对于大多数企业而言，先进的云战略是充分释放AI价值的关键，然而，不幸的是，大多数CIO所在的企业仍然缺乏足够的云能力和投入，难以支撑高级AI部署。如果为了投资AI而牺牲云运营，反而可能让问题变得更糟。
根据NTT DATA的一份报告，仅有14%的企业达到了“云进化”水平——这是实现AI成功的最佳状态，在这一阶段，云驱动创新加速业务转型，云原生服务已嵌入核心战略。
另有34%的受访高级IT决策者认为其云战略处于“成熟(mature)”阶段，这是仅次于“进化”的水平，其特征是在各业务单元中广泛、战略性地使用云，并具备完善的治理、最佳实践以及可扩展的工作负载能力。
这意味着，超过一半的企业在利用云实现AI价值方面仍然落后，其中超过25%仅处于“云启用”阶段，接近25%仍是云新手。
无论CIO处于云成熟度曲线的哪个阶段，如果削减云投入来支持AI项目，都会带来不小的风险。
近九成(88%)的IT领导者担心，云投入不足将危及其AI、云原生和现代化项目。尽管AI正在推动更多云使用，但84%的受访者表示，过去一年其云支出基本持平。
拆东墙补西墙
调查显示，随着企业将资金重新分配给AI试点项目，它们反而忽视了云这一AI关键基础。NTT DATA云与安全全球负责人Charlie Li表示：
“云这边拿不到预算，问题在于，‘为了做AI，我必须在这边花钱，但我在云这边却没有预算，反而已经在AI上投入了很多钱，结果就是做了一堆试点，浪费了大量资金。’”
Li补充说，一些NTT DATA客户有预算同时推进几十个AI试点项目，但CIO并没有获得额外资金来投入云服务。
“CIO会想，‘等等，我必须先把云这边做好，才能真正做好AI，但我却没有预算去做这件事。’”
Li指出，云服务对于AI开发至关重要，因为其所需的计算能力规模极其庞大。
“你需要海量的数据和巨大的计算能力，”他说，“正是这两点推动了当下生成式AI的兴起，仅靠企业自有数据中心里的上百台服务器，是无法实现的。”
此外，成熟的云战略还意味着更高的数据成熟度，这是成功实施AI项目的前提。
“如果你的云战略或实施不成熟，数据就会分散在各处，”Li表示，“如果数据质量差、治理不足，那么训练出来的模型也不会准确。”
混乱的云，做不好AI
其他云与AI专家也认同，云在AI成功落地中往往起到关键作用。数字化转型解决方案提供商UST的首席AI架构师Adnan Masood表示，这种关联是直接的。
“我还没有见过哪个AI项目能在混乱的云环境上顺利规模化，”他说，“团队或许可以在这种环境下跑出一个演示，但一旦进入生产环境，数据治理薄弱、集成脆弱、可观测性差以及计算成本失控等问题就会全面暴露。”
Masood认为，NTT DATA报告中反映的对云投入不足的担忧，正是当前市场的真实写照。
他补充说，尽管在某些特定场景下(尤其是强监管行业)，本地部署AI是可行的，但对大多数企业而言，云仍然是更优选择。
“企业在没有强大云战略的情况下，也可以做一些AI尝试——通常是封闭的助手、内部搜索或局部自动化流程，但要实现规模化的成功，概率很低。”他说，“在实践中，本地部署只有在管理层成熟时才可行——包括AI就绪的数据、编排能力、模型服务、可观测性、安全、灾备与治理，而这正是大多数企业的短板。”
AI与数据平台提供商EnterpriseDB的CTO Quais Taraki表示，云成熟度往往决定了AI是停留在试点阶段，还是能够成为真正的生产系统。
“云成熟度本身并非充分条件，但云成熟度更高的公司，通常拥有更现代的数据架构、更完善的治理、更强的跨环境互操作能力，以及能够支撑生产级负载的基础设施，不会在真实并发和数据规模压力下崩溃。”
不过，云投入并不等于云成熟。Taraki指出，一些在云上投入巨资的企业，仍然难以将AI试点转化为生产系统，因为它们缺乏支持实时、多环境工作负载的数据架构。
“将工作负载迁移到云上，并不会自动简化原本就碎片化的架构，”他说，“我们反复看到，只有当云投资真正打造出统一、灵活、具备治理能力的基础，让数据与AI能够协同运作、避免孤岛时，才会产生价值。”
错误的云投入方式
Taraki还指出，如果云投资导致运营复杂性上升、采用难以预测成本的定价模式，或因厂商依赖限制了应对新需求的能力，反而会阻碍AI发展。
“当云环境中的数据与系统治理架构是割裂的，团队会花大量时间在系统之间搬运数据、承受不可预测的成本，并处理不断累积的运营摩擦，”他说，“一旦AI进入自主阶段，从‘查询数据’转向‘基于数据行动’，这些问题会被成倍放大。”
原文链接：https://www.51cto.com/article/841007.html