2025 年 AI 爆发继续：本年组织应预期的内容

随着 AI 预计将在 2025 年继续其爆发式增长，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。为了帮助当今的组织和专业人士在 2025 年从 AI 中获得最大的价值，我分享了我的想法和预期的 AI 趋势。

组织必须战略性地规划 AI 成本

世界仍然对 AI 的潜力感到兴奋。然而，AI 创新的成本是组织必须规划的指标。例如，AI 需要 GPU，但是许多 CSP 有更大的 N-1、N-2 或更旧的 GPU 部署，这些并不是专门为 AI 工作负载设计的。另外，云 GPU 在规模上可能很昂贵，开发人员可以轻松打开它们，因为项目的增长/扩展（更多的费用）；此外，购买 GPU（如果能够获得的话）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，针对需求的 AI 工作负载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，企业客户必须调整他们的 AI 成本并重新同步 AI 开发预算。由于有这么多独立的部门现在正在采取主动并建立自己的 AI 工具，公司可能会无意中每月在基于云的 GPU 和 AI 计算实例上花费数千美元，这些费用会迅速增加（尤其是如果用户将这些实例保持运行状态）。

开源模型将促进多个 AI 用例的民主化

在 2025 年，将会有巨大的压力要求组织证明 AI 项目和相关预算的 ROI。利用流行的 ISV 提供的低代码或 无代码工具 来构建 AI 应用程序，公司将继续寻找开源模型，这些模型可以更容易地进行微调，而不是从头开始训练和构建。更高效地微调开源模型可以更好地利用现有的 AI 资源（人员、预算和/或计算能力），这也可以解释为什么目前在 Hugging Face 上有超过 900K+（且不断增长）的模型可供下载。然而，当企业开始使用 开源模型 时，确保整个组织中开源软件、框架、库和工具的使用得到安全和监管将至关重要。Lenovo 近期与 Anaconda 的合作是一个很好的例子，其中 Intel 驱动的 Lenovo Workstation 产品组合和 Anaconda Navigator 有助于简化数据科学工作流程。

AI 合规性成为标准做法

AI 政策的转变将使 AI 计算更接近公司数据源，并且更侧重于本地部署（尤其是在 AI 开发项目或工作流的各个阶段）。随着 AI 日益成为许多企业的核心，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 AI 合规和负责是一个真正的目标，因此在我们进入 2025 年时，它将成为一种标准做法，并成为企业 AI 项目的基本构建块。Lenovo 有一个 负责 AI 委员会，由一组多样化的员工组成，确保解决方案和产品满足安全、道德、隐私和透明度标准。该委员会根据风险审查 AI 的使用和实施，应用安全策略以保持一致的风险态度和监管合规性。委员会的包容性方法解决了所有 AI 维度，确保全面合规和整体风险降低。

工作站作为高效的 AI 工具出现

使用工作站作为更强大的边缘和部门级 AI 设备的趋势已经开始。例如，Lenovo 的 Workstation 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最高保真度视觉内容所需的资源之间的差距。由于其小型化的设计、低噪音、标准的电源要求和使用客户端操作系统，它们可以轻松部署为 AI 推理解决方案，而传统服务器可能不太适合。另一个用例是在标准行业工作流中，AI 增强的数据分析可以带来真正的商业价值，并且非常贴近尝试带来改变的 C 级高管的期望。其他用例是个人为自己的使用而创建的小型域特定 AI 工具。这些效率节省工具可以成为 AI 超级力量，包括从 MS Copilot 到 Private Chatbots 和个人 AI 助手等一切。

最大化 2025 年 AI 的潜力

AI 是我们这个时代最快-growing 的技术演变之一，作为一种变革性技术，它将为所有行业带来效率的提升 – 实现更快、更有价值的业务成果。

AI，包括机器学习和深度学习以及带有 LLM 的生成 AI，需要巨大的计算能力来构建和维护无缝的客户 AI 体验所需的智能。因此，组织应该确保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 AI 专业人员和数据科学家的工作流程。