AI在线 AI在线

AI生态系统如何改变商业应用

企业被战略优势、风险缓解、最大化AI投资价值、改善数据本地化以及降低延迟所驱动——同时优先优化成本和运营性能。 独立软件供应商(ISV)则被一套独特的业务和战略目标所驱动,这些目标聚焦于建立信任、满足客户需求,同时保护他们的知识产权(IP)和市场份额。 对于受监管行业而言,由于这些生态系统往往涉及第三方供应商和云平台,因此对AI合作伙伴和解决方案的审查需要更高的严格性。

AI生态系统如何改变商业应用

企业被战略优势、风险缓解、最大化AI投资价值、改善数据本地化以及降低延迟所驱动——同时优先优化成本和运营性能。

独立软件供应商(ISV)则被一套独特的业务和战略目标所驱动,这些目标聚焦于建立信任、满足客户需求,同时保护他们的知识产权(IP)和市场份额。

对于受监管行业而言,由于这些生态系统往往涉及第三方供应商和云平台,因此对AI合作伙伴和解决方案的审查需要更高的严格性。对AI主权的渴望远不止于政策层面的考量——它必须遵守严格的法律要求和AI特定立法,如欧盟AI法案,这对国家安全和经济利益至关重要,它们被AI开发、部署的关键推动因素以及全球访问和协作的影响所驱动。

所有利益相关者从在这些庞大生态系统中运营的企业软件市场中能获得什么?

对于企业而言:

• 更容易获得先进的AI能力。企业无需在基础设施或专业AI知识方面进行大量前期投资,就能更容易地获得一系列前沿的AI工具和服务。超大规模云服务商的市场提供了预训练模型、机器学习平台以及针对各种应用的AI驱动服务——所有这些都可以通过承诺的云支出获得,省去了供应商入驻周期。例如,一家B2C公司可以在超大规模云服务商的市场上轻松获得AI驱动的推荐引擎,以个性化客户体验并在“先试后买”证明其价值后增加销售额。

• 成本优化。与构建和维护内部AI基础设施相比,按使用量付费(PAYG)的定价模式可以带来成本节约,但云迁移工作可能仍需要前期投资,这些投资有时可以通过时间来抵消或分摊。一旦通过云进行现代化改造,企业就可以根据实际需求扩展其AI使用,并按照战略优先级调整实施速度,然而,请注意,成熟的治理是缓解PAYG许可模式下买家和供应商挑战所必需的。如果某个软件产品没有达到预期回报,很容易在市场上找到替代品,并“重新组合”你的技术栈以采用它。

对于ISV而言:

• 简化的上市策略。这些市场允许小型ISV成为集成计费、采购、物流和营销工具的一部分,简化ISV向更广泛受众提供其AI驱动软件和服务的方式,利用超大规模云服务商的能力,并管理跨多个市场的列表。

• 高度可扩展的基础设施能力。ISV可以在高度可扩展的基础设施上构建其解决方案,增强其产品的性能和可扩展性,同时专注于其独特的行业专业知识。

• 通过集成实现更快创新。ISV可以将其AI解决方案与市场上的其他服务集成,为客户创建更全面、更有价值的解决方案,这对企业业务应用市场来说非常有价值。即使ISVs采用横向增长策略,企业软件仍然面临着持续的挑战:1)跨应用集成具有依赖功能的能力 2)与关键业务工作流的互操作性 3)最终用户采用——无论是缺乏消费者级体验还是对直观交互的期望。“我们实际上是在支付凯迪拉克的价格,却只得到了福特平托的体验”这句话仍在企业会议室中流传。ISV,这是你们利用这些市场和生态系统来开发AI模型并创建解决这些挑战的AI解决方案的机会——使你们的解决方案成为企业大规模部署企业解决方案的关键资产。

对于受监管行业而言:

• 专注于特定行业需求。行业云针对政府和医疗保健等受监管行业的独特合规性、安全性和运营要求进行了定制,为部署AI解决方案提供了可信的环境。确保政府中的道德和AI主权是一个极具争议且复杂的辩论话题。新的选择不断塑造着这一领域,但目前还没有哪家公司占据头条新闻。

• 迫使人们更加关注治理、透明度和风险缓解。传统企业业务应用即使在AI带来的独特挑战加剧了治理和风险缓解的复杂性之前,也面临着“黑箱”问题。用户不了解软件的内部工作原理,调试和问题解决具有挑战性,第三方库和闭源组件的可见性有限。虽然现代平台生态系统加快了采购和部署速度,但它们无意中引入了围绕数据治理、模型监督和IP保护的复杂性。这些加速的网络迫使企业更快地行动,并以更强的治理进入市场。此外,围绕供应商责任和违规通知的严格合同条款对于满足合规性要求并使供应商对其承诺负责至关重要。

• 最大化互操作性和数据共享(附带保障措施)。AI可以促进不同机构或医疗保健提供者之间的安全和合规数据共享与互操作性,从而带来更好的见解和更协调的服务。

相关资讯

一文读懂为什么 Kubernetes 中需要 DRA (动态资源分配)机制

在现代云原生架构中,Kubernetes 已经成为企业动态资源调度的核心技术。 随着业务需求的复杂性和多样性日益增加,如何高效地在 Kubernetes 集群中分配和调整资源,成为提升系统弹性和利用率的关键课题。 动态资源调度通过智能化地分配 CPU、内存、GPU 等关键资源,不仅能够满足不同负载的性能需求,还能降低资源浪费,提高基础设施的投资回报率。
12/27/2024 4:30:42 PM
Luga Lee

GPU 资源调度:k8s-device-plugin 知多少 ?

Hello folks,我是 Luga,今天我们来聊一下人工智能应用场景 - 基于 k8s-device-plugin 机制所实现的 GPU . 资源动态调度。 近几年,随着大数据和人工智能技术的迅猛发展,AI 应用场景日益丰富,成为推动产业升级的重要驱动力。
12/17/2024 4:20:40 PM
Luga Lee

基于LangChain和云原生向量数据库Milvus开发混合搜索AI程序

译者 | 朱先忠审校 | 重楼本文将探讨基于LangChain框架和云原生向量数据库Milvus并将密集嵌入与稀疏嵌入结合起来开发混合搜索型AI程序的实战过程。 简介最近,我们——来自IBM研究中心的团队——需要在Milvus向量存储中使用混合搜索技术。 因为我们已经在使用LangChain框架,所以我们决定一鼓作气贡献出在langchain-milvus中启用这一功能所需的一切。
12/13/2024 8:32:28 AM
朱先忠
  • 1