全球数据洞察调研报告：2024亚太地区数据和人工智能现状

赋能数据与AI ready的企业 目录 34829信件来自首席风险官引言趋势趋势1数据优先策略推动人工智能创新趋势2数据无处不在，且日益增长趋势3数据本地化比以往任何时候都更重要。趋势4数据驱动业务议程搭建基础设施基础数据与人工智能成功 人工智能革命已经到来，无法回头。人工智能和机器学习的最一封来自首席风险官（CRO）的便条 新变体正在颠覆常规的商业模式，领先的企业正在利用人工智能的演化来打造新产品、数字化体验和自动化技术，以加强运营效率。 在此背景下，Digital Realty 委托开展了第二版全球数据洞察调查。2024年报告的目标是： 了解IT领导者如何演变他们的数据策略 2. 分析IT领导者如何重新构想IT基础设施以利用数据和AI带来的商业价值 这项研究还为我们打开了一扇窗户，让我们看到了那些让企业在快速变化的市场中占据优势的人工智能成熟实践。 人工智能需要正确的数据优先战略，但数据正成为推动人工智能创新的挑战与机遇。 我希望您认为这份报告是导航AI时代的一个有价值的指南。 随着数据的增长，它成为了自己应用、服务和流程生态系统的磁石。随着数据的扩展，移动这些数据并获得有价值的洞察力变得更加缺乏灵活性。保持数据控制和安全性非常复杂。与此同时，IT领导者必须确保他们的IT基础设施准备好迎接人工智能——这是一项完全新的复杂挑战。 柯林·麦克莱恩 首席收入官，数字房地产 P.S. 要跟进我们的见解和发现，请访问www.digitalrealty.com/专业技能/数据洞察 关于这项研究 受访者 索数据重力与企业存储和处理数据策略之间的关系，旨在提供最佳的客户、员工和合作伙伴体验。 公司按收入规模 调查 2023年10月30日至12月4日进行的34道问题在线调查 关于人工智能成熟度 我们根据自我评估的评分，在1到5的范围内计算了人工智能的成熟度。 1 = 无AI应用 5 = AI 是颠覆性的/我们商业模式的关键部分 那些在评分量表上给自己打“5分”的人而且拥有分布式数据策略在整篇报告中被称为数据与人工智能领袖. AI成功指南 数据和AI领袖们正在按照共同的游戏规则行事。这包括： 本地化无缝连接且高度集成的数据存储和计算资源。根据分布式企业的支持进行校准利用正式数据和人工智能策略，这些策略作为IT基础设施投资的指南针 那些没有分布式数据战略且成熟度评级低于5级的将被推荐到不够成熟的组织。 优先考虑每个阶段人工智能工作负载部署中的网络安全、治理和合规性关注。 关键发现 IT领域面临基础设施的复杂性，因为新技术正颠覆传统的商业运作。数据是创新的引擎，受访者普遍将挖掘数据洞察视为他们的首要任务，而找到合适的数据基础设施解决方案则是他们面临的第一大挑战。 4.数据驱动业务议程 1.数据优先策略推动人工智能创新 2.数据无处不在，且日益增长 3.数据本地化比以往任何时候都更重要。 53% 79% 52% 数据与人工智能领域的领导者正在执行正式的数据战略，以指导IT基础设施投资。 数据与人工智能领域的领导者优先考虑对数据系统、基础设施和数据分析的充分投资。 数据与AI领导者分析数据并从中提取见解 数据和人工智能领导者将工作负载靠近数据和用户，以实现成功的AI策略。 数据重力：日益增长的挑战与机遇 数据引力指的是数据具有质量的概念。随着质量的增加，移动或复制数据变得越来越困难。 数据引力是由企业数据创建和交换产生的吸引力，源自应用程序、服务器和其他来源。随着数据集的增长，它会吸引应用程序和服务，形成一个良性循环，促使更多数据的产生。 全球数据与人工智能趋势 四个关键趋势来自全球超过2200位IT领导者 趋势1数据优先策略 较不成熟的对应物：32%早期采用8%规划阶段 关于数据和AI的领导者正在将和积极使用训练好的AI模型 推进人工智能创新 正式数据策略对人工智能的准备工作至关重要。 人工智能无法离开数据——大量的数据——没有人工智能，新的商业价值就无法释放。 拥有明确的数据战略对于有效管理、治理和利用数据资产以及执行人工智能至关重要，据67%的受访者表示。这一比例在数据与AI领导者中更高，达到79%。 企业若没有正式的数据战略，很难为适应人工智能工作负载分配高延迟存储和处理能力。 不仅仅是策略，实际的工作成果才是关键。 以下哪项最好地描述了贵公司目前的人工智能策略？ 95%的受访者整体上拥有正式的人工智能策略，但： 大多数企业处于人工智能（AI）的推断阶段（28%）或通过积极部署训练好的模型实现AI货币化（45%）。 27% 积极采用正式的AI策略以实现运营效率并/或降低成本 数据与人工智能领袖已经整理好了数据，并将积极训练人工智能模型作为其商业战略的一部分。 22% 积极采用正式的人工智能策略来推出一项业务或服务 数据与人工智能领袖沉浸在货币化和训练AI模型的积极部署中（56%）。 2% 整体受访者中缺乏正式的AI策略，仅是非正式探索应用案例。 你在制定人工智能战略时遇到了哪些挑战？ 人工智能工作流程促进了对混合IT解决方案的采用 50%缺乏正式的数据策略/清洁数据，这阻碍了人工智能的采用 56% 缺乏在正确位置建设的IT基础设施，无法克服使用人工智能所面临的处理和邻近挑战。 大约五分之一（21%）的整体受访者使用共置服务来满足数据存储和训练处理需求。这有助于他们利用安全、私有基础设施和互连，而无需承担完全拥有的成本。 52% 49% 缺乏领导层在制定人工智能战略方面的知识和支持 缺乏能够利用人工智能技术的针对性商业策略 人工智能策略与IT基础设施的位置密切相关。拥有正确的位置对于克服与数据重力相关联的数据和邻近性挑战至关重要，这是56%的总受访者提到的目标。缺乏正式的数据策略和干净的数据是另一半总受访者提到的主要障碍。 42% 51% 缺乏对人工智能的理解以及如何利用它来推动业务成果 2023年预算不足，但将在2024年分配预算 图8：数字房地产，全球数据洞察调查，2024年8月 非技术问题，例如缺乏领导知识（52%）和有限的了解如何利用AI推动业务成果（51%），也仍然是相当大的障碍。 底线 人工智能几乎被普遍认为是开启新商业价值的关键。然而，没有重新构想基础设施，这个目标是无法实现的，因此数据和用户与存储和处理相邻。这使得组织能够利用数据重力来实现积极的企业成果。 人工智能需要一个独特的数据准备环境。 成功因组织而异，但提供符合多样化和不断发展的数据和人工智能需求定制的数据中心解决方案是关键。成功IT环境的关键要求包括： 确保基础设施能够应对人工智能的能源需求，存储、处理和托管大量数据 数据与AI准备就绪的基础设施必须具备以下特点： • 可分布式、以数据为中心、混合型• 可逆转交通流量• 整合私有和公共数据源• 利用互联技术将云和用户带到数据所在的边缘 趋势2数据无处不 在 以及增长 对立45%较不成熟的组织 主动数据容量规划对企业基础设施配置至关重要。 IDC的全球数据球预测，数据将以21.2%的复合年增长率（CAGR）增长，到2026年将达到221万艾字节，其中绝大多数为非结构化数据。1 所有受访者表示，缺乏容纳大规模数据集所需的存储空间是采用人工智能策略的主要基础设施挑战。 未来IT投资应当考虑到数据引力。 数据呈指数级增长，改变了数据处理、存储和所在的位置，突显了制定周密数据容量策略的必要性。数据引力导致数据越来越多地分布在不同地点，包括本地站点和云端。分布式足迹使得管理、治理和有效保障数据变得困难，增加了潜在的法律合规挑战和商业风险。一个正式的数据战略对于缓解这些挑战是至关重要的。 超过一半的调查对象将数据系统、基础设施和数据分析工具投入不足列为从数据中获取洞察力的主要障碍。其次是客户不愿意分享数据和不同孤岛部门缺乏汇总数据。与上次调查相比，数据隐私法规的重要性下降，只有40%的人提到了这一点。 贵组织在采用正式的人工智能战略时，面临的主要基础设施或商业挑战有哪些？ 数据密集型应用程序会导致延迟和性能问题。 34%缺乏可用数据和关于数据质量的担忧 60% 日益增长的数据量以及日益数据密集型的应用引发了其他复杂性和基础设施挑战： 缺少用于存放大量数据集所需的数据存储 延迟和性能问题威胁着用户体验和商业敏捷性 数据存储迅速增加，其中充斥着非结构化数据，导致存储、网络和计算成本上升，对IT预算造成压力 53% 18%缺乏合适的数据中心空间 缺乏运行人工智能处理的计算能力 9% 随着人工智能的加入，它带来了与增长、合规和规模相关的新数据挑战。总体而言，60%的调查参与者表示，存储大量数据集所需的存储空间是采用人工智能战略的主要基础设施挑战。 52% 缺乏人工智能所需的专用基础设施（对功率密度、能源消耗、温度调节和安全的增加需求） 缺乏可靠的互联解决方案以允许连接到分布式数据源 35% 缺乏可用的计算能力来运行人工智能处理是53%受访者的一个问题，而缺乏可靠的互联解决方案来同步分布式数据源正在给52%的受访者造成问题。 对法规及其对个人数据潜在影响的担忧 资源或人员不足 数据与人工智能领袖一贯地在更多地方应用人工智能，目前及未来两年 趋势3数据本地化 比以往任何时候都重要 分布式数据策略加速人工智能部署效率 如果你没有在需要的地方获取到正确数据，那么你的AI策略在开始之前就已经失败了。数据必须放在AI可以摄取并不断循环创造更多数据的正确位置。 新的数据生成点，包括人工智能活动的激增，加上持续的安全和合规要求，加剧了分布式地点的数据创建和处理。 以数据作为驱动人工智能模型和人工智能洞察的燃料，确保适当的数据在稳定状态下便于人工智能处理，尽可能接近其所在位置，这一点至关重要。 企业通过本地化IT基础设施来解决数据重力问题和性能问题。这有助于将数据和计算资源更靠近最终用户，从而减少延迟。事实上，大多数调查受访者（78%）正在采用分布式数据方法。 移动数据会产生延迟和成本。与其将数据移到应用所在的地方，不如将应用带到数据所在的地方。 IT领导者寻求额外的数据位置以存放AI项目 大多数受访者都明白，将数据位置与AI策略相协调有助于解决数据存储、处理、互联互通、合规性和基础设施适用性问题。近四分之三（73%）的人将数据位置战略与人工智能计划相结合。 托尼·毕晓普高级副总裁，企业平台与解决方案 ，数字房地产 平均来说，36% 的地点和/或共址地点目前正在部署人工智能项目。with that number expected to在两年内增长到42%。 额外的业务存在点有助于IT领导者维持合规性和控制。 展望未来两年，基础设施本地化的趋势预计将加剧。 公司正在计划平均增加，未来两年内再增加四个存在点。33%的增长 33% 随着企业规划其当前或计划的IT位置战略，他们考虑了多个因素。 公司最可能希望保持客户和交易数据的本地副本（39%）以及本地应用程序、工作流或集成系统的副本（36%） 关于数据与AI领袖分析并从数据中提取见解 数据驱动趋势4商业日程 与不到四分之一的总受访者相比 数据和人工智能领域的领导者更有可能选择那些强调的数据中心提供商。全球覆盖、容量和直接连通性在全国主要城市地铁区域的一个数据中心平台上。 无论你往哪里看，数据和人工智能都是商业的中心。 企业若能有效地执行数据和AI战略，将更有利于实现更好的商业成果。根据43%的总调查受访者，投资AI/ML是实现数据驱动洞察的最关键因素。 人工智能推动数据战略 以下哪一项最能描述贵公司如何利用人工智能？ 企业正采取多方面的方法将人工智能融入工作负载和运营，以创造战略优势。总体而言，当人工智能与商业战略相结合以提升创新、以客户为中心和运营卓越时，企业对人工智能抱有很高的期望。 42%预