Neue Umfrage zeigt: Wirtschaftsmodell der AI-Infrastruktur wird neu gestaltet

Die von WD gesponserte globale Studie zeigt, dass sich das wirtschaftliche Modell der AI-Infrastruktur mit der fortlaufenden Ansammlung und dem komplexen Wachstum von Daten neu gestaltet. Laut der neuesten Umfrage von IDC treibt AI nicht nur das rasante Wachstum des Datenvolumens voran, sondern verlängert auch die Aufbewahrungsdauer von Daten und reaktiviert die Nachfrage nach historischen Daten.

AI-getriebenes Datenwachstum

Die in Hongkong durchgeführte Studie hat ergeben, dass AI das strukturelle Wachstum der Nachfrage nach Datenspeicherung fördert. Von den befragten Organisationen gaben 94,7 % an, dass in den letzten 12 Monaten aufgrund der Verbreitung von AI und generativer AI die Menge der gespeicherten Daten kontinuierlich zugenommen hat. 61 % der befragten Organisationen verzeichneten ein Datenwachstum von 25 % oder mehr und erwarten, dass das Datenvolumen in den nächsten drei Jahren weiter wachsen wird.

Darüber hinaus gaben 85,4 % der befragten Organisationen an, dass die Kapazität ihrer Datenpools im vergangenen Jahr kontinuierlich gewachsen ist, während 59,4 % der Organisationen der Meinung sind, dass von AI generierte Daten der Hauptfaktor für das Wachstum der Datenpoolkapazität sind.

Verlängerung der Datenaufbewahrungsdauer

Die Umfrage stellte auch fest, dass fast 95 % der befragten Organisationen angaben, dass sich der Wert ihrer Daten nach der Einführung von AI erhöht hat. 74,3 % der befragten Organisationen haben die Aufbewahrungsdauer ihrer Daten verlängert, und 75,9 % der Organisationen bringen mehr archivierte Kaltdaten wieder online, um AI-Workloads zu unterstützen.

Laut der Studie erwarten 96 % der befragten Organisationen, dass sie archivierte Daten schneller abrufen müssen, um AI-Inferenz und die Verbesserung von generativen Anwendungen zu unterstützen.

Designanforderungen für AI-Infrastrukturen

Irving Tan, CEO von WD, erklärte, dass die Funktionsweise von AI auf Daten basiert und der Bedarf von Organisationen an großflächiger Speicherung, Verwaltung und Zugriff auf Daten weiterhin steigen wird. Diese Datenbasis wird eine entscheidende Rolle bei der Bestimmung des zukünftigen Entwicklungspotenzials von AI spielen.

Die Studie weist darauf hin, dass AI-Workloads während ihres gesamten Lebenszyklus Daten erzeugen, die auch nach Abschluss der relevanten Workloads weiterhin gespeichert werden und als Eingabedaten für zukünftige AI-Anwendungen dienen können. Mit dem Wachstum des Datenvolumens, der Verlängerung der Aufbewahrungsdauer und der Reaktivierung historischer Daten müssen Organisationen ein Gleichgewicht zwischen Leistung, Kapazität, Zugänglichkeit und Kosten-Effizienz finden.

Fazit

Ob es möglich ist, Daten kosteneffizient in großem Maßstab zu verwalten, ist nicht mehr ein sekundäres Anliegen der Infrastruktur, sondern wird zunehmend zu einem entscheidenden Faktor für den Erfolg oder Misserfolg von AI. Ein umfassendes Design des Datenlebenszyklus wird eine wichtige Überlegung für zukünftige AI-Infrastrukturen sein.