推动AI领导者的基础设施策略

AI采用正开始转化为实际回报，但随着加速，许多组织遇到了相同的问题：系统过于昂贵、缓慢且无法扩展。

根据经济学家企业最近对1200多名技术领导者的调查，在数据环境分散的公司中，67%将数据存储、移动和复制列为最大的AI重复成本。而对于拥有统一数据架构的公司，这一比例降至略高于一半。

现在是构建面向未来的AI基础的时候了。但数据库迁移成本高昂且令人沮丧。组织越深陷于传统架构，就越难脱身。开放且AI就绪的数据库能提供更多灵活性和对数据使用的控制，并赋能开发者快速、安全、高效地围绕AI重新定位业务。

“艺术在于在不引起混乱的情况下分配速度，”Natura公司技术与首席数字官Jose Manuel Silva在报告中表示。

本博客将探讨企业基础设施的三个考虑因素，这些因素有助于加速AI创新、最小化成本并交付实际工作的AI代理。

考虑因素一：以代理速度交付基础设施

对于60%的公司，AI工作负载进入生产需要长达12个月。开发者希望以AI的速度前进，但底层基础设施仍停留在模拟时代。当代码在几秒内生成时，数据库不能花费数分钟来配置。随着AI代理自动执行工作流程，它们需要能够即时创建临时实验环境，与更大的IT环境隔离。快速创新、安全回滚和即时恢复的结合，将推动组织在远短于12个月的周期内实现期望的成果。

考虑因素二：简化数据

AI引擎以许多企业无法支持的速度和容量摄入数据。事务数据库和其他终端源中存储的丰富信息承载着关键上下文，AI系统需要这些来提供可操作的情报并自动化流程而不中断。通常，这些信息被隔离在专有环境中。移动它们需要构建新的管道和ETL工作负载，增加了复杂性和成本。AI就绪的数据库可以统一操作和分析数据。开发者所需的所有数据始终可用，与计算层分离存储在低成本的云存储中。

“如果你能在数据上注入AI并且它有效，意味着你的数据真正准备好了，遵循FAIR框架——可发现、可访问、可互操作、可重用，”Mondelēz International高级副总裁兼全球首席数据官Maria Macuare表示。

考虑因素三：采用为AI规模构建的基础设施

传统数据架构给企业增长带来了严重的结构性惩罚。由于传统基础设施扩展僵化，领导层被迫陷入双输的妥协：为闲置容量超额支付以度过峰值需求，或供应不足而面临业务高峰时的无响应。这种操作摩擦将优秀工程人才锁定在常规维护中，消耗了本应用于竞争速度和战略创新的资源。

通过专为AI构建的数据库，数据存在于可靠、弹性且经济高效的数据湖中。计算独立运行，将成本与增长解耦，使公司实现更大的操作灵活性。开发者可以更自由地进行实验，而不会耗尽预算。系统可以在几秒内从高并发扩展到零，以优化支出。成本与使用保持一致，支持不可预测的工作负载和快速的AI代理活动。借助即时恢复等功能，开发者可以快速行动而不破坏系统。

阅读经济学家企业的完整报告，了解推动领导者领先AI竞赛的策略。