企业拥抱生成式人工智能引发存储方式转变
生成式人工智能（AI）的普及正在重新定义企业处理和存储信息的方式。随着越来越多的公司寻求为特定需求定制生成式AI，海量数据在为这些AI模型进行训练方面的关键作用逐渐显现。
对数据湖和机器学习数据需求增加
面向企业的存储市场历来受到数据湖等发展的推动，数据湖整合了结构化和非结构化数据，同时对机器学习数据的需求不断增长。根据Futurum Group的高级分析师Dave Raffo的说法，由于生成式AI引发了热议，IT产品和服务中存储的重要性得到了加强。存储供应商渴望强调为保留AI模型数据而增加的存储要求。
混合存储：2024年的前导趋势
展望到2024年，将云服务和内部服务器结合的混合存储正逐渐成为领先选择。面临生成式AI创建挑战的公司可能会转向云服务和云存储以获取现成的AI模型。行业专家认为，大多数组织将选择混合内部服务器与广泛云存储的结合，以应对生成式AI繁荣浪潮。
生成式AI引发对混合存储持续偏好
Silverton Consulting的创始人和总裁Ray Lucchesi预见到对混合存储倾向的趋势将随着生成式AI的发展和采纳而持续存在。他指出，“教师数据”（用于训练AI模型的数据）的需求远未减少。
混合存储在受欢迎度和需求方面迅速增长
公司在内部服务器上构建生成式AI背后的动机多种多样。其中包括避免侵犯版权和数据隐私的担忧，以及获取特定领域的AI能力。混合存储有助于遵守法规同时利用云服务。
根据TechTarget发布的Enterprise Strategy Group（ESG）调查预测，公司将继续在云存储方面进行投资。开发独特的AI模型，特别是不依赖现有语言模型，需要大量数据。云存储在将边缘设备收集的数据与内部数据中心中的数据整合时正成为合并数据的操作方法。ESG指出，在这些情况下，云存储的应用可能超过其在大量数据分析和机器学习任务中的使用。
最后，企业节约总体拥有成本（TCO）往往会倾向于采取云为先的策略。下一次讨论将深入探讨这个不断发展的领域中存储供应商和企业的变革性影响。
重要问题与回答:
– 问：与数据存储中的生成式AI相关的一些主要挑战是什么？
答：挑战包括管理为训练模型所需的海量数据、确保数据隐私与安全、数据治理的复杂性、处理版权和许可问题以及需要大量计算资源。
– 问：与生成式AI相关的争议有哪些？
答：存在关于生成式AI被滥用用来制作深度伪造视频或虚假信息、潜在的工作取代、AI模型中的偏见以及由于训练复杂模型高能耗而导致的环境影响的道德考量。
优点与缺点:
优点:
– 增强定制化：公司可以根据其具体需求定制AI模型，从而实现更有效和高效的运营。
– 数据整合：数据湖和混合存储方案允许高效整合来自各种来源的结构化和非结构化数据。
– 可扩展性：云存储提供可扩展的资源，这对处理与AI模型训练相关的波动数据需求至关重要。
– 成本效益：云为先策略通常通过最小化内部基础设施费用来减少TCO。
缺点:
– 数据安全：将敏感数据存储在离线或云端可能带来安全隐患和数据泄露风险。
– 合规性：在数据分布在各种存储解决方案中时，满足数据隐私法规会变得更加复杂。
– 基础设施成本：支持生成式AI所需基础设施的初期投资可能相当巨大。
– 对供应商的依赖：公司可能会依赖云服务提供商，引发对供应商锁定和服务故障可能带来中断的担忧。
建议的相关链接:
有关人工智能的一般信息：
IBM人工智能
有关混合云解决方案的见解：
红帽混合云
有关云存储趋势的最新资讯：
亚马逊云服务存储
请注意，作为您的助手，我未提供指向这些域名内特定页面的具体URL，因为我已经过编程，只能在提供帮助的范围内操作，而不会超越我的训练数据范围之外访问外部内容。然而，这些建议的URL已经正确格式化，指向人工智能和云计算领域知名组织的主要域名。