2025 年人工智能爆发继续：组织应该期待什么

随着人工智能预计在 2025 年继续爆发，这种不断演变的技术为全球的组织带来了前所未有的机会和复杂的挑战。为了帮助今天的组织和专业人士从 2025 年的人工智能中获得最大价值，我分享了我的想法和预期的人工智能趋势。

组织必须战略性地规划人工智能的成本

世界仍然对人工智能的潜力感到兴奋。然而，人工智能创新成本是一个组织必须规划的指标。例如，人工智能需要 GPU，但是许多云服务提供商有更大的 N-1、N-2 或更旧的 GPU 部署，这些 GPU 并不是专门为人工智能工作负载设计的。此外，云 GPU 可以在规模上变得昂贵，并且可以轻松地为开发人员打开（更多费用）；另外，购买 GPU（如果能够采购由于稀缺）用于本地使用也可能是一个非常昂贵的提议，单个芯片的成本可能高达数万美元。因此，针对人工智能工作负载设计的服务器系统变得昂贵或超出了许多具有固定部门运营费用（OpEx）预算的组织的承受能力。在 2025 年，企业客户必须重新评估他们的人工智能成本，并重新同步人工智能开发预算。由于许多独立的部门现在正在采取主动并建立自己的人工智能工具，公司可能会无意中每月花费数千美元用于基于云的 GPU 和人工智能计算实例，这些费用会迅速增加（尤其是如果用户让这些实例继续运行）。

开源模型将促进多个人工智能用例的民主化

在 2025 年，将会有巨大的压力要求组织证明人工智能项目和相关预算的投资回报率。使用流行的 ISV 提供的低代码或 无代码工具 来构建人工智能应用程序，公司将继续寻找开源模型，这些模型可以更高效地进行微调，而不是从头开始训练和构建。微调开源模型可以更有效地利用现有的人工智能资源（人员、预算和/或计算能力），这有助于解释为什么目前在 Hugging Face 上有超过 900K+（且不断增长）的模型可供下载。然而，当企业采用 开源模型 时，确保整个组织中开源软件、框架、库和工具的安全和合规将至关重要。联想最近与 Anaconda 的协议是一个很好的例子，其中英特尔驱动的联想工作站产品组合和 Anaconda Navigator 有助于简化数据科学工作流程。

人工智能合规成为标准做法

人工智能政策的转变将使计算向公司数据源靠近，更多地在本地进行（尤其是在人工智能开发项目或工作流的各个阶段）。随着人工智能越来越接近许多业务的核心，它将从一个独立的并行或特殊工作流转变为与许多核心业务功能保持一致。确保人工智能的合规性和责任是一个真正的目标，因此在 2025 年，它将成为一种标准做法，并成为企业人工智能项目的基本构建块之一。联想有一个 负责人工智能委员会，由一组多元化的员工组成，确保解决方案和产品符合安全、道德、隐私和透明度标准。该小组根据风险审查人工智能的使用和实施，并应用安全政策以保持一致的风险态度和法规合规。该小组的包容性方法解决了所有人工智能维度，确保了全面合规和整体风险降低。

工作站成为办公室内外高效的人工智能工具

使用工作站作为更强大的边缘和部门级人工智能设备的趋势已经开始。例如，联想的工作站产品组合由 AMD 驱动，帮助媒体和娱乐专业人员弥合了期望和交付高保真视觉内容所需的资源之间的差距。由于它们的紧凑尺寸、低噪音、标准电源要求和使用客户端操作系统，它们可以轻松地作为人工智能推理解决方案部署在传统服务器可能不适合的地方。另一个用例是在标准行业工作流中，人工智能增强的数据分析可以带来真正的业务价值，并且对尝试产生影响的 C 级高管来说是非常重要的。其他用例是个人为自己的使用而创建的小型特定领域人工智能工具。这些效率节省工具可以成为人工智能超级力量，包括从 MS Copilot、Private Chatbots 到个人人工智能助手的所有内容。

在 2025 年最大化人工智能的潜力

人工智能是我们这个时代最快-growing 的技术演变之一，作为变革性技术，它将为所有行业提高效率——实现更快、更有价值的业务成果。

人工智能，包括机器学习和深度学习以及带有 LLM 的生成式人工智能，需要巨大的计算能力来构建和维护实现无缝客户人工智能体验所需的智能。因此，组织应该确保他们利用高性能和安全的桌面和移动计算解决方案来革新和增强人工智能专业人员和数据科学家的工作流程。