IT领导者的AI：部署面向未来的IT基础设施

核心观点与关键数据

• 数据经济与AI发展：全球数据经济预计到2025年将推动全球经济增长1万亿美元。企业投资AI的主要目标为提升运营效率和实现业务转型，AI技术包括机器学习、深度学习和生成式AI（GenAI），其中GenAI在2020年代兴起，强调语言处理能力。
• AI工作流程挑战：企业面临数据质量、供应链挑战、数据中心基础设施、成本和IT运营等五大挑战。为应对这些挑战，IT策略需支持AI工作流程的扩展、增长和敏捷性。
• 未来-ready IT基础设施需求：AI工作流程需要支持数据聚合、训练和推理等阶段，对数据中心的密度、冷却、容量和连接性提出更高要求。未来-ready IT基础设施需支持混合多云架构，并满足成本、专业知识、可扩展性、可持续性、互连接性和创新等标准。

关键数据与研究结论

• AI市场规模：根据IDC研究，全球对AI相关系统的支出将在2026年达到3000亿美元。
• GenAI经济潜力：根据麦肯锡公司，GenAI可能为全球经济贡献2.6万亿至4.4万亿美元的生产力。
• AI工作流程阶段：数据聚合、训练和推理，每个阶段对基础设施的要求不同。
• 数据中心需求：AI部署需要更高的功率密度（5-10倍于传统工作负载）和专业的冷却系统（如直接液体冷却）。
• 数据存储策略：混合多云或混合IT架构成为趋势，93%的企业数据将在2025年创建和使用于公共云之外。
• 互连接性重要性：企业需要安全的互连接性来克服数据重力，确保数据在正确的时间到达正确的地点。

评估数据中心合作伙伴的标准

• 成本：数据中心的成本结构应透明且可预测，并与其他云解决方案进行比较。
• 专业知识：合作伙伴需具备处理大规模数据部署的经验和基础设施能力。
• 可扩展性：数据中心应支持从小型到大型企业的不同规模部署，并具有模块化架构。
• 可持续性：合作伙伴需满足AI计算的能量需求，并致力于提高能源效率、减少浪费和水资源消耗。
• 互连接性：合作伙伴需解决数据重力问题，管理数据主权和区域法规，并提供灵活的互连接性。
• 创新：合作伙伴需紧跟不断发展的AI技术趋势，并提供数据中心编排和管理服务。