍵價(jià)值。

• 提高產(chǎn)品或服務(wù)質(zhì)量以及通過(guò) IT 效率節(jié)省成本是開(kāi)發(fā) AI 應(yīng)用程序的主要驅(qū)動(dòng)力。

• 許多戰(zhàn)略目標(biāo)（例如縮短上市時(shí)間和獲得產(chǎn)品或服務(wù)差異化）受到越來(lái)越多的關(guān)注。

人工智能正成為許多組織戰(zhàn)略的一個(gè)基本面，越來(lái)越被視為需要關(guān)鍵戰(zhàn)略和需要廣泛實(shí)施。表示人工智能是其組織中“更廣泛戰(zhàn)略的次要組成部分”的受訪者比例比去年的調(diào)查減少了一半，而認(rèn)為人工智能“廣泛實(shí)施，推動(dòng)關(guān)鍵價(jià)值”的受訪者比例從 28% 增加到 33% %，成為最常見(jiàn)的答案。對(duì)于北美受訪者來(lái)說(shuō)，這一比例甚至更高，為 48%，而亞太地區(qū) (26%) 和歐洲、中東和非洲 (25%) 則更高。

人工智能的影響范圍不僅限于實(shí)施的廣度，還包括該技術(shù)的戰(zhàn)略影響。從歷史上看，人工智能的價(jià)值主張一直與降低成本密切相關(guān)。例如，之前機(jī)器人流程自動(dòng)化方面的人工智能進(jìn)步與減少員工數(shù)量或降低外包成本等目標(biāo)密切相關(guān)。并不是說(shuō)人工智能帶來(lái)的成本降低機(jī)會(huì)正在被擠出。事實(shí)上，通過(guò)提高 IT 效率來(lái)節(jié)省成本是人工智能的第二個(gè)最受歡迎的目標(biāo)。相反，成本驅(qū)動(dòng)因素正在與更具戰(zhàn)略性的目標(biāo)相結(jié)合。例如，在我們的調(diào)查中，超過(guò)三分之一 (39%) 的受訪者將收入增長(zhǎng)視為人工智能計(jì)劃的關(guān)鍵驅(qū)動(dòng)力。如圖 3 所示，公司不僅試圖利用人工智能實(shí)現(xiàn)比去年更多的目標(biāo)，而且他們還看到了與收入驅(qū)動(dòng)因素更清晰的一致性。與去年相比，他們明顯更加意識(shí)到人工智能可用于獲得產(chǎn)品差異化并縮短上市時(shí)間的機(jī)會(huì)。

圖3：人工智能應(yīng)用開(kāi)發(fā)驅(qū)動(dòng)因素的同比變化

人工智能領(lǐng)導(dǎo)者正在采取哪些不同的做法？

領(lǐng)導(dǎo)者將更廣泛的目標(biāo)視為驅(qū)動(dòng)其人工智能戰(zhàn)略的目標(biāo)。這種目標(biāo)的分散有助于更好地了解人工智能在哪些方面可以發(fā)揮最大的影響力。它還為投資人工智能奠定了更強(qiáng)有力的商業(yè)案例基礎(chǔ)，有助于建立一個(gè)能夠吸引更廣泛利益相關(guān)者的敘述。

許多人工智能項(xiàng)目未能規(guī)模化；遺留數(shù)據(jù)架構(gòu)是罪魁禍?zhǔn)?/strong>

人工智能日益增長(zhǎng)的戰(zhàn)略重要性正在推動(dòng)跨企業(yè)的舉措顯著增加。廣泛的實(shí)驗(yàn)和教育是組織的不鼓勵(lì)行為。然而，由于數(shù)據(jù)挑戰(zhàn)的阻礙，缺乏明確的價(jià)值識(shí)別途徑的項(xiàng)目正在扼殺這一機(jī)會(huì)。人工智能項(xiàng)目面臨著在有限的部署煉獄中停滯不前的風(fēng)險(xiǎn)，耗費(fèi)公司的金錢、時(shí)間和資源，同時(shí)也達(dá)不到預(yù)期的使用水平。各種舉措正因數(shù)據(jù)孤島、數(shù)據(jù)質(zhì)量差以及數(shù)據(jù)和模型管道無(wú)效而陷入困境。

關(guān)鍵見(jiàn)解：

• 在一般組織中， 51%的人工智能項(xiàng)目已投入生產(chǎn)，但尚未大規(guī)模交付。

• 將人工智能項(xiàng)目轉(zhuǎn)移到生產(chǎn)環(huán)境時(shí)，數(shù)據(jù)質(zhì)量是最大的障礙。

• 35%的組織認(rèn)為，存儲(chǔ)和數(shù)據(jù)管理是人工智能計(jì)劃最常見(jiàn)的基礎(chǔ)設(shè)施阻礙因素；然而，那些廣泛實(shí)施人工智能的人對(duì)這些挑戰(zhàn)的感受卻不那么強(qiáng)烈。

隨著組織投資將人工智能應(yīng)用于不斷增長(zhǎng)的目標(biāo)，組織的項(xiàng)目流程中正在出現(xiàn)一個(gè)問(wèn)題。雖然更多的舉措已流向人工智能項(xiàng)目團(tuán)隊(duì)，但仍有一些舉措僅得到部分部署。如圖 4 所示，平均而言，受訪組織擁有更多被歸類為部署有限的生產(chǎn)項(xiàng)目，而不是規(guī)模擴(kuò)大的項(xiàng)目。在追求新舉措時(shí)，許多組織可能無(wú)法最大化其現(xiàn)有投資的價(jià)值。問(wèn)題的關(guān)鍵似乎是數(shù)據(jù)質(zhì)量和可用性，遺留數(shù)據(jù)架構(gòu)導(dǎo)致許多組織中的管道中斷。

當(dāng)組織將項(xiàng)目從試點(diǎn)轉(zhuǎn)向生產(chǎn)時(shí)，數(shù)據(jù)質(zhì)量是最常見(jiàn)的挑戰(zhàn)。如圖 5 所示，數(shù)據(jù)質(zhì)量問(wèn)題（42% 的組織將其視為三大障礙之一）甚至比技能短缺 (32%) 和預(yù)算限制 (31%) 更為重要。媒體和娛樂(lè) (59%)、高等教育 (53%) 以及航空航天和國(guó)防 (48%) 領(lǐng)域的組織尤其強(qiáng)烈地感受到數(shù)據(jù)質(zhì)量挑戰(zhàn)。

圖4：許多項(xiàng)目未能從有限部署過(guò)渡到大規(guī)模交付

數(shù)據(jù)質(zhì)量的挑戰(zhàn)并不是缺乏構(gòu)建高性能模型的數(shù)據(jù)，而是數(shù)據(jù)的設(shè)置方式不適合項(xiàng)目團(tuán)隊(duì)可以充分利用的方式。當(dāng)被特別要求對(duì)將項(xiàng)目轉(zhuǎn)移到生產(chǎn)環(huán)境的主要數(shù)據(jù)挑戰(zhàn)進(jìn)行排名時(shí)，受訪者表示，質(zhì)量數(shù)據(jù)的可用性是比識(shí)別相關(guān)數(shù)據(jù)更顯著的障礙。34% 的組織將高質(zhì)量數(shù)據(jù)的可用性視為三大數(shù)據(jù)挑戰(zhàn)，僅次于數(shù)據(jù)隱私問(wèn)題 (35%)，很明顯，許多組織在有效數(shù)據(jù)管理方面的設(shè)置很差。

遺留數(shù)據(jù)技術(shù)似乎是這些數(shù)據(jù)管理缺陷的主要原因。數(shù)據(jù)管理和存儲(chǔ)最常被視為抑制人工智能應(yīng)用程序開(kāi)發(fā)的基礎(chǔ)設(shè)施組件。超過(guò)三分之一 (35%) 的受訪者認(rèn)為它們是比安全 (23%)、計(jì)算 (26%) 和網(wǎng)絡(luò)資源 (15%) 更嚴(yán)重的問(wèn)題。

顯然，最有效地?cái)U(kuò)展人工智能計(jì)劃的組織較少受到這些數(shù)據(jù)管理和存儲(chǔ)組件的限制。在表示人工智能在其組織內(nèi)得到廣泛實(shí)施的受訪者中，只有 28% 的受訪者認(rèn)為存儲(chǔ)和數(shù)據(jù)管理挑戰(zhàn)是最大的阻礙因素；相反，他們感受到來(lái)自網(wǎng)絡(luò)或計(jì)算資源的更大壓力。相比之下，42% 的受訪者認(rèn)為人工智能僅限于組織內(nèi)的少數(shù)用例或項(xiàng)目。大規(guī)模提供人工智能的組織似乎專注于投資升級(jí)用于存儲(chǔ)或管理數(shù)據(jù)的系統(tǒng)和技術(shù)。

圖 5：組織將 AI/ML 應(yīng)用程序從試點(diǎn)環(huán)境遷移到生產(chǎn)環(huán)境的三大障礙

這項(xiàng)投資似乎很關(guān)鍵，因?yàn)閿?shù)據(jù)管理和存儲(chǔ)缺陷正在滲透到人工智能項(xiàng)目生命周期中，組織正在努力有效地為模型構(gòu)建和部署準(zhǔn)備數(shù)據(jù)。許多組織報(bào)告稱，人工智能計(jì)劃最具挑戰(zhàn)性的方面是數(shù)據(jù)預(yù)處理階段（見(jiàn)圖 6）。盡管越來(lái)越多的組織表示過(guò)去 12 個(gè)月中人工智能已在其組織內(nèi)廣泛實(shí)施，但這些數(shù)據(jù)預(yù)處理步驟的性能并沒(méi)有同比出現(xiàn)有意義的改進(jìn)。讓人工智能項(xiàng)目上線，但由于數(shù)據(jù)基礎(chǔ)薄弱而限制了其價(jià)值或可擴(kuò)展性，為探索早期階段的下一波舉措樹(shù)立了一個(gè)糟糕的先例。

圖 6：組織發(fā)現(xiàn)人工智能生命周期的早期數(shù)據(jù)步驟與模型構(gòu)建一樣具有挑戰(zhàn)性

對(duì)于許多組織正在采取的對(duì)數(shù)據(jù)日益渴求的人工智能戰(zhàn)略來(lái)說(shuō)，不成熟的數(shù)據(jù)管理工具集是一個(gè)令人擔(dān)憂的背景。超過(guò)四分之三 (80%) 的受訪者預(yù)測(cè)未來(lái) 12 個(gè)月用于開(kāi)發(fā)人工智能模型的數(shù)據(jù)量將增加，只有不到一半 (49%) 的受訪者預(yù)測(cè)數(shù)據(jù)量的增長(zhǎng)將超過(guò)25%。但也許更根本的是，數(shù)據(jù)管理投資不足的組織面臨的挑戰(zhàn)可能會(huì)帶來(lái)新的數(shù)據(jù)相關(guān)壓力，特別是組織用于模型訓(xùn)練的數(shù)據(jù)類型的混合。自 2023 年以來(lái)，使用非結(jié)構(gòu)化富媒體和文本數(shù)據(jù)進(jìn)行人工智能計(jì)劃的組織比例有所增加，過(guò)時(shí)的數(shù)據(jù)管理技術(shù)可能會(huì)阻止組織有意義地交付這些項(xiàng)目。

人工智能領(lǐng)導(dǎo)者正在采取哪些不同的做法？

領(lǐng)導(dǎo)者不太可能將存儲(chǔ)和數(shù)據(jù)管理視為主要阻礙因素，大概是因?yàn)檫@些公司已經(jīng)優(yōu)先考慮實(shí)現(xiàn)數(shù)據(jù)架構(gòu)現(xiàn)代化。通過(guò)從一開(kāi)始就建立堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，人工智能領(lǐng)導(dǎo)者確保了有價(jià)值的試點(diǎn)項(xiàng)目擁有清晰的大規(guī)模交付路徑。

生成式人工智能已迅速超越其他人工智能應(yīng)用

各組織紛紛投資生成式人工智能，其興趣超過(guò)了其他已經(jīng)長(zhǎng)期存在的人工智能形式。隨著投資爆炸式增長(zhǎng)的塵埃落定，一小群生成式人工智能先驅(qū)者已經(jīng)出現(xiàn)。這些組織擁有更廣泛的集成能力，并從圍繞新產(chǎn)品開(kāi)發(fā)、增強(qiáng)創(chuàng)新和更快上市時(shí)間的技術(shù)中看到了顯著的競(jìng)爭(zhēng)優(yōu)勢(shì)。隨著生成式人工智能先驅(qū)者開(kāi)始在自己與他人之間建立由投資和基礎(chǔ)設(shè)施優(yōu)勢(shì)形成顯著差距，這些競(jìng)爭(zhēng)優(yōu)勢(shì)可能會(huì)增強(qiáng)。

關(guān)鍵見(jiàn)解：

• 88%的組織正在積極研究生成式人工智能。

• 24% 的人已經(jīng)認(rèn)為生成式人工智能已經(jīng)發(fā)展成為整個(gè)組織的綜合能力。

• 大多數(shù)生成式 AI 開(kāi)拓者認(rèn)為生成式 AI 計(jì)劃對(duì)提高創(chuàng)新率 (79%)、支持新產(chǎn)品推出 (76%)和縮短上市時(shí)間 (76%) 具有“高”或“非常高”的影響等競(jìng)爭(zhēng)差異化領(lǐng)域。

生成式人工智能是 2024 年企業(yè)人工智能戰(zhàn)略的驅(qū)動(dòng)力。絕大多數(shù)組織 (88%) 正在積極研究生成式人工智能模型，以創(chuàng)建全新的數(shù)據(jù)或內(nèi)容。這種興趣遠(yuǎn)遠(yuǎn)超過(guò)了人工智能的長(zhǎng)期存在形式，例如預(yù)測(cè)模型（61％）、分類（51％）、專家系統(tǒng)（39％）和機(jī)器人（30％）。考慮到生成式人工智能的意識(shí)直到 2022 年底才開(kāi)始興起，而且企業(yè)級(jí)解決方案仍在開(kāi)發(fā)中，這證明了對(duì)其變革潛力的認(rèn)識(shí)。大多數(shù)受訪者還對(duì)假設(shè)的通用人工智能（在所有認(rèn)知任務(wù)上都可以超越人類的模型）表示了興趣，這表明許多組織都在關(guān)注人工智能不斷發(fā)展的前景。

這種興趣正在轉(zhuǎn)化為投資。未來(lái) 12 個(gè)月內(nèi)，生成式 AI 預(yù)算平均將從占 AI 總預(yù)算的 30% 增長(zhǎng)到 34%。許多高級(jí)管理人員敏銳地意識(shí)到該技術(shù)的影響，并認(rèn)為需要加快投資路線圖。

人工智能領(lǐng)導(dǎo)者正在采取哪些不同的做法？

領(lǐng)導(dǎo)者正在投資更廣泛的人工智能類型，更有可能與機(jī)器人、專家系統(tǒng)和分類模型以及生成式人工智能一起參與。這一擴(kuò)展的產(chǎn)品組合使他們能夠找到能夠滿足不同業(yè)務(wù)需求的解決方案，并促進(jìn)將這些技術(shù)整合在一起的更全面的方法。

生成式人工智能的采用正在迅速進(jìn)展。如圖 7 所示，一組開(kāi)拓者（24% 的組織）已經(jīng)將生成式 AI 投資升級(jí)為擴(kuò)大生產(chǎn)能力。相比之下，11% 的公司尚未投資生成式人工智能，29% 的公司仍在試驗(yàn)該技術(shù)，37% 的公司已將生成式人工智能投入生產(chǎn)，但尚未規(guī)模化。對(duì)于一項(xiàng)于 2022 年 11 月推出 ChatGPT 后才進(jìn)入公眾意識(shí)的技術(shù)來(lái)說(shuō)，這是一個(gè)了不起的接受程度。

集成并廣泛部署生成式人工智能的組織可以獲得廣泛的好處。重要的是，這些好處在提供競(jìng)爭(zhēng)優(yōu)勢(shì)的領(lǐng)域中很常見(jiàn)。超過(guò)四分之三 (79%) 的開(kāi)拓者認(rèn)為生成式人工智能對(duì)其創(chuàng)新率具有“高”或“非常高”影響，76% 對(duì)上市時(shí)間有“高”或“非常高”影響，76% 對(duì)支持新產(chǎn)品推出有影響，74 % 的人關(guān)注產(chǎn)品或服務(wù)質(zhì)量的改進(jìn)，67% 的人關(guān)注產(chǎn)品和/或服務(wù)的差異化。這些水平超過(guò)了“人工智能成熟度較低”的組織，這表明生成式人工智能的相對(duì)采用可能會(huì)塑造行業(yè)的贏家和輸家。未能快速開(kāi)展有意義的生成式人工智能項(xiàng)目的組織，最終可能會(huì)輸給那些有能力的組織。

未來(lái)的投資水平似乎正在為這些開(kāi)拓者擴(kuò)大其優(yōu)勢(shì)奠定基礎(chǔ)。生成式人工智能先驅(qū)者投入巨資以引領(lǐng)潮流。成功將生成式人工智能升級(jí)為綜合能力的組織平均將 44% 的人工智能預(yù)算投入生成式人工智能，這一投資水平明顯高于其他組織。處于生成式 AI 成熟度早期階段的公司平均投資 26%。開(kāi)拓者公司將進(jìn)一步擴(kuò)大生成式人工智能預(yù)算，繼續(xù)對(duì)人工智能成熟度較低的組織進(jìn)行投資。

生成式人工智能先驅(qū)者的支持基礎(chǔ)設(shè)施和策略更加復(fù)雜。他們使用更廣泛的場(chǎng)所進(jìn)行人工智能模型訓(xùn)練和推理。然而，更根本的是，在人工智能基礎(chǔ)設(shè)施規(guī)劃方面，他們考慮了更多因素。與未進(jìn)行同等程度投資的組織相比，他們?cè)谝?guī)劃基礎(chǔ)設(shè)施時(shí)更有可能考慮安全性、人工智能加速器訪問(wèn)、數(shù)據(jù)隱私、可擴(kuò)展性、客戶支持以及人工智能工具和框架的訪問(wèn)。與那些嘗試生成人工智能的人相比，這些開(kāi)拓者不太可能考慮的唯一因素是前期成本，他們認(rèn)為前期成本不如長(zhǎng)期運(yùn)營(yíng)支出重要。通過(guò)在基礎(chǔ)設(shè)施決策之初考慮這些因素，這些組織可以確保這些問(wèn)題不會(huì)隨著項(xiàng)目的進(jìn)展而出現(xiàn)。

人工智能領(lǐng)導(dǎo)者正在采取哪些不同的做法？

與其他投資生成式人工智能的組織相比，人工智能領(lǐng)導(dǎo)者優(yōu)先考慮了生成式人工智能計(jì)劃，以提高創(chuàng)新率和提高 IT 效率。通過(guò)優(yōu)先考慮這些領(lǐng)域，他們創(chuàng)造了一個(gè)良性循環(huán)，其中增加的創(chuàng)新促進(jìn)了生成式人工智能的進(jìn)一步使用，簡(jiǎn)化的 IT 流程確保了可持續(xù)和有效的交付。

GPU可用性繼續(xù)受到限制，影響基礎(chǔ)設(shè)施決策

人工智能加速器在優(yōu)化人工智能性能方面發(fā)揮著重要作用。這些專用硬件設(shè)備（最突出的例子是 GPU）旨在加速模型訓(xùn)練和推理；對(duì)于 AI 工作負(fù)載，它們比 CPU 更快、更高效。組織可能會(huì)面臨訪問(wèn) GPU 的挑戰(zhàn)，這種稀缺性正在提升他們?cè)诨A(chǔ)設(shè)施規(guī)劃中的地位，并鼓勵(lì)采用專業(yè)的人工智能云計(jì)算平臺(tái)。

關(guān)鍵見(jiàn)解：

• 除了安全性之外，基礎(chǔ)設(shè)施決策中的首要因素是加速器可用性， 44%的組織認(rèn)為這一點(diǎn)。

• -超大規(guī)模公共云是使用 GPU 的途徑之一，但許多人也轉(zhuǎn)向?qū)I(yè)的人工智能云。GPU 云正在成為培訓(xùn)（近三分之一（ 32%）的組織）和推理（31%）的重要場(chǎng)所。

• -在一些地區(qū)，特別是在亞太地區(qū)，缺乏人工智能加速器已經(jīng)限制了組織將模型轉(zhuǎn)移到生產(chǎn)中。

主要的基礎(chǔ)設(shè)施決策因素涉及安全性、人工智能加速器訪問(wèn)以及可靠性和可用性。如圖 8 所示，人工智能加速器的使用排名很高，甚至超過(guò)了運(yùn)營(yíng)成本和靈活性等長(zhǎng)期關(guān)注的領(lǐng)域。電信公司 (53%)、高等教育機(jī)構(gòu) (53%) 和制造組織 (51%) 特別重視這種訪問(wèn)。

超大規(guī)模公共云為尋求 GPU 的組織提供了重要途徑，但它們并不是唯一的選擇。雖然超大規(guī)模云計(jì)算是最受歡迎的人工智能訓(xùn)練和推理場(chǎng)所，分別有 46% 和 40% 的組織認(rèn)為，但專業(yè)人工智能云已成為輔助甚至替代場(chǎng)所。 GPU 云的受歡迎程度呈爆炸性增長(zhǎng)，反映出對(duì) GPU 的高需求。近三分之一（32%）投資人工智能的組織正在使用 GPU 云執(zhí)行訓(xùn)練工作負(fù)載，31% 的組織用于推理。這些專業(yè)云產(chǎn)品特別受信息技術(shù)和服務(wù)公司歡迎，51% 的公司將 GPU 云作為培訓(xùn)場(chǎng)所。

隨著人工智能開(kāi)發(fā)和部署的范圍不斷擴(kuò)大，GPU 云有望進(jìn)一步增長(zhǎng)。組織預(yù)計(jì)未來(lái) 12 個(gè)月內(nèi)將使用更多的訓(xùn)練和推理場(chǎng)所，在這種增長(zhǎng)環(huán)境中，GPU 云的推理和訓(xùn)練采用率預(yù)計(jì)將增長(zhǎng)到 34%。高等教育機(jī)構(gòu)似乎是一個(gè)增長(zhǎng)特別快的客戶群。我們的數(shù)據(jù)強(qiáng)調(diào)可擴(kuò)展性是組織將 GPU 云視為主要角色；組織能夠輕松且經(jīng)濟(jì)高效地管理波動(dòng)的人工智能工作負(fù)載的能力是采用的明顯驅(qū)動(dòng)力。

一些國(guó)家（包括一些亞太主要經(jīng)濟(jì)體）的組織強(qiáng)烈感受到 GPU 可用性挑戰(zhàn)；印度、臺(tái)灣、新西蘭和澳大利亞更有可能將 GPU 可用性列為將模型投入生產(chǎn)的三大挑戰(zhàn)之一。瑞典（39%）認(rèn)為這是三大挑戰(zhàn)，阿聯(lián)酋（35%）在這方面也表現(xiàn)突出。

圖 9：GPU 可用性對(duì)模型投入生產(chǎn)的影響程度存在國(guó)家差異

人工智能領(lǐng)導(dǎo)者正在采取哪些不同的做法？

領(lǐng)導(dǎo)者更有可能利用 GPU 云進(jìn)行訓(xùn)練和推理，并且特別投資于如何使用該技術(shù)來(lái)減少實(shí)施人工智能計(jì)劃所需的時(shí)間。利用基于云的專業(yè)服務(wù)，通過(guò)確保對(duì)稀缺 GPU 資源的訪問(wèn)來(lái)加快開(kāi)發(fā)過(guò)程，這似乎是發(fā)揮 AI 優(yōu)勢(shì)的明顯途徑。

對(duì)人工智能對(duì)環(huán)境影響的擔(dān)憂持續(xù)存在，但并沒(méi)有減緩人工智能的采用；可持續(xù)人工智能實(shí)踐提供了減少排放的機(jī)會(huì)

今年的故事是關(guān)于擴(kuò)張的：擴(kuò)大人工智能的范圍、擴(kuò)大工作負(fù)載需求、擴(kuò)大數(shù)據(jù)基礎(chǔ)設(shè)施。在這種情況下，可持續(xù)發(fā)展實(shí)踐是關(guān)鍵。由于許多可持續(xù)發(fā)展實(shí)踐提供了可衡量的價(jià)值以及應(yīng)用人工智能解決能源消耗問(wèn)題的潛力，因此有一個(gè)明顯的機(jī)會(huì)來(lái)應(yīng)對(duì)排放挑戰(zhàn)。

關(guān)鍵見(jiàn)解：

• 近三分之二（64%）的受訪者表示，他們的組織“關(guān)心”或“非常關(guān)心”人工智能基礎(chǔ)設(shè)施的可持續(xù)性。

• 受歡迎的可持續(xù)發(fā)展措施包括投資節(jié)能IT硬件（42%的組織）、增加對(duì)人工智能治理的投資（40%）、提供可持續(xù)發(fā)展培訓(xùn)和教育（37%）以及建立可持續(xù)發(fā)展指南（35%）。

• 近三分之一 (30%)的受訪者表示，減少能源消耗是其組織采用 AI/ML 的驅(qū)動(dòng)力。

可持續(xù)發(fā)展對(duì)組織來(lái)說(shuō)仍然很重要，近三分之二的組織擔(dān)心人工智能/機(jī)器學(xué)習(xí)對(duì)能源使用和碳足跡的影響，其中 25% 的組織“非常擔(dān)心”。該主題是人工智能戰(zhàn)略中的一個(gè)影響因素，37% 的受訪者認(rèn)為可持續(xù)性是對(duì)其組織做出的人工智能基礎(chǔ)設(shè)施決策影響最大的因素之一。如圖 8 所示，這與運(yùn)營(yíng)成本、數(shù)據(jù)隱私和可擴(kuò)展性相當(dāng)。在數(shù)據(jù)需求不斷擴(kuò)大以及未來(lái) 12 個(gè)月人工智能工作負(fù)載的訓(xùn)練和推理場(chǎng)所預(yù)測(cè)的背景下，對(duì)可持續(xù)性的關(guān)注非常重要。

除了表現(xiàn)出投資更優(yōu)化技術(shù)的明確意愿外，許多組織還增加了對(duì)人工智能治理的投資（40%）、提供可持續(xù)發(fā)展培訓(xùn)和教育（37%）以及制定可持續(xù)發(fā)展指南（35%）。不太受歡迎的是代表縮減人工智能投資的舉措。只有 5% 的人表示他們?cè)谶^(guò)去 12 個(gè)月內(nèi)取消了人工智能計(jì)劃，19% 的人表示他們改變了項(xiàng)目范圍。

組織在很大程度上發(fā)現(xiàn)可持續(xù)發(fā)展實(shí)踐是有效的。在確定哪些項(xiàng)目更有可能產(chǎn)生較大影響而不是產(chǎn)生較小影響或沒(méi)有影響時(shí)，我們發(fā)現(xiàn)實(shí)踐更有可能產(chǎn)生影響，包括那些有時(shí)被忽視的項(xiàng)目（見(jiàn)圖 10）。雖然在過(guò)去 12 個(gè)月中，只有 19% 的組織參與改變?nèi)斯ぶ悄茼?xiàng)目范圍以解決環(huán)境問(wèn)題，但其中 57% 的組織認(rèn)為其影響力“非常高”或“非常高”。另一種可能代表重大機(jī)會(huì)的做法是更換基礎(chǔ)設(shè)施供應(yīng)商——27% 的人采取了這一步驟，但總體上認(rèn)為這是最有影響力的做法。

許多組織已經(jīng)將人工智能應(yīng)用于能源消耗——通過(guò)人工智能驅(qū)動(dòng)的效率優(yōu)勢(shì)來(lái)應(yīng)對(duì)人工智能工作負(fù)載的資源密集型本質(zhì)。近三分之一 (30%) 的組織將減少能源消耗和碳足跡視為開(kāi)發(fā) AI/ML 應(yīng)用程序的關(guān)鍵驅(qū)動(dòng)力。雖然目前是人工智能/機(jī)器學(xué)習(xí)應(yīng)用程序最不受歡迎的目標(biāo)，但值得注意的是，近三分之一的組織可能已經(jīng)在應(yīng)用人工智能來(lái)更好地評(píng)估和預(yù)測(cè)排放，或通知可能有助于節(jié)能的效率改進(jìn)。隨著工作壓力的擴(kuò)大，我們預(yù)計(jì)這一比例將會(huì)增加。

減少能源消耗的動(dòng)力不僅僅是為了實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)。雖然 11% 的受訪者認(rèn)為實(shí)現(xiàn)企業(yè)可持續(xù)發(fā)展目標(biāo)是減少能源消耗的首要任務(wù)，但這低于提高運(yùn)營(yíng)效率 (13%) 和實(shí)現(xiàn)成本節(jié)約 (12%)。對(duì)法規(guī)遵從性 (9%) 和客戶期望 (9%) 的擔(dān)憂也很明顯。在某些情況下，這可能使可持續(xù)發(fā)展倡導(dǎo)者能夠解決可持續(xù)發(fā)展影響，同時(shí)在更廣泛的業(yè)務(wù)目標(biāo)背景下體現(xiàn)其價(jià)值。

人工智能領(lǐng)導(dǎo)者正在采取哪些不同的做法？

人工智能領(lǐng)導(dǎo)者正在采取更多措施來(lái)解決其項(xiàng)目對(duì)環(huán)境的影響，并且更有可能認(rèn)為這些措施具有“高度”影響力。特別是，人工智能領(lǐng)導(dǎo)者更有可能考慮在未來(lái) 12 個(gè)月內(nèi)改變訓(xùn)練或推理場(chǎng)所、制定可持續(xù)性指南并實(shí)施抵消方法。通過(guò)并行進(jìn)行多個(gè)步驟，每個(gè)步驟的價(jià)值似乎都被放大了。雖然排放影響評(píng)估可能有用，但當(dāng)該評(píng)估可以轉(zhuǎn)化為有關(guān)選擇供應(yīng)商合作伙伴或人工智能培訓(xùn)或推理環(huán)境的決策時(shí)，它可以提供更多價(jià)值。

結(jié)論

2024 年人工智能全球趨勢(shì)報(bào)告展現(xiàn)了與 2023 年版本截然不同的人工智能采用情況。人工智能正在得到更廣泛的應(yīng)用，更加注重產(chǎn)品和服務(wù)質(zhì)量的改進(jìn)以及收入的增長(zhǎng)。生成式人工智能的成熟是這一轉(zhuǎn)變的關(guān)鍵驅(qū)動(dòng)力。但挑戰(zhàn)依然存在。許多組織正在努力將投資轉(zhuǎn)化為可以大規(guī)模交付的能力，并且他們承認(rèn)業(yè)務(wù)運(yùn)營(yíng)的可持續(xù)性面臨壓力。

企業(yè)的五個(gè)關(guān)鍵行動(dòng)點(diǎn)：

為人工智能的成功構(gòu)建強(qiáng)大的數(shù)據(jù)架構(gòu)：組織必須建立清晰的途徑將人工智能項(xiàng)目擴(kuò)展到生產(chǎn)，確保高效的數(shù)據(jù)管理和存儲(chǔ)。在投入大量試點(diǎn)項(xiàng)目之前，投資強(qiáng)大的數(shù)據(jù)基礎(chǔ)至關(guān)重要。這將有助于實(shí)現(xiàn)無(wú)縫的人工智能價(jià)值交付。

明智的投資是生成式人工智能成功的關(guān)鍵：受益于生成式人工智能的組織已經(jīng)重新分配預(yù)算，以專注于這些舉措。成功取決于復(fù)雜的決策和強(qiáng)大的基礎(chǔ)設(shè)施。為了效仿這一點(diǎn)，組織應(yīng)確保全面的采購(gòu)實(shí)踐并最大限度地提高 GPU 的可用性和利用率，包括研究專門(mén)的 GPU 和 AI 云服務(wù)。

探索生成式 AI 驅(qū)動(dòng)的 IT 效率：生成式 AI 可以自動(dòng)執(zhí)行常規(guī)模型開(kāi)發(fā)任務(wù)并改進(jìn) IT 決策，以推動(dòng)更簡(jiǎn)化的交付。這種自我強(qiáng)化的方法可以支撐更可持續(xù)的人工智能路線圖。

擴(kuò)大可持續(xù)發(fā)展實(shí)踐：更換基礎(chǔ)設(shè)施供應(yīng)商或修改人工智能項(xiàng)目范圍可以對(duì)總體排放量產(chǎn)生有意義的影響。當(dāng)可持續(xù)性措施一起使用時(shí)，它們的價(jià)值會(huì)變得更加復(fù)雜，因此組織應(yīng)該授權(quán)項(xiàng)目團(tuán)隊(duì)采用各種方法。

制定全面的人工智能戰(zhàn)略：生成式人工智能提供了重要的機(jī)會(huì)，但組織應(yīng)該制定全面的人工智能戰(zhàn)略。狹隘的人工智能方法（未能研究多種技術(shù)的方法）忽視了將不同類型的模型結(jié)合在一起的機(jī)會(huì)，并關(guān)閉了許多高影響力的用例。

大數(shù)據(jù)在線觀察

WEKA今年的報(bào)告主要基于北美、歐洲、亞太等地區(qū)超過(guò)1500名決策者的調(diào)研，雖然缺少中國(guó)大陸地區(qū)用戶的調(diào)研，但地域、行業(yè)覆蓋面依然很廣，對(duì)于了解其他國(guó)家經(jīng)濟(jì)體的人工智能應(yīng)用狀況具有較高的參考價(jià)值。

中國(guó)市場(chǎng)也是人工智能應(yīng)用最前沿的陣地。雖然受到各種因素的影響，在GPU應(yīng)用與部署方面存在著較大的困難，但行業(yè)用戶在場(chǎng)景、應(yīng)用方面的天然優(yōu)勢(shì)，以及國(guó)家政策層面上的鼓勵(lì)，未來(lái)有望以應(yīng)用為牽引，走出一條新路。

不過(guò)，WEKA報(bào)告中提到“遺留數(shù)據(jù)架構(gòu)”的挑戰(zhàn)，對(duì)于中國(guó)用戶也是當(dāng)下和將來(lái)最為核心的挑戰(zhàn)，現(xiàn)代數(shù)據(jù)架構(gòu)應(yīng)該是未來(lái)所有行業(yè)用戶都需要著力建設(shè)的一項(xiàng)持續(xù)工程，不僅關(guān)系到人工智能相關(guān)技術(shù)能否真正發(fā)揮價(jià)值，更對(duì)于未來(lái)數(shù)智轉(zhuǎn)型升級(jí)有著決定性作用。

大數(shù)據(jù)在線是聚焦人工智能、大數(shù)據(jù)、云計(jì)算等前沿科技領(lǐng)域深度觀察的深度媒體。目前，大數(shù)據(jù)在線在微信公眾號(hào)、今日頭條號(hào)、新浪財(cái)經(jīng)、36氪、雪球號(hào)、觀察號(hào)等主流自媒體平臺(tái)均有入駐，積累粉絲超過(guò)20W；并榮獲今日頭條十大科技新銳媒體、商業(yè)新知十大人工智能媒體等多項(xiàng)殊榮。商務(wù)聯(lián)系請(qǐng)?zhí)砑游⑿牛篛wen_Inter，添加請(qǐng)備注具體信息。