详细内容或原文请订阅后点击阅览
None
None
来源:OSP网站大数据新闻来源：rawpixel.com (CC0)
根据 K2 NeuroTech 的一项研究，在实施人工智能的期望和实际准备水平上，65% 的受访者指出高层管理人员的要求与公司的实际能力之间存在明显差距。 56% 的参与者将其数据环境评估为部分准备好或尚未准备好满足新的监管要求，52% 的参与者认为当前的 IT 基础设施要么需要进行彻底的现代化改造，要么尚未针对人工智能工作负载进行评估。
专家们特别关注持续存在的管理不确定性：28%的受访者尚未针对AI场景进行负载规划，45%的受访者通过定性标准甚至“凭感觉”来评估AI管理的有效性。
正如分析师指出的，俄罗斯公司高达 70% 的人工智能实验从未达到可持续的工业用途。主要原因是人工智能工作负载的基础设施发展速度比项目本身慢：缺乏可扩展的计算资源、数据驱动的循环、内置模型维护流程以及相关的安全循环。雄心壮志与实际基础设施准备情况之间的差距成为 2026 年人工智能计划发展的主要障碍。
在此背景下，企业正在尝试通过架构灵活性来弥补不足：62% 的企业已经专注于将自身能力与云相结合的混合模型。 31% 的参与者已经使用混合方法来训练和推理人工智能模型，另外 31% 的参与者认为它在战略上是最佳的。位居第二的是云解决方案和托管人工智能服务，而21%的受访者直接表示他们没有足够的能力，这是人工智能项目的主要限制。