AI 热潮已经进入了决定性的中期：企业需要知道什么

初中时期从来都不是任何人的黄金时期 —— 但我们都必须度过它，包括所有的成长痛苦，才能达到更好、更成熟的自己。

当前的 AI 热潮正在进入自己的动荡青春期，这是专家所说的 混乱的中期 ，介于采用和成熟之间。最初的热潮已经消退，现在，组织正在专注于使 AI真正变得可操作。但 AI 正在成长的同时，也面临着挑战。预测都指向不同的方向，企业和消费者都持怀疑态度，关于扩大的 AI 泡沫 的讨论使企业领导者们处于紧张状态，等待着可怕的“崩溃”。

在这个决定性的时刻，组织必须区分信号和噪音 —— 无论他们是将努力从实验转向实际应用，还是将实际应用扩展到运营的无处不在。 这需要专注于他们可以控制的有形因素，例如他们的基础设施和数据准备；测量结果；并为规模化打造基础。

基础设施优先的方法

真正的 AI 准备需要适当的基础设施来支持 AI 工作负载的可持续部署。自然，AI 驱动了对云服务的需求：云支出预计将 增加 40% ，基础设施成为预算中最昂贵的项目，新的数据中心正在每个大陆涌现，以满足对 AI 计算的日益增长的需求。在这个 AI 转折点，基础设施选择是生死攸关的。基础设施定义了什么是安全的，什么是可能的，什么实际上会造福企业，而不是耗尽资源。

可持续的基础设施不仅仅由成本和总计算能力定义。当组织决定如何和在哪里托管他们的 AI 工作负载时，他们必须考虑资源效率、安全性、可见性和整体性价比等问题。AI 基础设施不能是一次性的投资，而是一个需要与每个项目的需求一起演进的过程。

这与历史上的云支出方法有着鲜明的不同。在当前的 AI 热潮之前，组织经常依赖单一的云服务提供商 —— 通常是一个超级云提供商 —— 来托管他们的基于云的运营。现在，AI 工作负载的复杂性和多样性正在挑战这种模式，尤其是当企业转向更实用的用例时，替代云也出现了以满足需求。

现代 AI 计算能力需要大量的计算能力，大型云提供商能够提供。问题出现在所有这些能力变得过多时。超级云提供商的合同可能成本高昂，包含不必要的附加功能，并可能无法为高度敏感的项目提供必要的数据安全和驻留。

与其将云运营绑定到单一供应商，企业可以利用日益增长的替代方案来组成自己的云栈，跨不同的提供商、GPU 类型和公有云/私有云设置，基于他们的具体需求。这意味着他们不必为不需要的功能付费，同时也可以根据需要定制自己的云。

以基础设施优先的方式实现 AI 成熟度，是关于为规模化创建一个稳定的基础，这个基础最大限度地提高效率和实用性，而不牺牲能力。

从实验到应用

过去几年中，全球各地的企业都在尝试如何将 AI融入他们的运营中。由好奇心和不少宣传驱动，他们推动了创新边界，解锁了新的效率可能性，并提升了无数开源工具和模型的潜力。他们也直面了现实，学到了“快速行动，打破常规”的哲学并不总是正确的，尤其是对于像 AI 这样的强大技术。

现在，当企业从实验阶段走出来时，失败不是一个选择。准确性至关重要。性能不能延迟。如果企业要用 AI 框架重建核心业务功能，他们必须专注于从创造性实验到倍增器的“枯燥”部分，包括：

• 数据安全和隐私： 许多 AI 模型使用敏感的个人和商业数据来有效运作。组织需要确保他们的数据被安全托管，没有未经授权的复制或“黑暗 AI”泄露的风险。
• 模型生命周期管理： 模型必须准确、最新，并定期重新训练，以支持关键的业务功能。
• 性能一致性： 无论是部署模型用于内部使用还是客户面向的运营，确保一致的性能对于效率和易用性至关重要。许多常见的性能问题，例如与延迟和停机相关的问题，在基础设施层面上就可以解决。

目前，只有 37% 的组织 每月、每周或每天部署新的生成模型。随着更多组织进入应用阶段，这个百分比将会大幅增加，创造出对计算能力更大的需求 —— 但也需要针对特定模型的基础设施。一个“轻量级”的模型不需要超级云提供商级别的基础设施，但如果它使用敏感信息，它可能需要这种程度的安全性。这就是自定义云的用处所在 —— 也就是为什么基础设施应该是企业 AI 转型中的首要考虑因素。

从应用到规模

对于更成熟的企业，AI 的实际应用已经成为他们日常运营的一部分。现在，他们正努力将这些应用扩展到创造更大的价值并完全演变他们的企业。

压力很大，优势也很明显： 81% 的组织 在 AI 成熟度最高的水平上，报告称过去一年取得了更好的财务结果。这是 AI 应用程序经过最大压力测试的阶段。它们可能通过了封闭环境的检测，但它们能否处理更多的数据？能否在新区域运行？也许最重要的问题是：它们能否驱动有意义的结果？

规模化不仅仅是变得更大，在某些情况下，少即是多。处于这一阶段的企业应该考虑是否可以使用更小的特定语言模型（SLM）而不是多功能的大型语言模型（LLM）来实现更好的性能。AI 计划只有与真正的商业问题相关并能驱动可衡量的成果时，才是最成功的。

在 AI 代理的应用和规模化中也存在类似的模式 —— 自主 AI 的下一个前沿。执行特定任务的代理，受高度集中的、持续维护的数据集的启发，才是真正对企业产生影响的代理。话虽如此，专用代理仍然需要大量的计算能力，尽管不如全能的协同代理那么多。从一开始就优先考虑基础设施，将使组织能够从代理 AI 计划中提取真正的投资回报率，而不会耗尽他们的云预算。

具有影响力的创新

AI “竞赛”不像是一场竞赛，而是一场改造：如果我们正在重建企业，我们希望在坚实的基础上进行 —— 否则，墙壁最终会崩溃。企业必须花时间仔细考虑基础设施，确保数据安全，密切管理模型生命周期，监测性能，收集见解并进行调整。耐心和坚持是创建真正有效、安全、性能一致的解决方案的关键。

AI 热潮的新鲜感可能正在消退，但企业可以通过专注于最重要的事情 —— 结果 —— 来度过 AI 的动荡中期。