人工智能经常被誉为对企业至关重要的问题。然而具有讽刺意味的是，许多技术领导者尽管对这项技术表现出明显的热情并进行了大量投资，却仍然将其视为一种实验，而非真正的企业应用。
越来越多的证据表明，许多人工智能项目未能超越实验或原型阶段。据 Gartner 预测，到 2027 年底，超过 40% 的智能体人工智能项目将被取消，这通常是由于风险控制薄弱和投资回报不确定造成的。Gartner 预测，到 2027 年底，超过 40% 的代理 AI 项目将被取消。]
此次发布失败不仅意味着投资损失，而且从长远来看还会导致人们对该技术的信心下降。
因此，两类组织之间的差距正在日益扩大：一类是稳步推进企业级人工智能应用的组织，另一类则是仍在苦苦寻找成功部署方法的组织。随着我们从生成式人工智能时代过渡到代理式人工智能时代，这种差距很可能会进一步扩大。
拥有清晰的愿景无疑是人工智能领域成功的关键，拥有制定组织独特战略所需的数据也同样重要。再加上一些前期投资，或许就足以打造出一个令人印象深刻的原型。
但这足以保证整个组织取得成功吗？Gartner 的数据清楚地表明：不能。
那么还缺少什么？技术领导者应该如何做才能确保人工智能不仅仅是炫技的工具，而是真正实现成果的手段？
答案在于“作战准备”。“ 简而言之，就是部署、管理和扩展人工智能的能力，使其从实验室和小规模实验室扩展到组织的各个部门。
这意味着要付出必要的努力，确保项目从一个成功但孤立的实验过渡到组织运营的核心组成部分。这可以通过在一个统一的集成平台上部署人工智能来实现，该平台整合了计算能力、数据管理和安全治理。至关重要的是，该平台的设计使其能够在组织内的任何位置部署和使用，无论是在本地数据中心、云服务，甚至是边缘端。
这个概念对我们来说并不陌生。要成功运行任何重要的公司系统——例如企业资源计划 (ERP) 或客户关系管理 (CRM) 系统——首先必须关注运营基础设施的稳健性。人工智能也是如此，但有一个关键区别。
当我们把这种逻辑应用于人工智能时，就会面临一些独特的挑战，这些挑战不容忽视。
将人工智能基础设施简化为GPU固然容易，但实际情况远比这复杂得多。高带宽内存、超高速存储和强大的网络都是同样重要的组成部分。更不用说其他处理器和加速器的作用了，它们会根据工作流程的具体阶段而有所不同。
最重要的是，无论采用本地部署、云端部署还是混合部署，这种基础设施都必须能够随着项目的演进而扩展和调整。仅仅在有限的试点阶段取得成功是不够的；它还必须经受住项目转型为全面、企业级生产系统时的考验。而且，人工智能本质上比传统业务系统更加互联互通、更加复杂。
但问题远不止处理能力和存储容量那么简单。当我们在企业层面谈论人工智能时，安全性和治理就成了不可逾越的红线。企业的数据和专有模型是其面向未来的真正资本，必须确保其安全无虞。
在此，数据主权法律与日益严格的人工智能监管法规交织在一起，使得问题变得更加复杂。科技领导者再也不能仅仅依靠信任；他们必须绝对确定数据存储在哪里，并精确了解谁有权访问数据，谁被禁止访问。
人工智能的潜力无限，但如果基础设施管理不善，代价也同样巨大。试想一下，花费巨资购买处理单元和能源，却让这些资源闲置，不仅造成投资回报损失，也损害了企业对环境和社会的承诺。
运营扩张
技术领导者必须从一开始就规划好如何扩展技术能力（并在必要时缩减），此外，他们还必须能够准确地管理和预测成本。为此，他们需要一个平台和工具，让他们能够自信且轻松地完成所有这些工作。
随着人工智能代理的引入，这种需求变得更加迫切。这些代理的存在意味着自动化系统将能够访问数据、生成新信息并做出决策。因此，安全、治理和合规性必须保持严格且不容妥协。基础设施必须能够容纳这些代理，并应对它们执行任务时可能出现的突发需求高峰。此外，还必须仔细考虑技术资产的部署位置，以最大限度地缩短实时推理工作负载的响应时间，同时将能耗控制在合理范围内。
当我们把所有这些因素都考虑进去之后，人工智能时代作战准备的真实情况就变得清晰起来。
这种准备工作需要一套全面、即用型的解决方案：一个能够容纳GPU和其他必要加速器的强大平台。该平台必须包含支持人工智能所需所有格式的集成数据服务，以及强大的安全控制和治理机制。它还应同时支持虚拟机和容器，并具备协调二者运行的能力。
部署和利用人工智能的竞赛已经够让人疲惫了，没有人愿意同时还要应对向云原生基础设施迁移的挑战。
虽然大型语言模型（LLM）未必总能提供完全相同的答案，但人工智能（包括生成式和演绎式）的底层架构却必须恰恰相反：它们必须具有可重复性和可标准化性。对于任何希望扩展规模以满足不断增长的需求的公司而言，无论是在云端、本地部署还是边缘计算，这都是一项基本要求。
当技术领导者拥有合适的平台和工具时，他们就能引导团队朝着最终目标前进：持续最大化人工智能投资带来的价值，而不是浪费时间和资源去努力将成功的试点项目转化为全面的企业战略。
最终，无论他们将全部赌注押在人工智能上，还是仅仅将其视为更广泛工具箱中的一种工具，有一点是肯定的：技术领导者必须认识到一个不容回避的事实：人工智能本质上是一种企业应用。而企业应用容不得任何不完善或临时性的解决方案；它们需要企业级的基础设施，能够支持项目从最初的实验阶段到实际生产，乃至未来持续发展。
因为只有这样才能确保他们的机构能够长期生存和发展。
作者：Ahmed Rashad，Nutanix人工智能专家
https://tafaol.sa/?p=100106
