生成式人工智能的快速演变：企业面临的挑战与应对策略
在短短几个月内，生成式人工智能领域发生了剧变。根据Menlo Ventures 2024年1月的市场图谱，AI产业呈现出四层等级的清晰框架，而Sapphire Ventures在2024年5月末的数据显示，已有超过200家公司在多个类别中竞争。这一快速扩张突出显示了创新的速度以及IT决策者面临的日益增长的挑战。
IT领导者正在应对一个复杂的环境，技术问题与战略考量交织在一起。数据隐私问题至关重要，同时新AI法规的风险也在增加。人才短缺进一步加剧了这一局面，迫使组织在内部开发与外包专家之间做出选择。同时，对创新与成本管理的迫切需求并存。
向端到端解决方案的转变
面对生成式人工智能的复杂性，许多企业正在寻找全面的端到端解决方案，以简化AI基础设施并优化运营。例如，Intuit面临着一个关键决策：是利用其丰富的开发者资源创造基于现有能力的AI体验，还是追求更具雄心的目标。他们选择了后者，研发了GenOS，一个整体的生成式AI操作系统。
Intuit的首席数据官Ashok Srivastava强调了速度和一致性的重要性：“我们正在构建一个抽象平台复杂性的层，使特定生成式AI体验的开发更加迅速。”这种方法与产生“高复杂性、低速度和技术债务”的分散式方法形成鲜明对比。
同样，Databricks在模型服务方面拓展了其AI部署能力，新的功能使数据科学家能在较少的工程支持下部署模型，从而简化了开发到生产的过渡。著作《Marvelous MLOps》的作者Maria Vechtomova指出，业内需要简化：“机器学习团队应该旨在减少架构复杂性和工具使用。”Databricks的平台支持多样的服务架构，满足电子商务和欺诈检测等多种使用场景。
Databricks的AI/ML高级产品总监Craig Wiley表示，目标是创建“一个真正完整的端到端数据和AI堆栈”，反映出行业向全面解决方案的广泛趋势。然而，并非所有人都认同单一供应商方法的优点。Red Hat的Steven Huels主张采用能够与现有系统集成的互补解决方案，这表明生成式AI领域正在逐渐成熟。
优先考虑数据质量与治理
随着生成式人工智能应用的增加，数据质量与治理的重要性不断增强。AI模型的表现高度依赖于训练数据的质量，因而需要强有力的数据管理实践。确保数据使用的伦理性与安全性的治理变得愈加不可或缺。Huels预测，随着AI在关键商业决策中影响力的扩大，治理将成为重要关注点。
Databricks在其平台中嵌入了治理功能，从数据采集到AI提示与响应，创建了持续的数据血统与治理体系。
语义层与数据织物的兴起
随着高质量数据日益重要，语义层与数据织物作为先进数据基础架构的基础要素正获得青睐。Illumex开发了一种“语义数据织物”，能够动态增强数据交互，提升AI的能力。
Intuit的以产品为导向的数据管理方法体现了这一趋势，将数据视为必须达到高质量和性能标准的产品。采用语义层和数据织物标志着数据基础设施的关键演变，加强了AI系统理解和利用企业数据的能力。然而，实施这些技术需要在专业知识和技术上进行重大投资。
在整合市场中拥抱专业解决方案
当前AI市场呈现出一种矛盾：端到端平台逐渐崛起，但旨在解决特定AI挑战的专业解决方案也在不断增长。例如，Illumex专注于创造生成式语义织物，搭建数据与商业逻辑之间的桥梁。
这些专业解决方案往往补充更广泛的平台，填补市场的空白并增强能力。在不断整合的市场中，专业产品的出现突显了针对特定AI挑战的持续创新。
在开源与专有解决方案之间导航
生成式AI领域展现了开源与专有解决方案之间日益增长的相互作用。组织必须仔细评估各自的优劣。Red Hat凭借其企业Linux（RHEL）AI产品进入生成式AI领域，旨在在遵循开源原则的同时实现对大语言模型的民主化访问。
然而，实施开源解决方案通常需要大量的内部专业知识，这可能对面临人才短缺的组织构成挑战。虽然专有解决方案通常提供更为集成的体验，但它们更强调一个连贯的生态系统。Wiley指出，Databricks在客户的AI模型集成方面进行了有效治理。
在开源与专有解决方案之间的平衡将取决于组织的独特需求、资源和风险承受能力。随着AI领域的演变，有效管理这一平衡可能成为竞争优势。
将生成式AI整合入现有系统
采用生成式AI的组织面临的一大挑战是将其与现有系统和流程整合，这对最大化商业价值至关重要。成功的整合依赖于强大的数据和处理能力。“你有实时系统吗？你有流处理能力吗？有批处理能力吗？”Srivastava问道。
组织还需要将AI项目与各种数据源相连接。Illumex关注这一整合挑战，使企业能够在无需大量重组的情况下利用现有数据。此外，如何使AI与现有业务流程和安全框架相协调也需要加以考虑。Intuit的GenOS系统展示了如何统一企业各项功能的解决方案。
生成计算的未来
快速演变的生成式AI领域，涵盖了端到端解决方案、专业工具和增强的治理，标志着企业技术的变革时刻。著名AI研究员Andrej Karpathy设想，未来可能由单一神经网络取代传统软件，形成“100%完全软件2.0计算机”。这一概念挑战了我们对软件的现有理解，因为它暗示着一个统一的AI系统能够介导整个计算体验。
尽管这些想法看似遥不可及，但它们展示了生成式AI不仅能够改造单个应用程序，还能重新定义计算的基本特性。今天组织在AI基础设施上的选择将塑造未来的创新。随着这一领域的持续演变，灵活性、可扩展性和适应性将是取得成功的关键。
排行榜
