核心观点与关键数据
- AI潜力与挑战并存：尽管AI拥有巨大潜力并将在未来几年对各行各业产生重大影响，但企业在推进AI落地时面临诸多挑战，包括成本、数据隐私、集成、计算性能等。
- 六大常见AI业务挑战：
- 确定AI的商业价值：企业需要明确AI项目的期望成果，研究行业主流用例，并确定利益相关者对成功的标准。Gartner指出，49%的AI项目负责人难以估算和证明AI价值。
- 克服成本障碍：AI项目成本往往超出预期，企业需要明智投资，平衡开支并推动创新。英特尔® 至强® 处理器等CPU内置AI加速功能，可降低推理成本。云上，基于英特尔® 至强® CPU的虚拟机可提供足够性能，避免不必要的支出。
- 应对安全和隐私问题：企业需制定风险降低、信任框架和治理策略。基于硬件的安全技术，如英特尔® 至强® 处理器内置的安全引擎和英特尔® 酷睿™Ultra处理器，可增强数据保护。
- AI性能需求：AI工作负载将从云端转移至客户端，IT团队需确定合适的PC和数据中心架构。英特尔® 至强® 处理器提供AI加速功能，优化性能和能效。
- 将数据与AI相结合：企业需整合数据到AI工具和模型中。英特尔提供可扩展计算平台和软件选择，支持代理式AI、AI优化IT运营以及将数据与AI模型结合。
- 从原型设计到投产：将AI试点项目推广到整个业务运营范围是挑战。英特尔提供工具支持从CUDA迁移，并基于x86架构进行开发，简化部署和集成。
- 生成式AI趋势：企业对生成式AI（GenAI）充满期待，许多已启动或计划开展相关项目。Gartner调查显示，18%的企业领导者正在使用GenAI，47%计划在未来12个月内这样做。
- 关键数据：
- Gartner：49%深度参与AI项目的领导者表示其企业难以估算和证明AI价值。
- Gartner：18%的企业领导者正在使用GenAI，47%计划在未来12个月内这样做。
- 英特尔：采用英特尔® 至强®6能效核处理器可将机架整合比例提高3倍，四年内节省8万兆瓦时能源，减少3.4万吨二氧化碳排放。
- 英特尔：采用英特尔® 至强®6性能核处理器可将AI图像分类、生成式AI等计算密集型企业级工作负载的总体拥有成本降低20%至38%。
- 英特尔：英特尔® 酷睿™Ultra处理器支持多达99%的AI功能，与100多家ISV合作，提供300多项AI加速功能。
- ABI Research：英特尔在产品安全保障方面处于芯片行业前列。
研究结论
- 企业在推进AI落地时面临六大常见挑战，需要明确商业价值、克服成本障碍、应对安全和隐私问题、满足AI性能需求、将数据与AI结合以及实现从原型到投产的规模化。
- 基于硬件的安全技术和AI加速功能对于保护数据和提升性能至关重要。
- 选择合适的AI基础设施（本地或云端）和计算平台（CPU、GPU、AI加速器）对于控制成本和实现性能至关重要。
- 利用现有的AI模型、软件和开源生态系统可以加速AI项目开发。
- 基于x86架构进行AI开发可以简化部署和集成，并覆盖广泛的硬件生态。
- AI战略需要与业务战略协调一致，并定期评估和调整。
- 选择基于英特尔® 技术的计算平台可以帮助企业做好充分准备，应对各种AI模型、数据类型和不同环境，让AI为企业赋能。
