超越模型:真正的 AI 瓶颈在于存储
企业计算正在向智能体规模演进,全天候运行的 AI 智能体将带来不可预测的工作负载与新的基础设施挑战。为了支撑智能体高效发现和查询非分散数据,企业数据基础设施正向智能存储演进,将智能拉近数据所在地。CIO 必须构建集成了弹性计算、统一数据层与严格数据主权控制的现代化基础设施栈以应对这一转变。
企业计算正在向智能体规模演进,全天候运行的 AI 智能体将带来不可预测的工作负载与新的基础设施挑战。为了支撑智能体高效发现和查询非分散数据,企业数据基础设施正向智能存储演进,将智能拉近数据所在地。CIO 必须构建集成了弹性计算、统一数据层与严格数据主权控制的现代化基础设施栈以应对这一转变。
在 SAPinsider 的 Insiders Connection CEO Series 访谈中,主持人 Jamie Bedard 与微软 SAP 全球战略副总裁 Wael El Kabbany 探讨了 SAP 与微软合作的三十年历程及 AI、安全等议题。
Confluent 提出利用 AI 项目预算来优化企业的底层数据流,并与同行共同推出开源的 Streamhouse 架构概念,旨在为 AI 智能体和应用提供实时且可靠的业务上下文数据。该架构能够提供确定性的数据处理结果,从而减少大模型的 Token 消耗并提升智能体的运行效率。