【华为】人工智能行业迈向智能世界白皮书2024：数据存储，数据是数字化到数智化成功转型的关键要素_67页_27mb

报告摘要

《迈向智能世界白皮书2024-数据存储篇》总结

核心内容

《迈向智能世界白皮书2024-数据存储篇》围绕数据存储在数智化时代的重要作用展开，指出数据是实现从数字化到数智化成功转型的关键要素。随着AI大模型的成熟和多模态发展，数据的规模和质量直接影响AI的能力和应用效果。数据存储作为新时代的“新纸张”，在支持AI发展和行业智能化转型中发挥着不可或缺的作用。白皮书强调，数据存储需要具备高性能、高可靠、高扩展性、安全性和智能化能力，以应对AI带来的挑战和机遇。

主要观点

数据是AI发展的基石：AI的训练和推理依赖于大规模、高质量的数据，数据的规模和质量决定了AI的智能高度和应用成熟度。
数据存储是数智化的核心基础设施：数据存储作为数据处理的载体，需满足高效访问、高可靠、安全存储等要求，支持AI大模型的训练和推理。
数智化需要数据基础设施的演进：随着AI的发展，数据存储需从传统模式向AI-Ready的基础设施演进，包括存算分离、全闪存、存储内生安全、AI数据湖和训推一体机等。
数据效率提升是关键：数据访问效率、处理效率和存储效率是AI时代数据存储的核心指标，需在性能、扩展性、数据韧性、数据编织等方面持续优化。

关键信息

一、行业数智化趋势

金融行业：
- AI技术正在推动金融服务从办公辅助向业务决策转变。
- 金融机构面临海量数据管理、数据安全合规、数据共享等挑战。
- AI技术在智能营销、智能理财、信贷审批、智能客服等方面有广泛应用。
运营商行业：
- 电信运营商正在向科技企业转型，AI助力网络智能化和业务优化。
- 生成式AI为运营商提供高效网络运维和行业赋能能力。
- 面临数据资产盘活、AI开发成本控制和边缘应用拓展等挑战。
政务行业：
- AI在公共服务治理中提升效率和智能化水平，如出入境管理、税收监管、政务问答等。
- 面临数据共享、历史数据激活、敏感数据保护等挑战。
制造行业：
- AI提升智能制造，应用于CAD设计、需求预测、预测性维护、决策支持和售后咨询。
- 面临数据收集与分析、数据处理、数据安全等挑战。
电力行业：
- AI助力电力系统优化，如发电管理、负荷预测、安全巡检和隐患识别。
- 面临数据采集、数据安全和勒索攻击等挑战。
科研教育行业：
- AI在个性化教学、科研加速和疾病预警等方面发挥重要作用。
- 面临数据收集、数据安全和隐私保护等挑战。
行业数智化：
- 数智化是数字化和智能化的融合，数据是其核心纽带。
- 数据的规模和质量决定了AI智能的高度和应用的成熟度。

二、数据为纲：高质量数据和高效数据处理

数据觉醒：
- 唤醒历史数据，激活其价值，用于模型训练、趋势洞察和异常检测。
- 历史数据的格式、来源、处理方式等影响其在AI中的应用效果。
数据生成与合成：
- 数据生成需要考虑现场、格式、全流程、频率和未来留存周期。
- 数据合成通过统计分布、机器学习、生成式AI和随机算法等方式，帮助解决数据稀缺和隐私保护问题。
数据效率：
- 提升数据访问效率，以支持AI大模型的训练和推理。
- 需要从性能、扩展性、数据韧性、数据编织等维度优化数据存储。