全球数据洞察调研 — 为数据和 AI 就绪型企业赋能

为数据和AI就绪型企业赋能 目录 3CRO致函4介绍8趋势趋势一数据优先战略推动AI创新趋势二数据无处不在且不断增长趋势三数据本地化变得前所未有的重要趋势四数据驱动业务议程29为数据和AI成功部署数字基建 CRO致函 在此背景下，里瑞通(Digital Realty)委托制作了第二期《全球数据洞察调查》报告。2024年报告的目标包括： 人工智能(AI)变革已经来临，势不可挡。AI和机器学习(ML)领域涌现出来的新技术正在颠覆传统商业模式，领先企业纷纷利用AI的演变来打造新产品、数字体验和自动化流程，以提高运营效率。 1.了解IT领导者如何发展其数据战略2.提供关于IT领导者如何重新构想IT基础设施以充分利用数据和AI的商业价值的见解 该研究还揭示了AI成熟实践，这些实践使企业能够在这一瞬息万变的环境中占得先机。 发展AI需要实施正确的数据优先战略，但在利用数据推动AI创新的过程中，挑战与机遇并存。 我希望这份报告能引领您在AI无所不在的时代游刃有余地前行。 随着数据量的增长，它就像磁铁一样，吸引并构建了一个围绕其自身的生态系统，这个生态系统包括了各种应用、服务和处理流程。然而，数据的扩展也导致数据迁移和获取有效洞察的灵活性降低。同时，维护数据的控制和安全措施也变得复杂。IT领导者必须确保他们的IT基础设施已经做好拥抱AI的准备，而这又是一个前所未有的复杂挑战。 Colin McLean Digital Realty首席营收官 注：如需了解我们的洞察和调查报告，请访问：www.digitalrealty.cn/expertise/data-insights 关于该调查 34个问题2,254位受访者 受访者 目标 2,254位覆盖全球11个行业的IT决策者 1.了解企业如何以及为何在全球、区域、地方和行业层面重新思考数据战略以充分释放AI的商业价值2.探索数据引力与企业数据存储和处理战略之间的联系，提供优质的客户、员工和合作伙伴体验。 来自美洲、亚太和欧洲的21个国家 11个行业21个国家/地区 企业包括年营收低于1亿美元的中小型企业(SMB)到年营收超过10亿美元的跨国企业 调查 1亿- 10亿+美元企业营收规模 2023年10月30日至12月4日期间进行了一项包含34个问题的在线调查 关于AI成熟度 我们根据自我评估的等级（1 - 5级）来计算AI成熟度： 1 =未使用AI 5 = AI发挥了变革性作用/是我们业务模式的关键组成部分 本报告将自评为“5”级并且实施分布式数据战略的公司称为“数据与AI领导者”。 而将那些没有实施分布式数据战略且成熟度低于5级的组织称为“成熟度较低的组织”。 AI制胜宝典 数据与AI领导者遵循一套通用的制胜宝典，其中包括： •将数据存储与计算资源本地化，确保这些资源无缝连接且高度协同以支持分布式企业的运营。•充分利用正式的数据与AI战略，为IT基础设施投资提供指导方向。•在部署AI工作负载的每个阶段，将网络安全、治理与合规问题放在首位。 主要发现 随着新技术的不断涌现，传统业务模式被打破，IT基础设施也变得越来越复杂。数据是创新的引擎，因此，受访者普遍认为从数据中获取洞察是他们的首要任务，而找到合适的数据基础设施解决方案则是他们面临的最大挑战。 4.数据驱动业务议程 1.数据优先战略推动AI创新 3.数据本地化变得前所未有的重要 2.数据无处不在且不断增长 37% 79% 52% 53% 数据与AI领导者分析数据并从中获取洞察 数据与AI领导者优先考虑在数据系统、基础设施和分析方面进行充分投资 数据与AI领导者正在实施正式的数据战略，为IT基础设施投资提供指导方向 数据与AI领导者为了成功实施AI战略，将工作负载本地化，使其更贴近数据和用户 数据引力：日益严峻的挑战和机遇 数据引力指的是数据具有质量的概念。随着质量的增加，数据移动或复制的难度也随之增大。 数据引力是企业创建和交换数据产生的吸引力，这些数据来自应用、服务器和其他来源。随着数据集的扩大，它会吸引更多的应用和服务，从而形成一个促成更多数据生成的良性循环。 全球数据与AI趋势 全球2,200多位IT领导者揭示四大趋势 “你必须将数据从次要地位变成基础设施讨论中的首要议题。” 数据与AI领导者正在实施正式的数据战略 成熟度较低的组织：32%处于初步实施阶段8%处于规划阶段 趋势一 数据优先战略 Tony BishopDigital Realty企业平台与解决方案部高级副总裁 推动AI创新 数据与AI领导者正在借助经过训练的AI模型实现盈利，并积极使用这些模型 正式的数据战略对于实现AI就绪至关重要 AI离不开大量数据，而释放新的商业价值离不开AI 67%的受访者表示，制定明确的数据战略对于有效管理、控制和利用数据资产以及落实AI战略至关重要。在数据与AI领导者中，这一比例更高，达到79%。 缺少正式数据战略的企业在分配高延迟存储和处理资源以支撑AI工作负载时往往会遇到困难。 这已经不止停留在战略层面，而是执行成果正在发挥其价值 以下哪一项描述最符合贵公司AI战略的现状？ 95%的受访者已制定正式的AI战略，然而： 大多数企业已进入AI推理阶段(28%)或通过积极部署经过训练的模型以实现AI的经济价值(45%)。 27% 积极使用正式的AI战略来提高运营效率和/或降低成本 数据与AI领导者已经清洗了他们的数据，并积极训练AI模型以推进其业务战略。 22% 积极使用正式的AI战略来推出新业务或服务 数据与AI领导者正专注于积极部署经过训练的AI模型，并将其货币化(56%)。 2% 受访者缺乏正式的AI战略，仅以非正式的方式探索应用场景 在制定AI战略的过程中，您遇到了哪些挑战？ AI工作流提高了混合IT解决方案的采用率 50% 56% 大约五分之一(21%)的受访者采用主机托管服务来满足数据存储和训练处理需求。这有助于他们发挥出安全的专用基础设施和互联功能的价值，而无需承担完全拥有成本。 在适当的位置缺乏克服与使用AI相关的处理和邻近性挑战所需的IT基础设施 缺乏正式的数据战略/有效数据，阻碍了AI的采用 52% 49% AI战略与IT基础设施的位置息息相关。56%的受访者表示，要克服与数据引力相关的数据和邻近性挑战，选择合适的位置至关重要。有半数受访者提到，缺乏正式的数据战略和有效数据构成了另一障碍。 领导层缺乏制定AI战略所需的知识或支持 缺乏能够利用AI技术的有针对性的业务战略 42% 51% 对AI以及如何利用这项技术来推动业务成果缺乏了解 2023年预算不足，但将在2024年分配预算 一系列非技术问题，如领导层缺少相关知识(52%)和不了解如何利用AI推动业务成果(51%)仍然是占比大的不利因素。 图8：Digital Realty，全球数据洞察调查 ，2024年8月 总结 AI几乎被普遍认为是释放新商业价值的关键。然而，要实现这一目标，必须重新规划基础设施，让数据和用户靠近存储和处理系统。这样，企业就能够利用数据引力取得积极的业务成果。 AI需要独特的数据就绪环境 成功的程度因组织而异，但提供符合多样化、不断发展的数据和人工智能需求的定制化数据中心解决方案是关键。成功的IT环境需要满足以下几个关键要求： 确保基础设施能够满足AI的电力和能源需求，以便存储、处理和托管大量数据 确保高性能AI工作负载靠近数据和用户 数据和AI就绪型基础设施必须具备以下特点： •分布式、以数据为中心和混合架构•支持数据反向流动•整合私有和公共数据源•利用互联技术，让云服务和用户能够轻松访问数据，无论数据位于边缘的任何位置 数据与AI领导者优先考虑在数据系统、基础设施和分析方面进行充分投资 数据与AI领导者关注支持AI工作负载所需的专业基础设施 而在成熟度较低的组织中，这一比例为43% 这一比例为12%，而成熟度较低的组织为9% 趋势二 数据无处不在 数据与AI领导者认为将工作负载本地化，使其更贴近数据和用户，是AI战略取得成功的关键要素 且不断增长 而在成熟度较低的组织中，这一比例为45% 提前进行数据容量规划对于企业基础设施的部署来说至关重要 据IDC的全球存储圈预测，数据将以21.2%的复合年增长率(CAGR)快速增长，到2026年预计达到221,000艾字节，其中大部分是非结构化数据。1 受访者表示，缺乏存储海量数据集所需的存储空间是实施AI战略在基础设施层面的主要挑战 未来的IT投资应考虑数据引力的影响 数据的快速增长改变了处理和存储数据的位置，突显出制定完善的数据容量战略的必要性。数据引力导致数据越来越多地分布在多个位置，包括本地站点和云端。这种分布式结构使得人们难以对数据进行有效管理、控制和保护，从而引发潜在的合规挑战和业务风险。制定正式的数据战略对于缓解这些挑战至关重要。 超过一半的受访者表示，对数据系统、基础设施和分析工具的投资不足是从数据中获取洞察的主要障碍。其次是客户不愿共享数据以及缺少来自于不同孤岛和部门的聚合数据。在之前的调查中，数据隐私法规被视为一个关键因素，但在当前的优先级排名中却有所下降，只有40%的受访者将其列为重要考量因素。 贵公司在实施正式的AI战略时，在基础设施或业务方面遇到哪些主要挑战？ 数据密集型应用引发延迟和性能问题 随着数据量的增加，应用需要处理越来越多的数据，其他复杂问题和基础设施挑战也随之而来： 60% 34% •时延和性能问题有可能对用户体验和业务灵活性造成不利影响•不断增长的数据存储量和非结构化数据，正在推高存储、网络和计算成本，让IT预算捉襟见肘 缺乏存储AI所需的海量数据集的数据存储空间 缺乏可用数据和数据质量问题 53% 18% AI的出现带来了与增长、合规性和规模相关的新的数据挑战。60%的受访者表示，缺乏存储海量数据集所需的存储空间是实施AI战略在基础设施方面面临的主要挑战。 缺乏运行AI处理系统所需的计算能力 缺乏合适的数据中心空间 52% 9% 53%的受访者指出了计算能力的不足，这限制了他们运行AI处理系统的能力；同时，52%的受访者表示，缺乏高效可靠的互联解决方案来同步分布式数据源，也成为了他们面临的一个主要问题。 缺乏AI所需的专业基础设施（对电力密度、能源使用、温度调节和安全性的需求增加）。 缺乏连接到分布式数据源所需的可靠的互联解决方案 35% 1% 合规问题和对个人数据的潜在影响 缺乏资源或人才 而整体受访者中的这一比例为73% 趋势三 数据本地化 在当前和未来两年内，数据与AI领导者将在更多位置持续部署AI 数据与AI领导者运营更多的数据中心 变得前所未有的重要 数据与AI领导者拥有11到20个正在运营的数据中心而在成熟度较低的组织中，这一比例为12% 分布式数据战略提高AI部署效率 “如果不能在需要的位置处理正确的数据，那么您的AI战略在实施前就已经失败了。数据必须位于合适的位置，AI才能获取数据，并以永久循环的方式创造更多数据。” Dan ElineDigital Realty平台解决方案部副总裁 AI部署的加速带来新的数据生成点，再加上持续的安全和合规要求，加强了在不同位置创建和处理数据的趋势。 数据是AI模型和AI驱动洞察背后的助推力，因此，关键是确保正确的数据能够在稳定状态下随时就近供AI处理使用。 企业通过IT基础设施本地化来解决数据引力和性能问题。这有助于将数据和计算资源分布在更靠近终端用户的节点上，并降低时延。事实上，大多数受访者(78%)都在采用分布式数据方法。 “移动数据会产生延迟和成本。与其把数据移动到应用所在的位置，不如将应用部署到数据所在的位置。” 您是否将数据位置战略与AI战略计划相结合？ IT领导者着眼于增加数据位置以承