麦肯锡最近透露，北美和亚洲公司渴望采用人工智能，76% 的北美公司和 70% 的亚洲公司已经开始了人工智能转型。然而，麦肯锡建议，为了保持优势，领导者必须积极寻求转型。截至目前，不到 10%的亚洲组织已经找到了从多个 GenAI 用例中获取价值的方法。那些这样做的企业很可能会建立竞争优势。

人工智能在马来西亚的潜力

对于马来西亚，根据麦肯锡的数据， 《马来西亚国家人工智能路线图 2021-2025》预测，马来西亚约 4.4% 的基线经济增长率可以通过人工智能技术的战略整合额外获得 1.2% 的提振。这凸显了人工智能在显著提升国家经济发展轨迹方面的潜力。

基础设施挑战

GenAI 推动了 AI 的大部分发展，但它也需要巨大的计算能力、巨大的数据存储和先进的算法。这对能源消耗、成本、可持续性和性能有重大影响。传统基础设施不适合支持这些需求，因此进步必须与基础设施现代化齐头并进。需要进行转型以确保对 AI 的任何投资都得到最大化。

人工智能基础设施（包括服务器等硬件和用于支持人工智能应用的云基础设施）的支出相当可观，但增长速度低于 GenAI 的采用。到 2028 年，人工智能基础设施的复合年增长率 (CAGR) 将达到 14.7%（根据 IDC 的研究），这反映了云服务提供商早期的投资。人工智能硬件和基础设施即服务 (IaaS) 约占人工智能总体支出的 24%，凸显了其在实现人工智能能力方面的重要性。虽然 GenAI 备受关注，但人工智能基础设施支出对于支持更广泛的人工智能增长和应用仍然至关重要。

安全性和合规性功能作为标准

AI 模型处理大量数据。在部署 AI 解决方案的整个过程中，确保数据安全并保持符合监管标准至关重要。包括加密、强大的访问控制和符合全球数据保护法规（如 GDPR）在内的安全基础设施对于保护模型本身及其处理的数据至关重要。

AI 基础设施的设计不仅要考虑性能和可扩展性，还要考虑安全性。如果不能确保 AI 应用程序或其支持基础设施的安全，可能会导致数据泄露、监管罚款和客户信任度的丧失。一旦失去信任，几乎不可能再恢复。

云原生是人工智能转型的基础

为了满足 AI 日益增长的需求，企业必须采用云原生基础设施，其中包括强大的计算能力、高性能网络和存储、容器系统以及数据管理工具。云原生基础设施提供了支持 AI 日益增长的计算和存储需求所需的灵活性和可扩展性。传统基础设施难以处理现代 AI 应用程序的海量数据流和高性能需求。然而，云原生架构允许企业快速扩展其基础设施以适应不断变化的需求，确保他们拥有 GenAI 模型和其他数据密集型 AI 流程所需的计算能力。

云原生环境还支持高效部署、管理和更新 AI 应用程序所需的灵活性。这些平台旨在与 AI 开发工作流程无缝集成，使企业能够快速创新，而不受基础设施限制的阻碍。

可扩展、可靠且经济高效的数据管理基础设施

随着 AI 用例的增多，对可扩展且经济高效的数据管理和分析云基础设施的需求变得越来越重要。可扩展的 IaaS 和平台即服务 (PaaS) 产品可确保无缝存储、处理和访问数据，从而实现更快、更准确的模型训练。高效的数据管道、强大的存储解决方案和精简的检索系统对于管理模型训练所需的大量数据至关重要。创新的基础设施还允许针对特定用例定制和微调模型，从而提高 AI 应用程序的质量和相关性。

可靠的基础设施对于维持一致的用户体验也至关重要。停机和崩溃会削弱用户信任并扰乱运营。坚实的基础设施可最大限度地降低这些风险，确保高可用性和正常运行时间。

高效的 AI 基础设施不仅支持性能，还有助于管理成本。通过分布式系统、容器化和无服务器架构优化计算资源，企业可以避免在云或硬件资源上花费过多。成本效率对于在预算范围内扩展 GenAI 应用程序至关重要。

能源效率和可持续性日益重要

随着人工智能工作负载的增长，能源消耗和成本也在增长。人工智能模型（尤其是 GenAI）非常耗电，这引发了人们对其环境影响的担忧。企业越来越认识到需要节能基础设施来支持人工智能计划，同时控制碳足迹。绿色数据中心、可再生能源和节能硬件正在成为人工智能基础设施战略的重要组成部分。

优化电力消耗并投资可持续实践可以降低运营成本并帮助企业实现可持续发展目标。随着人工智能在全球范围内的加速应用，节能基础设施将成为企业将创新与企业社会责任和成本管理相结合的关键差异化因素。

随着人工智能的不断发展，企业必须应对当前的基础设施挑战，并预测人工智能格局的未来变化。这包括关注安全性和法规遵从性，以及技术和可持续性需求。实时决策、增强工作环境和对可持续性的不断增长的需求的融合意味着企业必须积极主动地制定基础设施战略。

落后的风险是真实存在的，但在这个人工智能变革时代，领先也是机遇。问题不再是是否投资于云基础设施现代化，而是组织能够以多快的速度实现飞跃以保持竞争力。