2023年是经济危机和气候风险不断升级的一年，因此需要数据驱动的洞察力来提高效率、弹性和其他关键举措2023年企业的首要任务。许多企业一直在试验高级分析和人工智能来满足这一需求。现在，他们必须将概念验证转化为投资回报。许多企业都取得了长足的进步，投入了大量的人才和合适的软件。然而，也有许多组织未能通过AI和分析项目，因为他们没有合适的基础技术来支持AI和高级分析工作负载。一些企业依赖过时的遗留硬件系统，而另一些企业则受到利用公共云带来的成本和控制问题的阻碍。大多数企业都被AI软件工具的强大功能所吸引，以至于他们未能选择合适的硬件。随着这些领域的创新步伐加快，现在是技术领导者评估成功利用人工智能和分析项目所需条件的时候了。企业需要构建正确的基础设施在对2,000多名商业领袖的调查中，研究公司IDC发现，越来越多的受访者意识到人工智能系统需要在专门构建的基础设施上运行才能提供真正的价值。事实上，许多受访者认为缺乏适当的基础设施是人工智能项目失败的主要原因。据IDC称，阻碍向以AI为中心的基础设施迁移的因素是成本和战略问题，以及现有数据环境和基础设施的复杂性。虽然行业专家一致认为部署新平台对企业来说很困难，但有一些方法可以优化AI和分析项目的价值，其中包括计算能力、内存架构以及数据处理、存储和安全性等基本考虑因素。关键是数据根据《哈佛商业评论》杂志日前发布的一份调查报告，数据可用性是企业成功部署人工智能和分析的关键绩效指标。简而言之，成功的商业领袖已经使他们公司的数据民主化——让员工可以访问这些数据，从客户和供应商那里提取数据，并与其他人共享。处理数据是核心技术和硬件的关键。以下是需要考虑的事项：访问数据：为了能够以更快的速度分析更多数据，企业需要通过高性能服务器和AI友好型芯片（无论是CPU还是GPU）进行更快的处理。现代计算基础设施旨在通过支持数据库和分析、人工智能和机器学习、高性能计算等工作负载来提高业务敏捷性和上市时间。存储数据：许多企业拥有大量数据来收集可操作的见解，但他们需要一个安全且灵活的地方来存储数据。最具创新性的非结构化数据存储解决方案非常灵活，主要是为了在不牺牲性能的情况下实现大规模可靠性。现代对象存储解决方案在全球分布式架构上提供性能、可扩展性、弹性和兼容性，以支持云原生、归档、物联网、人工智能和大数据分析等企业工作负载。保护数据：网络威胁无处不在，无论是在边缘、本地还是云端。企业数据、应用程序和关键系统必须受到保护。许多企业领导者都在寻找一种可信赖的基础架构，该基础架构可以在不影响安全性的情况下以最大的灵活性和业务敏捷性运行。他们希望采用零信任架构，将安全功能嵌入到企业范围的存储、服务器、超融合、网络和数据保护解决方案中。移动数据：随着数据生成格局的变化和数据流量模式变得更加复杂，需求的激增要求大多数企业重新评估其网络。为了让数据无缝流动，他们必须拥有合适的网络系统。然而，传统的专有网络通常缺乏可扩展性、经过验证的基于云的解决方案和自动化，而开源解决方案可能成本高昂且不灵活。开放网络通过为现代企业提供从边缘到核心再到云的软件选择、生态系统集成和自动化来应对挑战。数据访问：人工智能技术的开发和部署越来越多地发生在功能强大且高效的工作站上。这些专门构建的系统使团队能够在AI开发的所有阶段以及越来越多的部署过程中更智能、更快地开展AI和分析工作，因为它们可以在边缘进行推理。为了让员工能够访问他们需要的数据，企业需要摆脱孤立、僵化和昂贵的遗留系统，转向能够以速度、可扩展性和信心支持分析和人工智能的新解决方案。DataLakeHouse在一个地方支持商业智能、分析、实时数据应用程序、数据科学和机器学习，它为数据科学家、业务分析师和其他需要数据来推动业务价值的人提供快速和直接访问的功能。对结果分析和人工智能的关注有望从数据仓库、数据流和数据湖中获得更好的业务洞察力。但公司首先需要评估他们开发和成功部署人工智能或分析项目的能力。大多数企业需要对关键基础设施和硬件进行现代化改造，以便能够支持从边缘到数据中心再到云端的AI开发和部署。这样做的企业会发现他们的数据和应用程序是力量倍增器。在此过程中，他们将实施升级以确保数据的安全性和可访问性，以满足未来几年的IT和业务目标。
