AI 正在为企业提供他们需要的借口，以修复多年的技术债务

每个企业都想谈论 AI。我们应该投入多少？我们应该在哪里运行它？我们可以构建哪些新应用？我们能多快将它们投入生产？

但在所有这些兴奋背后，还有别的事情在发生。随着组织向 AI 投入资金，许多人开始认真审视多年默默支撑业务的基础设施。而他们发现的情况并不总是令人满意：

• 传统操作系统
• 老化的数据库
• 相对于基础设施过度现代化的应用程序

组织正在观察基于多年前决策构建的环境。它是 技术债务每个人都知道它的存在，但没有人有足够的理由或预算去解决。

讽刺的是，AI 可能最终会改变这一点。

AI 正在打开基础设施钱包

多年来，基础设施现代化的最大障碍之一异常简单：如果它没有坏，为什么要花数百万美元去更换它？

这对基础设施团队来说是一个难以克服的论点。一个十年的系统可能已经过时、昂贵且缺乏弹性，但如果应用程序仍在运行且客户没有抱怨，向 CFO 推动更换或现代化它会非常困难。

AI 已经改写了这一讨论。

为了支持他们的 AI 战略，组织正在进行 重大新投资于基础设施。这笔支出可以同时创造解决其他基础设施问题的机会。原本难以获得资金的项目突然可以成为关于未来十年企业技术堆栈应何种形态的更大讨论的一部分。

AI 时代正与传统时代相撞

许多企业仍然高度依赖 Windows 为基础的基础设施和旧版本的 SQL Server，而技术行业已经花了多年时间讨论 云原生 架构和 容器。

与此同时，应用程序开发已经向前推进。开发团队已经拥抱 Linux、容器和云平台，而数据库和其他关键基础设施往往仍停留在原处。这在企业内部造成了日益尴尬的分裂：一侧是现代应用，另一侧是传统基础设施。AI 并未导致这一问题。但构建 AI 就绪企业的急迫使其更难被忽视。

因此，组织应当抵制将 AI 基础设施视为孤立的技术采购。它可以成为提出更大问题的机会：如果我们正在为 AI 重新设计部分基础设施，在此期间我们还应该修复哪些其他方面？

现代化不一定要一次性大变革

技术债务持续存在的一个原因是认为现代化需要大规模迁移。事实并非如此。

例如，当您从 Windows 迁移到 Linux 时，并非所有应用、数据库和运营流程都必须同时更改。采用 Kubernetes 也不意味着组织必须立刻放弃之前的一切。为了以最实际的方式进行，现代化应当逐步进行。

组织可以在保留现有 Windows 工作负载的同时，引入 Linux 或 Kubernetes。只要业务案例合理，他们可以对单个组件进行现代化，并逐步迁移工作负载，而不是把所有资源押注在一次巨大的转型项目上。

这对数据库尤为重要。关键的 SQL Server 环境可能已成功运行多年。它们年久并不意味着组织应当鲁莽地更换它们。

目标应是创造前进的道路。

不要仅因 AI 时尚而进行现代化

这里有一个重要的区别。

AI 投资可能带来现代化基础设施的机会，但组织不应仅因认为一切突然需要变为“AI 就绪”而迁移工作负载。基础设施现代化的商业案例应当自成一体。

我们能降低成本吗？

我们能提升可用性吗？

我们能降低对特定平台的依赖吗？

我们能让工作负载更具可移植性吗？

我们能为业务提供更大的灵活性，以决定应用和数据的运行位置吗？

无论组织的 AI 路线图会怎样，这些都是有价值的成果。

事实上，企业可能犯的一个错误是让 AI 成为每项技术决策的理由。AI 工作负载和传统事务性工作负载的需求不同。仅仅因为组织在 AI 上投入巨大，并不意味着每个遗留工作负载都应突然迁移到 Kubernetes 上。

现代化应当解决实际的基础设施问题。

AI 也在改变基础设施的经济学

还有一个原因使得在 AI 时代灵活性更为重要：基础设施经济正变得日益动态。组织比以往拥有更多选择，关于工作负载运行的位置……本地、私有云、公共云以及跨多个云提供商。对某个工作负载而言最合适的环境，实际上可能完全不适合另一个工作负载。这使得基础设施可移植性愈发有价值。

企业不应当基于多年前的决定来做每一个未来的基础设施决策。它们应当能够评估工作负载在何处最具运营和经济意义，并在不重新设计整个应用环境的前提下进行调整。随着 AI 推高基础设施支出，这一点变得尤为重要。当技术预算增长时，计算、许可和云费用的细微差异也可能演变为巨额支出。

选择的能力成为一种经济优势。

真正的 AI 基础设施机遇可能比 AI 本身更大

人们往往倾向于从 GPU、加速器和庞大数据中心的角度来思考 AI 基础设施的繁荣。这些投资固然重要。由此对企业其他基础设施产生的影响，可能才是更持久的影响。

AI 正迫使组织思考其应用的运行位置、数据的存放地点、基础设施的管理方式以及愿意保留多少遗留技术。

这创造了一个难得的机遇。

企业不必仅在数十年旧基础设施决策之上叠加最新技术，而是可以利用这轮投资周期开始偿还技术债务，为未来的任何需求打造更灵活的基础。

因为最关键的问题可能不是当今的基础设施能否运行 AI。

而可能是当今的 AI 投资是否终于能为组织提供构建他们本应早已着手的基础设施的理由。