许多组织对人工智能和机器学习应用程序对其基础设施的需求准备不足，但他们准备投入资金来改变这种情况。
这只是我们从新研究中得出的几个结论企业之声:2019年人工智能和机器学习基础设施调查．近一半(45%)的企业表示，他们目前的AI基础设施将无法满足未来的需求(见图1)，这引发了一些问题:
•为什么?
•他们打算怎么做?
•他们准备好花钱解决问题了吗?
图1
为什么呢?
一般来说，数据是基础设施需要全面改革以大规模提供人工智能的原因，在我们的调查中，89%的受访者表示，他们预计使用机器学习工作负载的数据量将在明年增加，近一半的人预计将增加25%或更多。其中大部分增长将来自非结构化数据，因为人工智能和机器学习最具变革性的用例涉及从非结构化数据中获得洞察力，无论是文本、图像、音频还是视频。
他们打算怎么做?
企业明白，要想大规模利用人工智能，不仅仅是扩大现有基础设施的问题。需要新的基础设施来应对机器学习工作负载的需求，包括新的可扩展存储、专用加速器和低延迟网络。这些需要部署在不同的执行场所。
企业还表达了对其人工智能基础设施的各种担忧，从这些系统的安全性到数据管理功能的不透明性。彻底改造人工智能基础设施需要的不仅仅是购买更好的硬件;这将需要新的工具和架构范例的更新。
他们准备好花钱解决问题了吗?
是的，他们是。我们的调查显示，83%的受访企业表示明年将扩大人工智能基础设施预算，其中39%的企业预计将增加25%或更多。在基于云计算的人工智能平台上的支出将引领潮流，89%的受访者计划在明年增加在这方面的支出。
我们的《企业之声:人工智能和机器学习基础设施2019》调查包含了更多有关主题的数据，如支出决策者、机器学习过程中对基础设施造成压力的具体点、组织希望购买的人工智能特定基础设施组件类型、技能短缺最严重的领域，以及机器学习模型训练和部署的频率和地点。
想了解更多，请看这个免费市场洞察报告．
