Leo Brunnick, Cloudera首席产品官 Leo Brunnick Cloudera首席产品官

私人AI：企业智能的下一个前沿

人工智能的采用正在以前所未有的速度加速。到今年年底，全球AI用户的数量预计将增加20%，达到3.78亿，根据AltIndex的研究。虽然这种增长令人兴奋，但它也标志着企业必须重新思考AI，特别是在数据方面。在AI竞赛的早期阶段，成功往往是由谁拥有最先进或最尖端的模型来衡量的。但今天，话题正在演变。随着企业AI的成熟，很明显数据，而不是模型，是真正的区别。模型变得越来越通用，开源进步和预训练的大型语言模型（LLM）越来越多地可供所有人使用。现在，什么让领先的组织与众不同的是他们能够安全、有效、负责任地利用自己的专有数据。这就是压力开始的地方。企业面临着快速创新和保持对敏感信息的严格控制的强烈需求。在医疗保健、金融和政府等领域，数据隐私至关重要，灵活性和安全性之间的紧张关系比以往任何时候都更加明显。为了弥合这一差距，一个新的范式正在出现：私人AI。私人AI为组织提供了对这一挑战的战略性回应。它将AI带到数据所在的地方，而不是强迫数据移动到AI模型。这是一个强大的思维转变，使得能够在不暴露或重新定位敏感数据的情况下安全地运行AI工作负载。对于寻求创新和诚信的企业来说，这可能是迈出的一步。今日AI生态系统中的数据挑战尽管AI有着巨大的潜力，但许多企业仍然难以在其运营中大规模地使用AI。主要原因之一是数据碎片化。在典型的企业中，数据分散在复杂的环境网络中，例如公共云、内部系统和边缘设备。这种分散使得集中和统一数据变得非常困难。传统的AI方法通常需要将大量数据移动到集中平台进行训练、推理和分析。但是，这个过程引入了多个问题： 延迟：数据移动会产生延迟，使得实时洞察变得困难甚至不可能。 合规风险：在环境和地理位置之间转移数据可能会违反隐私法规和行业标准。 数据丢失和复制：每次转移都会增加数据损坏或丢失的风险，而维护副本会增加复杂性。 管道脆弱性：从多个分布式源集成数据通常会导致脆弱的管道，难以维护和扩展。 简单地说，昨天的数据策略不再适合今天的AI雄心。企业需要一种新的方法来适应现代分布式数据生态系统的现实。数据引力概念，即数据吸引服务和应用程序向其靠近的想法，对AI架构有着深远的影响。与其将大量数据移动到集中式AI平台，将AI带到数据所在的地方更为合理。集中化曾经被认为是数据策略的黄金标准，现在被证明是低效和限制性的。企业需要能够接受分布式数据环境现实的解决方案，实现本地处理同时保持全球一致性。私人AI完美地适应了这一转变。它补充了联邦学习的趋势，即模型在多个去中心化数据集上进行训练，以及边缘智能，即AI在数据生成点执行。与混合云策略一起，私人AI创建了可扩展、安全和适应性AI系统的基础。什么是私人AI？私人AI是一个新兴的框架，它颠覆了传统的AI范式。它不是将数据拉入集中式AI系统，而是将计算（模型、应用程序和代理）直接带到数据所在的地方。这种模型使企业能够在安全的本地环境中运行AI工作负载。不论数据位于私有云、区域数据中心还是边缘设备，AI推理和训练都可以就地进行。这最小化了暴露并最大化了控制。关键的是，私人AI可以在云、内部和混合基础设施上无缝运行。它不强迫组织采用特定的架构，而是适应现有环境，同时增强安全性和灵活性。通过确保数据永远不需要离开其原始环境，私人AI创建了一个“零暴露”模型，对于受监管的行业和敏感工作负载尤其重要。私人AI对企业的益处私人AI的战略价值超出了安全性。它解锁了广泛的益处，帮助企业更快、更安全、更有信心地扩展AI： 消除了数据移动风险：AI工作负载直接在现场或安全环境中运行，因此不需要复制或转移敏感信息，从而显著降低了攻击面。 实现实时洞察：通过保持与实时数据源的接近，私人AI允许低延迟的推理和决策，这对于诸如欺诈检测、预测性维护和个性化体验等应用程序至关重要。 增强合规性和治理：私人AI确保组织可以在不牺牲性能的情况下遵守监管要求。它支持对数据访问和处理的细粒度控制。 支持零信任安全模型：通过减少参与数据处理的系统和接触点的数量，私人AI加强了零信任架构，这些架构越来越受安全团队的青睐。 加速AI采用：减少数据移动和合规问题的摩擦，使AI计划能够更快地推进，推动大规模创新。 私人AI在现实世界中的应用私人AI的承诺并非理论上的；它已经在各个行业中得到体现： 医疗保健：医院和研究机构正在构建完全在本地环境中运行的AI驱动的诊断和临床支持工具。这确保患者数据保持私密和合规，同时仍然能够从尖端分析中受益。 金融服务：银行和保险公司正在使用AI实时检测欺诈和评估风险，而无需将敏感交易数据发送到外部系统。这使他们能够遵守严格的金融法规。 零售：零售商正在部署能够在不将个人数据暴露于外部系统的情况下提供基于客户偏好个性化推荐的AI代理。 全球企业：跨国公司正在在各国边界内运行AI工作负载，同时通过在原地处理数据而不是将其重新定位到集中服务器上，遵守区域数据本地化法规。 展望：为什么私人AI现在很重要AI正在进入一个新的时代，在这个时代，性能不再是成功的唯一衡量标准。信任、透明度和控制变得不可协商。监管机构正在越来越多地审查AI系统中数据的使用方式。公众舆论也正在转变。消费者和公民希望组织能够负责任地处理数据。对于企业来说，风险很高。未能现代化基础设施并采用负责任的AI实践不仅会落后于竞争对手，还可能导致声誉受损、监管处罚和失去信任。私人AI提供了一条未来的道路。它将技术能力与道德责任相结合。它使组织能够在安全、合规和值得信赖的框架内构建强大的AI应用程序，同时尊重数据主权和隐私。也许最重要的是，它使创新能够在安全、合规和值得信赖的框架内蓬勃发展。这种新技术浪潮不仅仅是一种解决方案；它是一种优先考虑信任、诚信和安全的思维转变，在AI生命周期的每个阶段。对于希望在智能无处不在但信任至关重要的世界中领先的企业来说，私人AI是关键。通过现在采用这种方法，组织可以解锁其数据的全部价值，加速创新，并自信地应对AI驱动的未来的复杂性。