人工智能对数据基础设施产生巨大影响：我们如何走到今天这一步

现在是2024年11月，可以肯定地说，人工智能已无处不在。世界各地的人们都在咖啡馆里谈论这项技术。你的孩子、父母或祖父母也是如此。它可能是你上一次购车体验中不可或缺的一部分，而且已被你的家用/联网设备用作推荐引擎。这些设备可以听到你的声音，并希望通过推荐它们认为你需要的产品来改善你的生活。人工智能无处不在，而且每天都在变得更加普及。这就是我想写这篇文章的原因。首先，我想带大家重温一下人工智能的起源。其次，我将会介绍当今人工智能的使用方式。最后，我将根据自己的研究，分享市场的可能走向。

首先，我会探讨尖端数据管理和基础设施创新，也就是人们所熟知的人工智能。在过去二十年中，变革性技术已经重塑了企业存储、处理、分析和从数据中创造价值的方式。然后，我会深入探讨这些新兴科技的前沿，包括生成式人工智能的兴起以及GPU在支持这些技术时起到的关键作用。

无论您是企业或IT领导者，还是只是对未来感到好奇，这篇文章都会为您提供所需的洞察力，助您驾驭不断发展的人工智能技术。

人工智能的突破

人工智能长期以来都是一个热门词，如今它正通过生成式人工智能实现商业潜力。生成式人工智能可以用前所未有的规模创造出模仿人类创造力的内容。这场革命正在推动创新达到新的水平，改变企业的运营方式，并为复杂挑战提供创造性的解决方案。

这些进步的实现离不开硬件的发展，尤其是GPU。GPU曾主要用于图形处理，但现已成为人工智能不可或缺的组成部分，其强大的计算能力使模型训练和推理变得高效。

人工智能和生成式人工智能是继网络附加存储（NAS）、虚拟化和固态硬盘（SSD）等技术之后的最新颠覆性技术。这些创新重新定义了我们管理数据和进行IT运营的方式。人工智能也有望实现同样的目标，引领我们进入生产力和创造力的新时代。

一切从何开始……

艾伦·图灵是理论计算机科学和人工智能领域的先驱，他在20世纪30年代提出了“通用机器”的概念，现在被称为“图灵机”，为现代计算奠定了基础。他在1950年发表的开创性论文引入了图灵测试opens in a new tab，该测试至今仍是评估机器智能和塑造人工智能伦理考量的一项基本工具。

人工智能作为一个科学领域，于1956年在达特茅斯会议上成型，John McCarthy、和Marvin Minsky、Herbert A. Simon等先驱人士在会上正式提出了“人工智能”这一术语。早期的人工智能研究侧重于使用符号方法解决问题，但20世纪后期，随着计算能力和数据可用性的提高，人工智能开始转向机器学习。

深度学习（机器学习的一个分支，运用复杂的神经网络）最近蓬勃发展，彻底改变了人工智能，在图像和语音识别、自然语言处理和自主系统方面取得了长足进步。得益于这些方面的发展，人工智能已迅速走出学术界，成为各行各业的变革力量，推动创新、提升效率。

GPU在人工智能中的崛起

人工智能的发展与GPU的兴起密切相关。21世纪初，斯坦福大学研究人员Ian Buck和Pat Hanrahan率先利用BrookGPU将GPU用于通用计算。这项工作为2006年NVIDIA的CUDA平台opens in a new tab奠定了基础，将GPU从专注于图形的工具转变为能够加速各种科学和技术任务的强大设备。

2012年是一个关键时刻。这一年，Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton使用GPU了训练AlexNet，这是一个在ImageNet竞争中占据主导地位的深度神经网络。这次胜利凸显了GPU在深度学习方面的巨大潜力，并使其在人工智能研究和应用中得到广泛采用。

人工智能、机器学习和生成式人工智能是三项颠覆性技术，正迅速重塑我们的世界。虽然后两者是人工智能的分支，但它们在推动创新方面各自发挥着独特的作用。

1. 人工智能：人工智能是一个广泛的领域，致力于创建执行需要人类智能的任务的系统，例如学习、决策和理解自然语言。它是一项具有颠覆性的技术，因为它可以通过自动化认知和手动任务、提高效率以及引入新的解决问题来改变行业。例如，在医疗保健领域，人工智能可以比传统方法更快、更准确地预测患者的诊断结果。
2. 机器学习：机器学习是人工智能的一个分支，专注于无需明确编程即可从数据中学习，并不断改进的系统。机器学习尤其具有颠覆性，因为它具有多种应用场景，包括商业中的预测分析以及流媒体服务的个性化推荐。它能够从庞大的数据集中提炼洞见，从而提高各个领域的效率、准确性和生产力。
3. 生成式人工智能：这项技术可以创建新内容（文本、图像、音乐甚至代码），类似于人类自己生成的结果。用于文本的GPT和用于图像的DALL·E等技术具有颠覆性，因为它们为创造力和自动化开辟了新的可能性。它们减少了内容创建的时间和成本，使得大规模个性化内容成为可能，并推动了娱乐、设计和教育领域的创新。

生成式人工智能如何影响当今商界

这些技术的颠覆性在于它们有可能从根本上改变企业的运营方式、影响劳动力市场、创造新的产品类别并改变竞争格局。它们的应用可以提高效率、降低成本、创造新的商业模式甚至全新行业，挑战现有企业，迫使其适应，或面临被淘汰的风险。

根据Hitachi Vantara与企业战略集团（ESG）近期开展的一项研究，有97%正在实施生成式人工智能项目的企业将这项技术列为五大优先事项之一。同时，有63%的企业已在内部确定了至少一个生成式人工智能的用例。这些数字表明，对于希望创造竞争优势、扩展服务产品，利用数据做出更好、更有影响力的决策的企业来说，这项技术具有变革性机遇。

这项研究指出，生成式人工智能可以推动多个行业的创新和效率，提供可扩展的解决方案以增强个性化、决策和运营效率。

下面，我们来看看各企业利用生成式人工智能取得成功的五个关键领域。

1. 自动化内容和报告生成：生成式人工智能改变了各行各业企业处理内容创建的方式。无论是生成财务报告、医疗摘要还是客户回复，人工智能都可以自动大规模生成准确、合规且个性化的内容，显著减少人工工作量，并提高一致性。
2. 个性化和客户参与：在任何一个市场中，提供个性化体验都至关重要。生成式人工智能使企业能够根据个人喜好和需求定制服务、建议和沟通，从而提高客户满意度和忠诚度。
3. 合成数据生成和隐私保护：生成式人工智能越来越频繁地被用于为训练模型创建合成数据集，尤其是在金融和医疗保健等敏感行业。这使企业能够保护隐私，同时提高人工智能驱动解决方案的准确性和稳健性，例如欺诈检测、诊断和客户/患者护理服务。
4. 风险管理和预测分析：生成式人工智能是一种强大的建模和情景分析工具，可帮助企业预测和管理风险。在金融领域，它可以模拟多种交易策略的市场条件。在医疗保健领域，它有助于预测患者结果，在客户/患者护理和支持方面，它有助于预先解决潜在问题。
5. 虚拟助理和自动支持：人工智能虚拟助理和聊天机器人正在彻底改变各行业的客户互动方式。这些工具提供实时支持、处理常规查询，并指导用户完成复杂流程，使人工客服人员能够专注于更高级别的任务，从而提高整体服务效率。

实施过程中的挑战和注意事项

尽管人工智能具有潜在好处，但《财富》2000强企业在采用人工智能方面仍需要协助，包括数据隐私问题、道德考量、对技术人员的需求以及将人工智能集成到传统系统中的挑战。成功部署人工智能，通常需要战略方法、对人才和技术的大量投资以及支持创新和持续学习的文化。从之前提到ESG研究中可以看出，安全是首要问题（38%），其次是成本/技术债务（27%）、数据可用性和质量（27%）以及集成挑战（25%）。

利用Hitachi iQ的人工智能发现服务快速起步

Hitachi iQ的人工智能发现服务是Hitachi Vantara提供的一项咨询解决方案，旨在帮助企业将人工智能技术整合到其运营中。更重要的是，帮助企业利用人工智能创造价值。作为Hitachi iQ产品组合的一部分，该服务可帮助企业识别关键的人工智能用例、评估当前数据基础设施，以及估算人工智能计划的潜在投资回报率。

该服务根据每个企业的独特需求量身定制，提供应对人工智能复杂性的战略路线图。这包括评估必要的技术、运行概念验证（POC）试验以及规划全面部署。我们的服务提供灵活选项，从短期合作到更深入的咨询和实施支持，可适应不同业务需求。该服务与Hitachi iQ解决方案组合（具有已获得NVIDIA DGX BasePOD^TM存储认证的人工智能就绪基础设施）相结合，提供了支持高级人工智能工作负载和推动数字化转型所需的强大、可扩展的基础。

在接下来的时间里，请持续关注Hitachi iQ的更多信息以及本入门系列的后续内容，其中包含有关人工智能领域的有益洞见。接下来，我们将介绍检索增强生成（RAG）的有关情况。对于希望利用人工智能建立竞争优势，实现卓越运营的人来说，这些信息都是极为有用的。我们下期见。

阅读更多

• 新闻稿：Hitachi Vantara宣布全面推出Hitachi iQ和全新人工智能发现服务，助力企业做好人工智能准备
• 博客文章：寻求企业人工智能业务成果？隆重介绍搭载NVIDIA DGX BasePOD的Hitachi iQ
• 博客文章：发掘人工智能计划和应用的潜力，实现生成式人工智能方面的成功