数据基础设施（而非 AI 模型）将在 2025 年推动 IT 支出
快速阅读: 据《新堆栈》最新报道，随着AI计划的推进，组织面临数据基础设施成本急剧上升的挑战。传统架构难以支撑大规模数据处理，导致成本激增。成功的关键在于重新设计数据架构，采用无领导者架构结合对象存储，以及优化云资源使用，从而降低成本并提高效率。这将是2025年推动IT支出的关键因素。
人工智能（AI）/AI运营/基础设施即代码数据基础设施而非AI模型将成为2025年推动IT支出的关键。成功的关键不在于投入更多资源，而在于从根本上重新思考我们如何构建适合AI时代的数据基础设施。2025年2月13日10:00，作者：郭思捷。照片由Logan Voss在Unsplash上拍摄。
随着组织竞相实施人工智能（AI）计划，他们遇到了一个意想不到的瓶颈：支持AI应用所需的数据基础设施的巨大成本。虽然高德纳预计2025年IT支出将增长9.8%，但真正的故事并不是关于模型或计算资源——而是关于数据基础设施成本的指数级增长，这可能使AI计划在经济上不可持续。
财务挑战的规模有多大
传统的数据架构并不适用于处理AI应用所需的大量和高速数据。在流媒体场景中，网络成本本身可以占到总基础设施支出的80%。当组织必须在不同区域之间移动数据以进行处理或训练时，这个问题变得更加突出。考虑一个典型的企业AI计划：公司通常从针对特定业务挑战的小型试点项目开始，例如实施AI用于欺诈检测或预测规划。这些项目在成本方面最初看起来是可以控制的。然而，随着数据量的增长和应用场景的扩展，基础设施成本呈指数级而非线性增长。对于自动驾驶或制造传感器这类关键任务应用尤其如此，实时数据处理是必不可少的，停机时间是不可接受的。
成本挑战主要源自三个方面：首先，传统架构通常需要在不同系统中复制相同的数据——一份用于流式处理，另一份用于批处理，还有一份用于AI训练。其次，在云环境中跨区域移动数据会产生显著的网络成本。第三，为实时处理和批处理维护单独的基础设施会带来运营开销和低效率。这种数据和基础设施的增多导致了“AI数据税”——当AI计划超出试点项目进行扩展时出现的隐藏成本。对许多组织而言，这些成本可能会超过AI模型和计算资源本身的费用。
重新思考数据架构
我看到组织通过创新的架构方法应对这些挑战。一个有前景的方向是采用无领导者的架构结合对象存储。这种方法利用原生云存储解决方案减少了昂贵的数据迁移需求。另一个关键策略涉及重新思考数据的组织和访问方式。与其为流式处理和批处理维护单独的基础设施，公司正转向能够高效处理这两种工作负载的统一平台。这降低了基础设施成本并简化了数据治理和访问模式。
我看到组织通过创新的架构方法应对这些挑战。一个有前景的方向是采用无领导者的架构结合对象存储。这种方法利用原生云存储解决方案减少了昂贵的数据迁移需求。云提供商的定价模型显著影响了AI基础设施的经济学。尽管云服务提供了灵活性和可扩展性，但其网络出口费和数据传输成本可能会迅速变得难以承受。组织必须仔细设计解决方案以最小化区域和区域之间的数据移动。
成本效益的动态
随着我们进入2025年，成功的AI计划将更少依赖于选择正确的模型，更多依赖于构建成本效益的数据基础设施。组织应关注：实施减少数据重复和移动的架构；利用对象存储和无头设计降低基础设施成本；统一流式处理和批处理以简化操作；优化云资源使用以控制网络成本。
虽然高德纳预测的IT支出增长反映了AI日益重要的地位，但未能解决这些基础设施挑战的组织可能会因为无法承受的成本而使AI计划停滞。成功的关键不在于投入更多资源，而在于从根本上重新思考我们如何构建适合AI时代的数据基础设施。下一轮AI创新不仅来自于更好的模型——它还将来自更有效存储、移动和处理大量数据的方式，这些数据使AI成为可能。解决了这一基础设施挑战的组织将最有可能成功扩展其AI计划。虽然高德纳预测的IT支出增长反映了AI日益重要的地位，但未能解决这些基础设施挑战的组织可能会因为无法承受的成本而使AI计划停滞。成功的关键不在于投入更多资源，而在于从根本上重新思考我们如何构建适合AI时代的数据基础设施。
热门故事
YOUTUBE.COM/THENEWSTACK技术发展迅速，不要错过任何一期。订阅我们的YouTube频道以播放所有播客、访谈、演示等。
订阅
郭思捷是Streamnative的创始人兼首席执行官。郭思捷与Apache Pulsar的旅程始于雅虎，在那里他是致力于为公司开发全球消息传递平台的团队成员之一。随后他去了Twitter……了解更多关于郭思捷的文章
分享这个故事
热门故事
分享这个故事
(以上内容均由Ai生成)
