Inside the infrastructure strategies propelling AI leaders

解析推动AI领军企业的基础设施战略 | Databricks 博客

跳至主要内容

数据领导者

2026年7月2日

解析推动AI领军企业的基础设施战略

AI就绪数据库如何加速AI创新、降低成本并交付真正可用的AI代理

作者：Christy Maver

人工智能的采用正开始转化为实际收益。但随着推进速度加快，许多组织都遇到了相同的问题：系统成本过高、速度缓慢且无法扩展。

根据经济学人企业对1200多名技术领导者进行的调查，拥有分散数据环境的企业中，67%将数据存储、传输和重复列为最大的持续AI成本。而对于拥有统一数据架构的企业，这一比例降至略高于一半。

现在是为AI构建未来就绪基础的关键时刻。但数据库迁移成本高昂且容易引发挫败感。组织越深陷遗留架构，未来脱身就越困难。开放且AI就绪的数据库为企业提供了更多灵活性和对数据使用方式的控制权，使开发者能够快速、安全、高效地围绕AI重新调整业务。

“关键在于在不制造混乱的情况下实现速度的分布，”Natura公司技术副总裁兼首席数字官Jose Manuel Silva在报告中表示。

本文将探讨三个企业基础设施考虑因素，这些因素可帮助加速AI创新、降低成本并交付真正可用的AI代理。

考虑因素一：以代理速度交付基础设施

根据经济学人企业的调查，60%的公司需要长达12个月的时间才能将AI工作负载投入生产。开发者希望以AI的速度前进，但底层基础设施仍停留在模拟时代。

当代码可在数秒内生成时，数据库却需要数分钟才能部署。随着AI代理自主执行工作流，它们需要能够立即创建与主IT环境分离的临时实验环境。

快速创新、安全回滚和即时恢复的结合，将推动组织以远超12个月周期的速度实现目标。

考虑因素二：简化数据流程

AI引擎以速度和规模摄取数据，这超出了许多企业的承载能力。

事务数据库和其他业务端数据源中存储的丰富信息，为AI系统提供了关键的上下文，使其能够交付可操作的洞察并自动化流程而不会中断。通常，这些信息被隔离在专有环境中。要移动这些数据需要构建新的管道和ETL工作负载，增加了复杂性和成本。

AI就绪数据库可以统一运营数据和分析数据。开发者所需的所有数据始终可用，且存储在低成本云存储中，与计算层分离。

“如果你能在数据上注入AI且效果良好，这意味着你的数据真正准备就绪并符合FAIR框架——可发现、可访问、可互操作和可重复使用，”亿滋国际高级副总裁兼全球首席数据官Maria Macuare表示。

考虑因素三：采用为AI规模构建的基础设施

传统数据架构对企业增长带来了严重的结构性制约。由于传统基础设施的扩展方式僵硬，管理层被迫陷入两败俱伤的妥协：要么为闲置容量支付高额费用以应对峰值需求，要么资源不足导致业务激增时系统响应迟缓。这种运营摩擦将顶尖工程人才锁定在日常维护工作中，消耗了本应用于提升竞争速度和战略创新的资源。

通过专为AI打造的数据库，数据可以存储在可靠、弹性且成本效益高的数据湖中。计算能力独立运行，将成本与增长解耦，使企业能够实现更大的运营灵活性。开发人员可以更自由地进行实验而无需消耗预算。系统可在数秒内从高并发扩展到零负载以优化支出。成本与使用情况对齐，支持不可预测的工作负载和快速的AI代理活动。凭借即时恢复等能力，开发人员实际上可以快速推进而不会破坏系统。

阅读《经济学人企业版》的完整报告，了解正在推动领导者在AI竞赛中领先的策略。

订阅最新文章

订阅我们的博客，将最新文章发送到您的邮箱。

立即注册

查看所有博客

slice-start id="_gatsby-scripts-1"

slice-end id="_gatsby-scripts-1"