|
6月27日,騰訊云與Gartner聯合發布《Data+AI 下一代數智平臺建設指南》,深度剖析生成式AI時代企業數據管理痛點,明確構建下一代數據智能平臺需重點發展的六大關鍵能力方向,并全景展示騰訊云Data+AI產品矩陣,為企業提供應對挑戰的一體化解決方案。 報告指出,AI時代企業競爭焦點正從“模型競爭”轉向“高價值數據資產競爭”——數據質量已成為 AI發展的核心瓶頸,企業亟需構建系統性數據工程能力,通過持續迭代優化數據而非頻繁調整模型來釋放AI潛能。 報告認為,傳統數據平臺在應對生成式AI需求時面臨顯著挑戰:大量非結構化數據沉睡、數據與AI開發割裂導致落地周期長、批處理難以滿足實時場景需求、跨部門數據標準不一引發治理困境與合規風險,以及業務人員獲取數據高度依賴IT導致響應遲緩。 Gartner研究表明,為其生成式人工智能(GenAI)應用程序部署檢索增強生成(RAG)管道的組織需要訪問非結構化數據,而非結構化數據占當今組織數據的70%到90%。預測到2027年,專注于多結構化數據管理的IT支出將占數據管理技術和服務總IT支出的40%。 為此,報告提出企業需構建Data+AI雙輪驅動的一體化平臺,其關鍵能力包括Data與AI技術的可組裝性、端到端全生命周期開發與業務集成、多模態數據處理與增強、統一元數據驅動的治理與合規等。 其中,數據與AI技術的可組裝性成為核心能力。面對大模型每3-5個月的迭代周期及向量檢索、湖倉一體等技術的快速演進,企業需構建“可插拔”架構。 同時,端到端全生命周期管理成為標配,開發需覆蓋數據處理、模型構建到業務集成全流程,如金融行業通過實時數據管道整合多源數據,實現風險模型快速迭代,將合規響應時間從月級壓縮至小時級。 多模態數據處理能力則決定價值上限,AI應用需融合結構化與非結構化數據,將文本、圖像、視頻等轉化為“智能燃料”,零售企業通過整合線上線下多模態數據構建360度客戶畫像,推動精準營銷效率提升30%以上。 此外,引入Agentic Analytics可實現智能自動化決策,例如通過AI代理識別并修復臟數據、動態追蹤數據血緣。 騰訊云致力于通過Data+AI技術深度融合,為企業構建高效智能的企業級基礎設施。其Data+AI能力以數據管理為核心,整合AI算力、數據存儲分析、數據治理、安全管理及AI模型訓練與實時決策等產品服務,提供從數據接入到智能應用的端到端解決方案。 根據2024年Gartner數據和分析治理調查,近一半的受訪者認為“難以在不同部門/業務單位之間標準化數據”是其組織面臨的最大D&A治理相關挑戰之一。 在具體實踐中,依托WeData一站式智能數據平臺,企業可無縫貫通數據到AI的全鏈路管理:數據側通過DataOps實現多源數據實時接入與自動化管道構建,內置智能質量監控攔截異常數據,結合統一語義層沉淀企業級指標與數據模型;AI側通過MLOps對接主流機器學習框架,支撐特征工程、模型訓練到在線推理的自動化流水線。 在統一的數據開發體驗之上,騰訊云打造的ChatBI與數據分析Agent還能大幅降低數據應用門檻。業務人員通過簡單對話可自動生成可視化報表,需求響應速度提升10倍;WeData Agent基于大模型主動執行任務,如自動修復異常數據管道、預測存儲瓶頸并提前擴容,展現代理型分析的落地價值。 未來, Data+AI平臺將向自然語言交互、AI自動化優化、生成式AI深度整合演進,Gartner預測,到2028年,80%的GenAI商業應用將在組織現有的數據管理平臺上開發,從而將實施復雜性和交付時間降低50%。 |
|
原標題: / 編輯: |
|