工业格局正在发生转变。传统上，代工厂将原材料转化为基本部件，工厂组装产品。然而，新兴的人工智能工厂和代工厂现在代表了一种产品创造和创新的新方法。
　　
　　这些新创造将从根本上改变软件开发、资源消耗和管理。这种转变正在影响企业的运营方式及其提供的价值。
　　
　　利用生成式人工智能(GenAI)释放生产力
　　
　　公司越来越多地利用GenAI来提高生产率。例如，HitachiVantara利用GenAIcopilots和大型语言模型(LLM)来支持客户服务、营销和销售团队。
　　
　　麻省理工学院和斯坦福大学的研究表明，GenAI可以让客户服务代理每小时多解决14%的问题。此外，GenAI还推动新员工和经验不足的员工的生产力提高了34%。在澳大利亚，每个行业和职业都从自动化程度的提高中看到了潜在的生产力提升，预计到2030年，教育、专业服务和金融服务将受益最多。1
　　
　　GenAI和AI也在重塑软件开发和功能。借助GenAI，软件工程师可以显著提高生产力。
　　
　　麦肯锡的研究表明，借助GenAI，开发人员可以在一半的时间内记录代码功能以实现可维护性，在近一半的时间内编写新代码，并在近三分之二的时间内优化现有代码（代码重构）。
　　
　　企业还将AI和机器学习(ML)集成到他们的软件中，从而实现基于实时客户洞察和用例（而不是静态规则）的数据驱动决策。
　　
　　为AI时代准备IT基础设施
　　
　　随着组织采用GenAI以及嵌入AI和ML的软件，他们需要确保其IT基础设施拥有必要的功能和灵活性。这为与值得信赖的合作伙伴合作升级和现代化数据中心提供了机会。
　　
　　应该认识到，没有任何一个实体拥有成功实现AI和GenAI所需的所有硬件和软件。这需要在整个产品生命周期和业务运营中建立高度集成的流程。
　　
　　公司和主要合作伙伴还必须确保遵守所有相关法规，并在整个供应链中实施最佳实践。这包括遵守适当的流程并对材料和制造流程实施制衡。
　　
　　它还需要遵守软件设计最佳实践，并确保高效地运输和交付解决方案。协调和紧密集成至关重要，尤其是对于GenAI而言，它需要大量的计算和存储资源，如果不加以控制，可能会导致不受控制的计算成本、能源消耗和碳排放。
　　
　　优化效率和可持续性
　　
　　最近的一份报告强调，Nvidia的Blackwell芯片用于数据中心的单个版本消耗了惊人的1,200瓦电力。这比几年前高得多。
　　
　　GenAI以及支持GenAI应用的AI代工厂和工厂严重依赖计算能力、互连网络和海量数据集的存储。
　　
　　这需要进行与联邦快递的配送方式类似的优化。该公司不断优化路线并采取措施，确保及时配送，同时最大限度地减少燃料消耗、成本和碳足迹。
　　
　　然而，优化不仅限于效率。可持续性是一个日益受到关注的问题，企业必须找到利用AI和GenAI的方法，同时最大限度地减少对环境的影响。
　　
　　这可能涉及探索数据中心的替代冷却解决方案、利用可再生能源或采用节能的硬件和软件配置。
　　
　　为GenAI工作负载构建合适的基础架构
　　
　　虽然GenAI是一种新的工作负载（或工作负载套件），但了解它与传统工作负载相比具有独特的挑战至关重要。组织仍在学习如何围绕这些新工作负载最佳地调整其基础架构。
　　
　　构建合适的基础架构（云和本地系统的组合）需要广泛的分析和专业知识。与在部署和管理关键任务基础架构方面拥有良好记录的创新合作伙伴合作将使组织能够最大限度地发挥GenAI的价值。
　　
　　拥抱迭代过程
　　
　　优化GenAI是一个迭代过程，没有快速解决方案。采用简化基础架构和自动化的解决方案，并寻求具有从数据准备（包括数据清理和混淆）到可扩展、灵活且经济高效的数据存储、AI模型训练和推理等能力的合作伙伴。与在特定行业垂直和以数据为中心的工作流程方面拥有丰富经验的专家合作对于成功至关重要。
　　
　　AI和GenAI从根本上来说都是数据驱动的。拥有最相关、最完整的数据以及适当的数据基础设施来定位、保护和维护这些数据至关重要。这包括强大的数据治理实践，以确保数据质量、安全性和遵守相关法规。
　　
　　人工智能工厂的未来
　　
　　人工智能工厂的概念仍处于早期阶段，但它具有巨大的潜力，可以改变企业的运营方式和创造价值。通过采用GenAI、优化基础设施并优先考虑协作和可持续性，组织可以将自己定位为这一新兴领域的领导者。
　　
　　随着人工智能工厂和代工厂的发展，它们可能会在推动各个行业的创新、塑造商业和技术的未来方面发挥越来越重要的作用。
　　
　　编辑：Harris