2023年是經濟危機和氣候風險不斷升級的一年，因此需要數據驅動的見解來推動效率、彈性和其他關鍵舉措，這將是企業在2023年的首要任務。許多企業一直在嘗試采用先進的分析技術和人工智能來滿足這一需求。現在，他們必須把對概念的驗證轉化為投資回報。

很多企業正在取得巨大進步，投入了大量人才和合適的軟件。然而，也有許多企業的人工智能和分析項目遭遇失敗，因為他們沒有采用正確的基礎技術來支持人工智能和高級分析工作負載。有些企業依賴于過時的傳統硬件系統，有些企業則受到利用公有云帶來的成本和控制問題的阻礙。大多數企業都被人工智能軟件工具的強大功能所吸引，以至于沒有選擇正確的硬件。

隨著這些領域的創新步伐加快，現在是技術領導者評估成功利用人工智能和分析項目所需的一切的時候了。

企業需要構建適合的基礎設施

調研機構IDC公司在對2000多名商業領袖的調查時發現，越來越多的受訪者意識到，人工智能系統需要運行在專門構建的基礎設施上才能提供真正的價值。事實上，很多受訪者認為缺乏適當的基礎設施是人工智能項目失敗的主要原因。IDC公司指出，阻礙向以人工智能為中心的基礎設施轉移的因素是對成本和戰略的擔憂，以及現有數據環境和基礎設施過于復雜。

盡管行業專家一致認為企業部署新平臺很困難，但還是有一些方法可以優化人工智能和分析項目的價值，其基本考慮因素包括計算能力、內存架構以及數據處理、存儲和安全性。

關鍵是數據

根據《哈佛商業評論》雜志日前發布的一份調查報告，對于成功部署人工智能和分析的企業來說，數據可用性是一個關鍵的績效指標。簡而言之，成功的企業領導者已經將其公司的數據民主化——讓員工可以訪問，從客戶和供應商那里獲取數據，并與他人共享。處理數據是核心技術和硬件的關鍵所在。以下是需要考慮的問題：

獲取數據：為了能夠以更快的速度分析更多數據，企業需要通過高性能服務器和適合人工智能的芯片(無論是CPU還是GPU)進行更快的處理。現代計算基礎設施旨在通過支持數據庫和分析、人工智能和機器學習、高性能計算等工作負載來提高業務靈活性和上市時間。

存儲數據：許多企業都有大量的數據來收集可操作的見解，但他們需要一個安全靈活的地方來存儲數據。最創新的非結構化數據存儲解決方案是靈活的，主要為了在不犧牲性能的情況下實現擴大規模的可靠性。現代對象存儲解決方案在全球分布式架構上提供性能、可擴展性、彈性和兼容性，以支持云原生、歸檔、物聯網、人工智能和大數據分析等企業工作負載。

保護數據: 網絡威脅無處不在，無論是邊緣計算、內部部署還是云平臺。企業的數據、應用程序和關鍵系統必須受到保護。許多企業領導者都在尋求一種可信賴的基礎設施，該基礎設施可以在不影響安全性的情況下以最大的靈活性和業務敏捷性運行。他們希望采用零信任架構，在企業范圍內的存儲、服務器、超融合、網絡和數據保護解決方案中嵌入安全功能。

移動數據：隨著數據生成的格局發生變化，數據流量模式變得更加復雜，激增的需求要求大多數企業重新評估網絡。為了讓數據無縫傳輸，他們必須擁有正確的網絡系統。然而，傳統的專有網絡通常缺乏可擴展性、經過驗證的基于云的解決方案和自動化，而開源解決方案可能成本高昂且不靈活。開放網絡通過為現代企業提供從邊緣到核心再到云平臺的軟件選擇、生態系統集成和自動化來應對挑戰。

訪問數據：人工智能技術的開發和部署越來越多地發生在功能強大而高效的工作站上。這些專門構建的系統使團隊能夠在人工智能開發的所有階段更智能、更快地進行人工智能和分析工作，并在部署過程中越來越多地進行人工智能和分析工作，因為它們支持邊緣推理。為了讓員工能夠訪問他們需要的數據，企業將需要擺脫孤立、僵化和昂貴的傳統系統，而轉向新的解決方案，使分析和人工智能具有速度、可擴展性和信心。數據湖屋在一個地方支持商業智能、分析、實時數據應用程序、數據科學和機器學習，它為數據科學家、業務分析師和其他需要數據來驅動業務價值的人員提供了對可信數據的快速和直接訪問的功能。

關注成果

分析和人工智能有望從數據倉庫、數據流和數據湖中推動更好的業務見解。但企業首先需要評估他們開發而且成功部署人工智能或分析項目的能力。大多數企業需要現代化關鍵基礎設施和硬件，以便能夠支持從邊緣到數據中心到云平臺的人工智能開發和部署。這樣做的企業會發現他們的數據和應用程序是力量倍增器。在這一過程中，他們將實施升級，以確保數據安全和可訪問，從而在未來幾年內實現IT和業務目標。