2023年11月24日,中国——专为多云环境提供先进数据存储技术及服务的全球 IT 先锋Pure Storage® (NYSE: PSTG) 近日与Wakefield Research联袂发布了最新调查报告,报告指出各行业企业在部署人工智能时所面临的阻碍,揭示了人工智能这项先进技术背后常被忽视的能源需求。
《变革驱动力:直面人工智能部署所致的能源和数据挑战》调查报告新鲜出炉,揭示了重新评估数据基础设施的重要性,以便企业真正从人工智能中获益,控制能源成本,实现企业的环保目标。
报告亮点:
来自美国和欧洲500+员工规模企业的500名IT买家为本次调查对象,经调查发现:
行业意义:
各行各业都在加快应用人工智能,但大多数企业缺乏必要的基础设施来满足高性能数据需求和能源需求,难以充分发挥人工智能的优势。这一局限性阻碍了人工智能的成功实施,无法有效支持企业的关键举措,包括旨在实现环保目标的举措。几乎所有的IT买家都认为要想减少碳足迹,需要克服重重压力。事实上,大多数企业都认为,如果不妥善构建IT基础设施,支持应用人工智能,就不可能实现IT目标。
企业对更智能基础设施的需求从未像现在这样迫切。旧系统通常无法支持大量人工智能数据工作流,充分释放机器学习的潜力也就无从谈起。随着人工智能以越来越快的步伐入驻企业,IT团队需要高效、可靠和高性能的基础设施确保有效部署。
高管洞察:
Pure Storage首席技术官Rob Lee 表示:“引导人工智能落到实处的关键在于为变化作规划,确保灵活性。人工智能时代对能源和数据的需求呈指数级增长,投资合适的人工智能就绪型数据基础设施不仅可以确保有效部署和提高能效,还能够显著推动人工智能项目实现最大价值。这份新鲜出炉的报告见解独到,既指出了不进行规划的后果,也指出了有备而来的企业在人工智能的影响波及基础设施时能获得怎样的益处。”
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。