近日，日立集团 (TSE: 6501) 旗下专注数据存储、基础架构与混合云管理的子公司Hitachi Vantara最新的一项调查发现，随着AI在各行各业的迅速应用，41%的中国企业认为,与传统系统和数据的整合是他们在部署AI项目时最担心的问题，这可能影响到AI项目的成功与否。《Hitachi Vantara数据基础架构现状调查》报告进一步证实，数据基础架构和数据管理在驱动AI取得积极成果方面发挥着关键作用。

46%的中国受访者认同，“良好的项目管理和治理”是AI项目在中国取得成功的最主要原因。然而，AI的发展正导致中国企业所需的数据存储量大幅增长，预计将在未来两年内增长110%。这种显著增长加剧了将新的AI系统与现存的传统系统进行整合的挑战。

Hitachi Vantara委托第三方机构对来自全球15个国家的大型企业中的1,200名C级高管和IT决策者进行调研。调查发现，在采用AI过程中，大多数企业仅专注于安全性和可靠性风险，却忽视了基础架构管理、数据质量和可持续发展。有关中国市场的核心发现包括：

• 受访者表示，平均仅有30%的时间段内，他们能在需要时获取数据，同样，其AI模型的输出结果仅有30%是准确的。四分之三的受访者(75%)表示他们的数据是非结构化的,随着数据量的爆炸式增长，这会带来更大的风险。

• 很少有企业采取措施提升数据质量。超过三分之一(37%)的企业未对数据进行可视化标注；仅有38%的企业正在提高训练数据的质量，以解释AI的输出结果；30%的企业没有对数据集进行质量审查。

• 根据已有的风险来看，安全性成为企业普遍关注的首要问题。超过半数(52%)的中国企业认为，在实施AI项目的过程中，数据存储的安全性是其基础架构中最令人担忧的问题，比全球平均水平(37%)高出15%。此外，64%的受访者承认，重大数据丢失可能会对其企业运营造成灾难性影响，而还有74%的受访者则担心AI会为黑客提供更强大的攻击工具。

• 制定AI战略时缺少投资回报率(ROI)分析，或没有考虑可持续发展。仅有31%的企业将可持续发展列为部署AI的优先事项。相较而言，有更多一点的企业(39%)会优先关注投资回报率。

• 54%的IT领导者将准确性列为首要事项。

• 尽管训练大规模的模型比训练普通模型的耗能最高可多达100倍，仍有超过三分之二(71%)的大型企业致力于开发通用的大语言模型(LLM)，而非较小型的专用模型。

Hitachi Vantara中国区技术销售总监谢勇表示：“这份调研报告突显了中国企业迫切需要加强其IT基础设施建设以有效支持AI计划。数据的可用性和准确性对AI项目取得成功至关重要,但受访者仅对其中不到三分之一的数据拥有信心；同时，企业对数据存储安全的高度关注，表明我们需要改进数据管理策略以确保数据弹性和数据质量。此外，转向耗能更多的大型AI模型也彰显了采用高能效的基础架构、以平衡性能与可持续性的重要性。Hitachi Vantara致力于帮助企业应对这些挑战，为成功应用AI而构建强大、可持续的数据基础。”

数据基础架构是驱动AI成功的关键

尽管46%的受访者认为良好的项目管理和治理是推动AI取得成功的首要因素，但是很多中国企业缺少支持统一的数据质量标准的基础架构。超过三分之二(74%)的受访者会在非受控环境下实时测试和迭代AI，这在带来显著风险的同时还留下了潜在隐患。在中国的受访者中,没有人表示其所在企业会使用沙盒来控制AI实验，这导致人们对潜在的安全漏洞和错误的数据输出更加担忧。对此,现代基础架构提供了一种解决方案，它的设计更加节能,使得企业在提高性能的同时减少碳足迹。通过采用可持续的前沿基础架构，企业能够提高数据质量，降低风险，同时支持AI利于可持续发展。

Hitachi Vantara首席产品官Octavian Tanase表示：“企业希望与能够帮助其成长、提高效率或降低风险的合作伙伴展开合作。而我们正是为帮助他们化解风险而来，通过提供自动化服务，从而简化运营，帮助企业实现更高效率。如果企业能从数据中获得更多洞察，将更具竞争力的同时获得更好的发展。对于采用AI来说，如果不能为进行数据质量审查和测试部署一个稳健的基础架构，将会削弱它的潜力，因此企业在扩大AI应用之前应优先考虑建造一个稳固的数据基础。”

采用AI需要值得信赖的合作伙伴

另外，调查显示大多数中国的IT领导者已经认识到，企业在推进AI项目的过程中，需要第三方合作伙伴在关键领域提供支持，这些领域包括：

• 硬件——为了高效运行，硬件需要具备安全、全天候可用、高效率这几个特征，以满足可持续发展目标。调查显示，36%的IT领导者认为创建可扩展、面向未来的硬件解决方案需要第三方供应商的帮助。

• 数据存储和处理解决方案——有效的数据解决方案在强调安全性和可持续性的同时，还能够让用户更理解数据。调查发现，28%的领导者需要第三方帮助其减少冗余、过时或琐碎(ROT)的数据存储，25%在数据准备方面需要外部支持，31%在数据处理层面需要支持。

• 软件——安全、有韧性的软件在防范网络风险和确保数据的可访问性方面至关重要。32%的IT领导者需要第三方的专业知识来开发有效的AI模型。

• 人才——团队人员中使用AI的技能差距仍是一项障碍，目前有44%的领导者通过实验来培养员工采用AI的技能，还有28%的领导者依赖于自学的方式。