การสำรวจล่าสุดเผย: โมเดลเศรษฐกิจของโครงสร้างพื้นฐาน AI กำลังถูกปรับเปลี่ยน

การศึกษาระดับโลกที่สนับสนุนโดย WD แสดงให้เห็นว่า ด้วยการสะสมข้อมูลอย่างต่อเนื่องและการเติบโตแบบผสมผสาน โมเดลเศรษฐกิจของโครงสร้างพื้นฐาน AI กำลังถูกปรับเปลี่ยน ตามการสำรวจล่าสุดของ IDC AI ไม่เพียงแต่ขับเคลื่อนการเติบโตของปริมาณข้อมูลอย่างรวดเร็ว แต่ยังขยายระยะเวลาในการเก็บรักษาข้อมูลและกระตุ้นความต้องการข้อมูลประวัติศาสตร์อีกครั้ง

การเติบโตของข้อมูลที่ขับเคลื่อนโดย AI

การศึกษาที่ดำเนินการในฮ่องกงพบว่า AI กำลังส่งเสริมการเติบโตเชิงโครงสร้างของความต้องการในการจัดเก็บข้อมูล ในกลุ่มองค์กรที่ถูกสำรวจ 94.7% ระบุว่าในช่วง 12 เดือนที่ผ่านมา ปริมาณข้อมูลที่จัดเก็บเพิ่มขึ้นอย่างต่อเนื่องเนื่องจากการใช้งาน AI และ Generative AI ที่แพร่หลาย 61% ขององค์กรที่ถูกสำรวจบันทึกการเติบโตของข้อมูลที่ 25% หรือมากกว่า และคาดว่าปริมาณข้อมูลจะยังคงเติบโตในอีกสามปีข้างหน้า

นอกจากนี้ 85.4% ขององค์กรที่ถูกสำรวจระบุว่าความจุของ Data Lake ของพวกเขายังคงขยายตัวในปีที่ผ่านมา ในขณะที่ 59.4% ขององค์กรเชื่อว่าข้อมูลที่สร้างโดย AI เป็นปัจจัยหลักที่ขับเคลื่อนการเติบโตของความจุ Data Lake

การขยายระยะเวลาในการเก็บข้อมูล

การสำรวจยังชี้ให้เห็นว่าเกือบ 95% ขององค์กรที่ถูกสำรวจระบุว่าหลังจากนำ AI มาใช้ มูลค่าของข้อมูลของพวกเขาเพิ่มขึ้น 74.3% ขององค์กรได้ขยายระยะเวลาในการเก็บข้อมูล และ 75.9% ขององค์กรกำลังนำข้อมูลเย็นที่ถูกเก็บรักษาไว้กลับมาใช้งานมากขึ้นเพื่อสนับสนุนภาระงาน AI

ตามการศึกษาพบว่า 96% ขององค์กรคาดว่าจะต้องการดึงข้อมูลที่ถูกเก็บรักษาออกมาอย่างรวดเร็วเพื่อสนับสนุนการอนุมาน AI และการค้นหาที่เพิ่มขึ้นสำหรับแอปพลิเคชันที่สร้างขึ้น

ความต้องการในการออกแบบโครงสร้างพื้นฐาน AI

Irving Tan ซีอีโอของ WD กล่าวว่า การทำงานของ AI ขึ้นอยู่กับข้อมูล ความต้องการขององค์กรในการจัดเก็บ จัดการ และเข้าถึงข้อมูลในระดับขนาดใหญ่จะยังคงเพิ่มขึ้น ข้อมูลพื้นฐานนี้จะมีบทบาทสำคัญในการกำหนดศักยภาพการพัฒนา AI ในอนาคต

การศึกษาชี้ให้เห็นว่า ภาระงาน AI จะสร้างข้อมูลตลอดวงจรชีวิต ซึ่งข้อมูลเหล่านี้จะยังคงถูกเก็บรักษาไว้หลังจากที่ภาระงานที่เกี่ยวข้องเสร็จสิ้น และสามารถเป็นข้อมูลนำเข้าสำหรับการใช้งาน AI ในอนาคตได้ ด้วยการเติบโตของปริมาณข้อมูล การขยายระยะเวลาในการเก็บรักษา และการกระตุ้นข้อมูลประวัติศาสตร์อีกครั้ง องค์กรจำเป็นต้องหาสมดุลระหว่างประสิทธิภาพ ความจุ การเข้าถึง และความคุ้มค่า

บทสรุป

ความสามารถในการจัดการข้อมูลในระดับขนาดใหญ่ด้วยต้นทุนที่คุ้มค่าไม่ใช่เรื่องรองอีกต่อไป แต่กำลังกลายเป็นปัจจัยสำคัญในการตัดสินความสำเร็จหรือความล้มเหลวของ AI การออกแบบวงจรชีวิตข้อมูลที่ครบถ้วนจะเป็นข้อพิจารณาที่สำคัญสำหรับโครงสร้างพื้นฐาน AI ในอนาคต