與云相關的法規、安全和財務問題促使許多人權衡在本地和混合數據庫上構建生成式AI的優勢。

譯自PostgreSQL vs. the Cloud for GenAI? 4 Things To Consider，作者 Valeria Bogatyreva。

生成式AI（GenAI）已展現出重塑各行各業的潛力，有望提高生產力、接管運營任務并推動營收增長。根據德勤2024年企業生成式AI現狀報告，80%擁有先進AI專業知識的企業計劃增加AI能力方面的支出。

然而，盡管GenAI的光環閃耀，企業也意識到AI項目并非易事。隨著公司繼續爭相利用GenAI的能力，安全和數據管理方面新的挑戰和機遇正在出現。

主流AI開發模式的挑戰

在開始GenAI之旅之前，需要巨額投資來現代化遺留系統并解決數據相關問題。然而，大多數公司，包括財富500強企業，都在使用數十年前構建的技術，這些技術通常不適合處理AI工作負載。

從遺留軟件過渡成本高昂，并可能導致嚴重的停機和中斷。與此同時，公司迫切希望看到投資回報率 (ROI)：近一半的美國生成式AI決策者預計AI投資將在三年內獲得回報——考慮到所涉及的復雜性，這是一個激進的時間表，并且忽略了挑戰的現實。

云計算的可擴展性和快速配置使其成為部署AI模型的首選。然而，云計算的成本效益承諾往往與現實相沖突。支出往往分散且難以控制，許多企業已經采用財務運營(FinOps)框架來管理成本。

許多企業都擔心使用第三方云服務可能帶來的威脅，包括數據主權法、法規遵從性和AI模型訓練期間敏感信息泄露的擔憂。這些因素可能使本地和混合解決方案更具吸引力。德勤預測，到2025年，全球約有一半的企業將增加本地AI開發模型。因此，雖然云服務仍然至關重要，但企業正越來越多地投資于本地硬件，以保護知識產權、遵守法規并降低數據泄露的風險。

如何為GenAI選擇合適的數據庫

雖然AI創新的道路充滿挑戰，但這絕非不可能。成功的秘訣之一是為您的用例選擇最佳平臺，對于許多用例而言，這意味著采用可靠、通用的數據庫解決方案，例如PostgreSQL。

以下是PostgreSQL在GenAI開發中脫穎而出的四個原因：

1. 可擴展性和向量搜索支持: PostgreSQL支持豐富的原生數據類型，包括向量。向量搜索是AI應用程序的核心需求；它允許企業在不徹底改變其數據庫基礎設施的情況下對模型進行原型設計和迭代。這不僅降低了成本，而且還加快了開發時間。
2. 無縫集成: 與遷移到全新的數據庫不同，利用PostgreSQL可以實現逐步現代化。企業可以在嘗試新的AI功能的同時繼續使用熟悉的SQL工具，從而最大限度地減少中斷。
3. 開源優勢: Postgres的社區驅動特性有助于確保持續改進和免費訪問。而且，由于開源消除了許可證費用，因此它對ROI產生了積極影響。組織還可以選擇增強的產品，例如Percona for PostgreSQL，它提供PostgreSQL的開箱即用版本以及針對企業需求的定制支持。
4. 部署自由: 使用PostgreSQL和Percona Everest等工具，企業可以在最合適的地方部署AI項目——本地、私有云或混合方法——以降低數據泄露的風險。

AI成功因素

我們從客戶那里了解到，成功的生成式AI方法包含三個因素：快速開發、低成本失敗和有效擴展。了解更多Percona 如何幫助您實現所有這些。