據一項研究發現，投資現代數據對于成功擴展人工智能至關重要，但一半的企業面臨成本障礙。從長遠來看，現在可以投資于數據管理的企業將成為人工智能的領導者。

69%的受訪者至少有一個正在投入生產的人工智能項目，其中28%的項目已經達到企業規模。雖然尋求創造新價值主張的企業和研究組織正在加速采用人工智能，但該研究表明，數據基礎設施和人工智能可持續性挑戰，為大規模成功實施人工智能帶來了障礙。該報告強調，由于整個2023年，生成式人工智能在企業內部的發展非常迅速，這些挑戰將如何增加。

數據管理會成為人工智能革命的最大挑戰嗎?

人工智能的采用持續增加，但企業規模仍然是一個挑戰。WEKA與標準普爾聯合對1500名全球人工智能決策者進行了調查，并公布了這些結果。它確定了企業在其人工智能旅程中遇到的機遇和障礙，以及全球各行業采用人工智能的獨特動力。它還提供了有關企業未來需要采取哪些步驟才能成功使用人工智能的見解。

32%的受訪者將數據管理視為AI/ML部署的技術障礙。此外，安全性(26%)和計算性能(20%)的挑戰壓倒一切，證明許多企業當前的數據架構不適合支持人工智能革命。

77%的受訪者認為，傳統架構和數據基礎設施會影響他們的可持續發展績效，74%的受訪者表示，可持續發展是將更多工作負載轉移到公共云的重要或關鍵動力。

68%的受訪者還表示，他們擔心人工智能/機器學習對其企業的能源使用和碳足跡的影響。

隨著人工智能計劃的進一步發展，需要采用混合方法和多個部署位置來支持工作負載需求。傳統數據基礎設施對其高效、可持續地大規模使用人工智能的能力，產生了直接的負面影響，因為它們在開發時沒有考慮到，現代性能密集型工作負載或混合云和邊緣模式。

正如我們不會期望使用20世紀90年代開發的電池技術，來為特斯拉等最先進的電動汽車提供動力一樣，我們也不能指望為上世紀的數據挑戰而設計的數據管理方法，能支持生成式人工智能等下一代應用。

構建現代數據堆棧旨在支持從邊緣到核心，再到云無縫跨越的人工智能工作負載需求的企業，將成為未來的領導者和顛覆者。