Herb Hogue 是全球系统集成商 Myriad360 的首席技术官，拥有超过 25 年的战略规划、技术集成、创新和全球领导经验。Herb 的专业知识涵盖金融、医疗保健、媒体、咨询、抵押贷款行业和解决方案集成商。在 Myriad360，他领导解决方案产品、合作伙伴关系，并管理云计算、人工智能、网络、安全和基础设施的专业服务。他的前任职位在 Insight 和 PCM凸显了他在云服务和数据中心解决方案方面推动显著增长的能力。他拥有亚利桑那大学的网络和数据安全学士学位。
人工智能不再是炒作；它是下一波商业变革的骨干。它存在于我们的工作流程、客户互动、安全系统，甚至我们的想法集思广益中。但是，这里有一个挑战：随着人工智能能力的扩展，其影响范围也在扩大。就像我们十年前看到的暗影IT一样，一个新的、更危险的版本正在迅速出现：暗影人工智能。它不是假设性的。它现在已经存在。而且它将成为大多数组织在未来1-3年内面临的最大运营挑战。什么是暗影人工智能？暗影人工智能 是任何在您的组织中使用的、没有得到官方批准、安全审查或治理的AI系统、工具或模型。它不总是恶意的——大多数情况下，它是从良好的意图开始的。但是，它会产生风险，这些风险会悄悄地增长，直到它们像货运列车一样撞击您。野外的暗影人工智能例子： 营销： 内容经理将客户电子邮件列表上传到ChatGPT，以创建有针对性的信息。他们只是想节省时间，但现在客户数据存储在第三方AI的训练环境中，可能违反了GDPR或CCPA。 工程： 开发人员将专有代码粘贴到AI代码助手中，以调试问题。该模型现在可以访问您的知识产权，并可能在其他用户的查询中暴露它。 销售： 账户执行人员使用未经批准的AI交易预测工具来“加快”管道报告。该工具是免费的，但其服务条款规定，所有上传的数据都可能被分析并与“合作伙伴”共享。 运营： 业务部门使用信用卡费用启动自己的AI聊天机器人，并将敏感的内部政策文件无安全审查地输入其中。该机器人被泄露，暴露了人力资源和工资数据。 这些是我在企业环境中看到的真实场景，有时是在几个月后偶然发现的。为什么暗影人工智能将在未来36个月内激增我们处于人工智能采用中的“黄金热潮”阶段。实验的步伐比治理能够跟上的速度更快。以下是问题将如何恶化的原因： 低门槛AI工具的普及： 生成式AI API、浏览器扩展和SaaS工具使任何员工都可以在几分钟内建立AI能力，而无需IT。其中许多都是免费的，或者比午餐还便宜。 部门级自治： 团队有自己的预算，并且受到交付更快结果的压力。如果IT行动太慢，他们将自己使用AI解决问题。 数据饥饿： 人工智能在数据的驱动下茁壮成长。用户自然希望“喂养”它更多信息，以获得更好的输出，尽管他们无意中将敏感数据移到了受保护系统之外。 虚假的安全感： 员工认为，“它来自大公司，所以一定是安全的。”他们没有意识到“安全”并不意味着合规——或者在他们的业务背景下是安全的。 人工智能战略的碎片化： 没有集中监督，组织最终会在各个部门拥有10-20种不同的AI工具，这些工具之间根本不相互通信，从而增加了成本和复杂性。 人工智能蔓延的真正风险危险不仅仅在于成本，还在于控制、合规性 和可信度。 监管合规性： 将个人数据输入未经审查的AI可以瞬间使您违反GDPR、HIPAA或行业特定法规。监管机构不会关心这是“只是一个测试”。...
每当一个新的AI模型发布——GPT更新、DeepSeek、Gemini——人们都会对这些巨型模型的庞大规模、复杂性以及日益增长的计算需求感到惊讶。人们认为这些模型定义了AI革命的资源需求。但是，这种假设是错误的。是的，大的模型确实需要大量计算资源。但是，对AI基础设施的最大压力并不是来自少数巨型模型，而是来自各个行业中AI模型的无声蔓延，每个模型都针对特定的应用进行了微调，并以前所未有的规模消耗计算资源。尽管LLM之间的竞争正在加剧，但AI领域并没有集中化——它正在变得更加分散。每个企业不仅仅是在使用AI——它们正在训练、定制和部署私有模型以满足自己的需求。这将会产生一种基础设施需求曲线，云服务提供商、企业和政府都无法应对。我们以前也见过这种模式。云计算并没有整合IT工作负载——它创造了一个混合的生态系统。首先是服务器扩张，然后是虚拟机扩张。现在？AI扩张。每一波计算都导致了扩张，而不是简化。AI也不例外。AI 扩张：为什么AI的未来是一百万个模型，而不是一个金融、物流、网络安全、客户服务、研发——每个领域都有自己的AI模型，针对特定的功能进行优化。组织并不训练一个AI模型来统治整个运营。它们训练成千上万个模型。这意味着更多的训练周期、更多的计算需求、更多的存储需求和更多的基础设施扩张。这不是理论。即使在传统上对技术采用较为谨慎的行业，AI投资也正在加速。2024年麦肯锡的一份报告发现，组织现在在平均三个业务功能中使用AI，制造业、供应链和产品开发领先（麦肯锡）。医疗保健是一个典型的例子。Navina，一家将AI集成到电子健康记录中以提供临床洞察的初创公司，刚刚从高盛获得5500万美元的C轮融资（Business Insider）。能源行业也不例外——行业领袖已经推出了开放电力AI联盟，以将AI优化应用于电网和工厂运营（Axios）。没有人在谈论的计算压力AI已经打破了传统的基础设施模式。认为云可以无限扩展以支持AI增长的假设是错误的。AI不像传统工作负载那样扩展。需求曲线不是渐进的——它是指数级的，超大规模计算提供商无法跟上。 电力约束：AI专用数据中心现在正在根据电力供应而不是网络骨干进行建设。 网络瓶颈：混合IT环境正变得难以管理，而AI工作负载只会加剧这种情况。 经济压力：AI工作负载可以在一个月内消耗数百万美元，造成财务不可预测性。 数据中心已经占全球电力消耗的1%。在爱尔兰，数据中心现在占全国电网的20%，预计到2030年这一比例将显著增加（IEA）。此外，GPU的压力也在增大。贝恩公司最近警告说，AI增长可能会导致半导体短缺，驱动因素是对数据中心级芯片的需求爆发（贝恩）。与此同时，AI的可持续性问题也在增长。2024年在《可持续城市和社会》杂志上发表的一项分析警告说，医疗保健领域广泛采用AI可能会显著增加该行业的能源消耗和碳排放，除非通过有针对性的效率措施进行抵消（ScienceDirect）。AI 扩张比市场更大——它是国家权力的问题如果你认为AI扩张只是一个企业问题，那么你就错了。AI碎片化的最大驱动力并不是私营部门——而是政府和军事国防机构，它们正在以超出任何超大规模计算提供商或企业的规模部署AI。美国政府单独就已经在27个机构的700多个应用中部署了AI，涵盖情报分析、后勤等领域（FedTech Magazine）。加拿大正在投资多达7亿美元以扩大国内AI计算能力，并推出了国家挑战以加强主权数据中心基础设施（加拿大创新、科学和经济发展部）。人们正在呼吁启动“阿波罗计划”以发展AI基础设施——这凸显了AI从商业优势转变为国家迫切需要的过程（MIT Technology Review）。军事AI不会高效、协调或优化成本——它将由国家安全命令、地缘政治紧迫性和对封闭、主权AI系统的需求驱动。即使企业控制AI扩张，谁会告诉政府放慢脚步？因为当国家安全问题出现时，没人会停下来问电网是否能承受得住。
头条新闻讲述了一个故事：OpenAI、Meta、Google和Anthropic正在进行一场建造最强大的人工智能模型的军备竞赛。每一个新的发布——从DeepSeek的开源模型到最新的GPT更新——都被当作人工智能下一个伟大的飞跃。其含义很明确：人工智能的未来属于谁谁就能建造出最好的模型。那是错误的看法。开发人工智能模型的公司并不孤单地定义了其影响。人工智能支持大规模采用的真正玩家不是OpenAI或Meta——而是超大规模数据中心运营商、数据中心运营商和能源提供商，使人工智能对日益增长的消费者群体来说成为可能。没有他们，人工智能就不是一个万亿美元的行业。它只是代码，坐在服务器上，等待着不存在的电力、计算和冷却。基础设施，而不是算法，将决定人工智能如何达到其潜力。人工智能的增长和基础设施的难以跟上人工智能会无限扩张的假设与现实脱节。人工智能的采用正在加速，但它正面临一个简单的限制：我们没有足够的电力、数据中心或冷却能力来支持人工智能按照行业预期的规模运行。这不是推测，这已经正在发生。人工智能工作负载与传统的云计算根本不同。计算强度高出几个数量级，需要专用硬件、高密度数据中心和冷却系统，这些系统的效率处于极限。公司和政府不仅运行一个人工智能模型，他们运行成千上万个。军事防御、金融服务、物流、制造业——每个行业都在训练和部署为其特定需求量身定制的人工智能模型。这造成了人工智能扩散，模型不是集中式的，而是分散在各个行业，每个行业都需要大量的计算和基础设施投资。与传统的企业软件不同，人工智能不仅开发成本高，运行成本也很高。保持人工智能模型在大规模上运行所需的基础设施正在呈指数级增长。每个新的部署都给已经紧张的系统增加了压力。人工智能中最被低估的技术数据中心是人工智能行业的真正骨干。每个查询、每个训练周期、每个推理都依赖于数据中心是否具有足够的电力、冷却和计算能力来处理它。数据中心一直是现代技术的关键，但人工智能将其放大了。一个大规模的人工智能部署可以消耗与中等城市一样多的电力。人工智能特定数据中心的能耗和冷却要求远远超过传统云基础设施的设计能力。公司已经遇到了限制： 数据中心的位置现在由电力供应决定。 超大规模数据中心运营商不再仅仅在互联网骨干网附近建造——他们正在去哪里可以获得稳定的能源供应的地方建造。 冷却创新变得至关重要。液体冷却、浸没式冷却和人工智能驱动的能源效率系统不再是可选项——它们是数据中心保持跟上需求的唯一方式。 人工智能基础设施的成本正在成为一个区别。 能够以成本效益方式扩大人工智能规模——而不使其能源预算暴增——的公司将主导人工智能采用的下一个阶段。 超大规模数据中心运营商如AWS、Microsoft和Google正在将数十亿美元投资于人工智能就绪基础设施——因为没有它，人工智能就无法扩大规模。未来的人工智能超级大国人工智能已经成为一个国家安全问题，政府并没有坐视不管。今天最大的人工智能投资不仅来自消费者人工智能产品——还来自国防预算、情报机构和国家规模的基础设施项目。军事应用单独就需要成千上万个私人、封闭的人工智能模型，每个模型都需要安全、隔离的计算环境。人工智能正在被用于从导弹防御到供应链物流再到威胁检测的所有事情。这些模型不会是开源、免费的系统——它们将被锁定、高度专门化，并且依赖于大量的计算能力。政府正在像历史上确保石油和稀土矿物一样确保长期的人工智能能源来源。原因很简单：大规模的人工智能需要大规模的能源和基础设施。同时，超大规模数据中心运营商正在将自己定位为人工智能的房东。像AWS、Google Cloud和Microsoft Azure这样的公司不再仅仅是云提供商——它们是决定谁可以扩大人工智能规模、谁不能的基础设施的守门人。这就是为什么训练人工智能模型的公司也在投资自己的基础设施和电力生成。OpenAI、Anthropic和Meta目前依赖于云超大规模数据中心运营商——但它们也正在转向建立自给自足的人工智能集群，以确保它们不会被第三方基础设施瓶颈化。人工智能的长期赢家不仅将是最好的模型开发者——它们将是能够负担得起建立、运行和维持人工智能所需的大规模基础设施的公司，以真正改变游戏规则。它们也正在转向建立自给自足的人工智能集群，以确保它们不会被第三方基础设施瓶颈化。人工智能的长期赢家不仅将是最好的模型开发者——它们将是能够负担得起建立、运行和维持人工智能所需的大规模基础设施的公司，以真正改变游戏规则。
