本文作者：希捷科技全球副总裁中国区云及OEM业务负责人 孙良

　　AI工作负载日趋多元，数据正成为基础设施决策的核心驱动因素

　　长期以来，基础设施规划建立在相对稳定的技术环境之上：企业选定平台、完成技术验证、建立标准化架构，再以一致且高效的方式进行规模化扩展。

　　随着越来越多的AI项目从试点阶段走向实际生产，这套传统的规划模式正在发生改变。

　　如今，企业不仅要支持日益多样的工作负载、部署环境和业务需求，还要兼顾治理、合规和数据主权等要求。不同AI应用的部署方式也各不相同，有些运行在公有云上，有些则部署在本地或边缘端。

　　与此同时，技术加速演进，企业可选择的模型和部署方案比以往更加丰富。基础设施决策的重点，也因此从寻找一套统一的标准架构，逐渐转向如何保持足够的灵活性，以适应不断变化的需求。

　　AI工作流中的模型也变得更具可替换性。企业可以根据成本、性能或具体业务需求，为不同任务选择相应的模型。功能强大的AI模型正在进入更加广泛的应用环境，从超大规模基础设施延伸至本地设备。与此同时，基础设施提供商也在规划更加模块化、可替换的计算架构。

　　这些变化共同指向一个更广泛的趋势：AI基础设施正在变得更加动态，其规划和决策也越来越需要围绕具体的工作负载展开。而推动这一变化的关键因素，在很多情况下并非某一种技术或模型，而是数据本身。

　　数据价值正在发生变化

　　AI正在为数据在不同系统、工作流和应用之间的复用创造新的可能。不同应用对于数据存储位置、治理方式、访问权限、流转频率和留存期限有着不同要求。与此同时，隐私、数据主权、时延、经济性和运营等因素，也会进一步影响企业的架构决策。

　　这意味着，基础设施规划正在从以技术和部署模式为中心，逐渐转向以数据需求为导向。

　　过去，企业采集数据，主要是为了解答相对明确的业务问题。数据分析可以帮助企业预测未来结果，而需要回答什么问题，通常事先已经知道。

　　而在AI环境下，情况正在发生变化。客户交互数据、运营历史、治理记录、企业知识和业务背景信息，不再仅服务于某一个特定的应用或问题，而是可以在多个系统、工作流和应用之间不断复用、流转，从而产生新的价值。

　　与此同时，新的AI部署还会持续产生新的数据，这些数据又能够为未来的模型、工作流和业务决策提供依据。因此，数据的价值不再局限于解决当下的问题。今天留存的数据，正在成为未来业务价值创造的重要基础。

　　当数据比基础设施更长久

　　在与业界的交流中，我越来越清楚地看到一个趋势：数据的生命周期会远远长于用于处理数据的基础设施。 模型会迭代，基础设施会更新，应用也会不断变化，但数据会持续留存，并创造更多和更大的价值。

　　正因如此，许多企业开始通过将商用模型与自有数据相结合来创造新的价值。在这一过程中，数据能否被长期留存、有效治理、便捷访问并持续复用，正变得越来越重要。

　　当数据的生命周期超过承载和处理这些数据的基础设施时，企业自然会更加关注架构本身对数据留存和使用的适应能力。企业既希望能够更快采用新技术、更快完成基础设施验证，也希望现有架构能够灵活响应不断变化的需求，而不必每次随着技术更新都从头建设、部署。

　　我也观察到，业界对自适应基础设施模式的关注正在持续上升。这类模式能够减少不同技术层之间的刚性依赖，为企业保留更多选择空间，使基础设施能够随着工作负载、技术路线和业务优先级的变化持续调整。

　　随着AI日益深入企业运营，基础设施规划的基本原则和出发点也在发生变化。企业需要思考的，不再只是选择什么技术或部署哪一种架构，而是数据存储在哪里、如何治理、能够创造多长时间的价值，以及如何在不断增加的应用和工作负载中实现更高效的复用。

　　当数据成为AI时代持续创造价值的基础，围绕数据的长期价值构建正在变得更加灵活、可适应的基础设施，也正在成为企业构筑长期竞争力的关键所在。