作者 |周文超，阿里云數(shù)據(jù)庫產(chǎn)品事業(yè)部AnalyticDB PostgreSQL及生態(tài)工具部負責(zé)人在數(shù)字化浪潮的推動下，企業(yè)正面臨前所未有的挑戰(zhàn)與機遇。數(shù)據(jù)與人工智能的結(jié)合，形成了強大的Data+AI力量，尤其在近期人工智能迅速發(fā)展的背景下，這一力量正在加速重塑企業(yè)的運營模式、競爭策略和市場前景，成為適應(yīng)變化、提升競爭力、推動創(chuàng)新的核心驅(qū)動力。本文將討論企業(yè)采用Data+AI平臺的必要性及其在企業(yè)智能化轉(zhuǎn)型中的作用。
人工智能（AI）的崛起和挑戰(zhàn)
人工智能（AI）誕生于20世紀50年代，自90年代以來隨著數(shù)據(jù)量的爆發(fā)式增長以及算力的不斷提升，AI被廣泛應(yīng)用于各行業(yè)，為社會帶來巨大機遇。AI提升了企業(yè)的決策效率和精準度，驅(qū)動創(chuàng)新，優(yōu)化運營，并助力組織變革和構(gòu)建競爭優(yōu)勢。麥肯錫調(diào)研顯示，2022年全球有50%的公司部署了AI，投資超過總預(yù)算的4%。生成式AI（GenAI）的崛起進一步推動了企業(yè)轉(zhuǎn)型，其在流程優(yōu)化、個性化服務(wù)等方面的應(yīng)用超越了傳統(tǒng)AI。企業(yè)正積極探索如何提升Gen-AI的ROI，預(yù)計到2030年，中國約50%的工作將實現(xiàn)自動化，標志著Gen-AI在推動業(yè)務(wù)模式轉(zhuǎn)型和價值創(chuàng)造中的關(guān)鍵作用。
AI雖然為企業(yè)帶來了前所未有的機遇，但在實際落地過程中，企業(yè)面臨著一系列挑戰(zhàn)，這些挑戰(zhàn)影響了AI技術(shù)在企業(yè)中的實際應(yīng)用和價值實現(xiàn)。
1. 數(shù)據(jù)質(zhì)量和治理問題：AI的應(yīng)用依賴于高質(zhì)量的數(shù)據(jù)，數(shù)據(jù)的“自由散漫”問題，即數(shù)據(jù)的不準確、分散性和新鮮度是制約AI落地的重要因素。
2. 數(shù)據(jù)資產(chǎn)與AI聯(lián)動問題：企業(yè)積累了大量數(shù)據(jù)資產(chǎn)，這些資產(chǎn)價值的釋放不僅依賴數(shù)據(jù)資產(chǎn)與AI的相互聯(lián)動（數(shù)據(jù)賦能AI，AI賦能數(shù)據(jù)），還依賴數(shù)據(jù)資產(chǎn)團隊和AI團隊間的協(xié)同，企業(yè)缺乏高效的聯(lián)動機制。
3. 技術(shù)門檻、成熟度和可靠性問題：盡管發(fā)展迅速，但AI落地仍然面臨高門檻和應(yīng)用成熟度的挑戰(zhàn)，擔心技術(shù)尚不成熟可能影響業(yè)務(wù)的穩(wěn)定性和安全性，高門檻影響AI場景的高效落地。
4. 成本、人才與組織問題：AI落地通常需要較高的初期投入，包括基礎(chǔ)設(shè)施投入、人才培養(yǎng)投入，如果涉及轉(zhuǎn)型還會有業(yè)務(wù)流程和組織上的變革，企業(yè)需要評估AI投資回報率，實現(xiàn)降本增效。
Data+AI的價值企業(yè)可通過采用Data+AI方案，有效應(yīng)對實施AI過程中的挑戰(zhàn)。
從托馬斯斯特爾那斯艾略特提出的DIKW模型（Data>Information>Knowledge>Wisdom）可知，數(shù)據(jù)是構(gòu)建智能的基礎(chǔ)。企業(yè)要實現(xiàn)AI的規(guī)�；透哔|(zhì)量應(yīng)用，必須依賴強大的數(shù)據(jù)支持，即采用Data+AI方案。德勤的調(diào)查顯示，28%的AI領(lǐng)先企業(yè)正利用Data+AI方案整合數(shù)據(jù)和AI，以實現(xiàn)高效、高價值的AI應(yīng)用。
Data+AI是指將數(shù)據(jù)和人工智能結(jié)合起來，以支持從數(shù)據(jù)收集和準備到模型開發(fā)、部署、監(jiān)控和治理的端到端工作流。
有了Data+AI，企業(yè)實施AI的挑戰(zhàn)將得到有效解決：
數(shù)據(jù)治理和質(zhì)量提升
Data+AI能夠提供統(tǒng)一的數(shù)據(jù)治理框架，確保數(shù)據(jù)的準確性和可用性，從而提高數(shù)據(jù)質(zhì)量。
數(shù)據(jù)和AI在一個平臺高效聯(lián)動
Data+AI能夠讓數(shù)據(jù)和AI團隊在一個平臺上進行協(xié)作，端到端的完成AI開發(fā)，數(shù)據(jù)管理為AI應(yīng)用提供高效數(shù)據(jù)支撐，而AI又能反向增強數(shù)據(jù)管理的智能化水平（例如借助LLM構(gòu)建Copilot等），進而形成Data和AI相互促進相互提升的良性循環(huán)。
有效降低技術(shù)門檻、提升AI成熟度和可靠性
Data+AI不僅提供經(jīng)過驗證的AI技術(shù)和服務(wù)，還以可視化、拖拉拽的操作方式降低技術(shù)門檻，同時企業(yè)借助于Data+AI生命周期的管理和運營能夠不斷提升AI成熟度和可靠性，幫助企業(yè)提升AI生產(chǎn)力水平。
減少基礎(chǔ)設(shè)施、人才培養(yǎng)和組織變革投入
Data+AI可采用云平臺構(gòu)建，并通過提供成本效益分析和自動化的AI應(yīng)用開發(fā)，幫助企業(yè)降低成本并提高投資回報。通過簡化AI的應(yīng)用，降低了對專業(yè)AI人才的依賴，各團隊使用同一個平臺和單一數(shù)據(jù)來源來執(zhí)行其工作，能夠促進跨部門合作和知識共享，從而降低人才培養(yǎng)和組織變更投入。
Data+AI如何幫助企業(yè)
目前已有多個行業(yè)客戶采取Data+AI來實現(xiàn)AI場景的持續(xù)高質(zhì)量落地，下面是相較于傳統(tǒng)AI場景落地，借助Data+AI在構(gòu)建不同行業(yè)應(yīng)用時的表現(xiàn)。
1、提高應(yīng)用效果
Data+AI能夠?qū)崿F(xiàn)更高質(zhì)量的數(shù)據(jù)供應(yīng)，進而幫助AI產(chǎn)生更準確、更可靠的結(jié)果。例如，電商平臺通過分析高質(zhì)量的用戶行為數(shù)據(jù)，可以更準確的預(yù)測用戶購買習(xí)慣和偏好，從而提高轉(zhuǎn)化率和客戶滿意度。
2、支持高效決策
Data+AI能夠提供更實時、動態(tài)的數(shù)據(jù)，幫助AI快速適應(yīng)市場動態(tài)，提升決策效率。例如在零售行業(yè)，通過實時、動態(tài)的數(shù)據(jù)獲取，企業(yè)能夠借助AI更及時的發(fā)現(xiàn)銷售數(shù)據(jù)中的異常點和趨勢，為決策提供支撐。
3、增強個性化服務(wù)
Data+AI能夠從分散的數(shù)據(jù)中獲取完善的信息，幫助AI提供更準確的個性化服務(wù)。例如在游戲行業(yè)，根據(jù)玩家在各個游戲中的歷史反饋和行為模式，AI能夠更精準的識別玩家意圖，進而提供對應(yīng)的游戲服務(wù)。
4、提升服務(wù)效率
Data+AI能夠提供以業(yè)務(wù)域、個體等多種維度的數(shù)據(jù)和知識支撐，能夠降低AI應(yīng)用啟動門檻，提升服務(wù)效率。例如在金融行業(yè)，根據(jù)平臺內(nèi)的技術(shù)元數(shù)據(jù)和操作元數(shù)據(jù)生成可被大模型識別的知識并在大模型服務(wù)的過程中持續(xù)自動維護，借助于知識能夠有效降低冷啟動投入并提供更準確的結(jié)果輸出。
5、優(yōu)化企業(yè)成本
Data+AI能夠?qū)崿F(xiàn)多模的數(shù)據(jù)和數(shù)據(jù)>AI的全鏈路管理，進而加速AI服務(wù)過程，降低過程中的人力、管理、資源成本，實現(xiàn)企業(yè)成本優(yōu)化。例如在汽車行業(yè)，通過多模的數(shù)據(jù)管理結(jié)合全鏈路的Data+AI開發(fā)，能夠在加速智能座艙領(lǐng)域各類AI場景的構(gòu)建，降低研發(fā)投入。
企業(yè)走向Data+AI的關(guān)鍵Data+AI能夠幫助企業(yè)實現(xiàn)高質(zhì)量、規(guī)�；疉I應(yīng)用，是企業(yè)智能化轉(zhuǎn)型的核心驅(qū)動力。結(jié)合德勤關(guān)于企業(yè)人工智能應(yīng)用現(xiàn)狀報告和阿里云近期的最佳實踐來看，企業(yè)走向Data+AI的核心在于通過統(tǒng)一的平臺，實現(xiàn)數(shù)據(jù)和AI的深度整合，從而不斷提高企業(yè)的數(shù)據(jù)決策和AI應(yīng)用效率。該平臺需要支持以下能力：
多模數(shù)據(jù)管理
AI應(yīng)用通常會涉及到結(jié)構(gòu)化及非結(jié)構(gòu)化的數(shù)據(jù)使用，因此Data+AI平臺需要具備多模數(shù)據(jù)管理能力，方便企業(yè)在Data+AI開發(fā)過程中高效利用各種類型的數(shù)據(jù)。
端到端的Data+AI開發(fā)
Data+AI開發(fā)包括數(shù)據(jù)處理、模型構(gòu)建及大模型訓(xùn)練等環(huán)節(jié)。平臺需提供全面的開發(fā)工具，并實現(xiàn)從數(shù)據(jù)到AI模型的全流程管理，以確保數(shù)據(jù)與AI的深度融合。同時不同團隊能在統(tǒng)一平臺上高效協(xié)作，有效降低管理成本，提升開發(fā)效率。
統(tǒng)一Data+AI治理
為確保AI應(yīng)用的高效產(chǎn)出，平臺必須兼顧數(shù)據(jù)的準確性、可用性和安全性，同時注重模型的質(zhì)量和應(yīng)用的實際效果。因此，平臺需要涵蓋Data+AI的元數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量、安全性等治理能力。該平臺應(yīng)通過統(tǒng)一的治理方案，實現(xiàn)數(shù)據(jù)和AI的全面管理，以提升AI應(yīng)用的整體性能和可靠性。
多引擎適配
在AI領(lǐng)域，由于數(shù)據(jù)處理和算法需求的多樣性，單一引擎難以滿足所有AI應(yīng)用。因此，平臺需要能夠適配多種引擎，以便根據(jù)具體需求靈活選擇引擎，這對保證AI解決方案的效果和效率至關(guān)重要。
阿里云DMS +X：一站式Data+AI平臺在今年9月云棲大會上，阿里云瑤池數(shù)據(jù)庫重磅發(fā)布“DMS+X：統(tǒng)一、開放、多模的Data+AI數(shù)據(jù)管理服務(wù)”。
該平臺通過OneMeta和OneOps兩大創(chuàng)新，簡化了數(shù)據(jù)管理與AI開發(fā)。OneMeta統(tǒng)一了跨云的元數(shù)據(jù)服務(wù)，支持40多種數(shù)據(jù)源，實現(xiàn)多云和自建數(shù)據(jù)源的無縫集成。OneOps則整合了Notebook和Copilot，提供一體化的Data+AI開發(fā)環(huán)境，包括數(shù)據(jù)、機器學(xué)習(xí)模型及大型語言模型開發(fā)，可實現(xiàn)DMS+X一站式的Data+AI全生命周期管理。X代表任何數(shù)據(jù)引擎，如云原生數(shù)據(jù)庫PolarDB、云數(shù)據(jù)庫RDS、云原生數(shù)據(jù)倉庫AnalyticDB、云原生多模數(shù)據(jù)庫Lindorm等。在DMS+X之上，阿里云將助力企業(yè)數(shù)據(jù)以最快的速度擁抱AI，落地業(yè)務(wù)，產(chǎn)生價值。
未來展望未來Data+AI平臺將使數(shù)據(jù)與AI更緊密，推動企業(yè)AI建設(shè)實現(xiàn)飛躍。包括但不限于：
智能決策：利用數(shù)據(jù)和AI進行市場預(yù)測和客戶洞察，支持企業(yè)制定更及時、精準的商業(yè)策略。
個性化體驗：AI處理大數(shù)據(jù)，提供定制化服務(wù)，提升用戶滿意度。
自動化與效率：自動化流程提高運營效率，AI優(yōu)化資源配置，降低成本。
創(chuàng)新驅(qū)動：數(shù)據(jù)驅(qū)動創(chuàng)新，開發(fā)新產(chǎn)品，拓展市場。
安全性增強：AI監(jiān)控安全數(shù)據(jù)，預(yù)防網(wǎng)絡(luò)威脅，加強信息安全。
決策自動化：AI模型自動執(zhí)行決策，提高管理效率。
跨領(lǐng)域整合：整合不同領(lǐng)域數(shù)據(jù)，促進跨領(lǐng)域合作與創(chuàng)新。
Data+AI不僅會改變企業(yè)原有運營方式，同時還為企業(yè)提供了增長的新途徑。企業(yè)必須認識到Data+AI的重要性，并將其作為戰(zhàn)略實施重點，促進智能化轉(zhuǎn)型以保持競爭力和市場領(lǐng)導(dǎo)地位，在未來變化中，更好的抓住機遇，迎接新的機會。
了解更多阿里云瑤池數(shù)據(jù)庫為企業(yè)客戶提供一站式 Data+AI 開發(fā)和管理服務(wù)，助您高效、安全地挖掘數(shù)據(jù)價值，以數(shù)據(jù)驅(qū)動決策與創(chuàng)新。
