Gartner：企業通過數據管理獲取AI價值的五大要素

DeepSeek R1的推出加快了大語言模型在生成式人工智能領域的商品化和多極化，使未來數據管理戰略的重點轉向了人工智能（AI）就緒度和數據主權。Gartner預測，到2028年，80%的生成式AI（GenAl）業務應用將在企業現有的數據管理平臺上開發，從而使部署的復雜度和交付時間降低50%。到2028年，50%的AI數據管理工作內容將是管理數據主權和多極化AI所帶來的偏見，使其至少符合三個地區的法規。

圖1 企業數據-AI平臺的價值金字塔

DeepSeek將其R1模型做成開源模型并顯著降低了推理和訓練成本，引領了大語言型格局的變革。其實在DeepSeekR1推出之前，大語言模型的價格在過去兩年中就已大幅下降。

Gartner高級研究總監顧星宇表示：“這些創新勢必引發一波成本和能耗下降，進一步壓低大語言模型價格，加速模型的商品化。這一戰略性舉措不僅使大語言模型更加觸手可及，而且促進了AI技術格局的全球演變。在這種情況下，特定的大語言模型將不再被視為企業取得GenAl成功的關鍵差異點。相反，其他企業難以獲得或復制的獨特內部數據將成為AI之旅成功的唯一競爭優勢。”

AI提供商的多極化給各企業機構帶來了數據管理挑戰，包括更復雜的數據主權和合規要求以及對影子AI和偏見的數據治理。企業必須積極加強數據管理戰略，以降低風險并充分利用AI演進動態帶來的機遇。

模型提供商的多極化需要更加穩健和合理的數據主權和合規管理

作為一家中國公司，DeepSeek利用其特定的訓練數據，滿足了中國及周邊市場特有的語言、文化和監管要求。這種方法建立了一個獨特的“極點”，使其區別于美國流行的GPT-4和Gemini，特別是在法律、政治、文化和技術方面，其中許多與數據有關。這種多極化引起了人們對AI治理和偏見的擔憂，特別是在全球政治環境不確定的情況下。

Gartner研究副總裁孫鑫表示：“多極化生態系統有助于打破壟斷控制，鼓勵創新和韌性，但同時也需要有系統的數據管理框架，以及與數據生態系統供應商建立強有力的伙伴關系，以確保符合數據合規和數據主權的要求。”

知識源與大語言模型的脫鉤已變得至關重要

一些GenAl的早期采用者已開始咨詢如何用DeepSeek R1替換現有GenAI應用中的大語言模型，這表明他們之前用的與大語言模型緊密耦合的GenAI應用正在成為沉沒成本。R1發布后不到兩周，OpenAl和Google就分別于2025年2月1日和2月5日發布了最新的大語言模型——o3 mini和Gemini 2.0。企業不應將任何特定大語言模型（包括DeepSeek R1）視為其GenAl計劃中的永久組成部分。

Gartner高級研究總監方琦表示：“數據和分析（D&A）領導者應該與AI領導者合作，采用更強健的架構，將大語言模型和企業內部知識源慢慢脫鉤。集中管理AI相關的數據戰略有助于減少知識孤島，從而在AI計劃規模擴大后提高數據治理的效率。”

將無監督AI使用作為企業運營的新常態

AI推理成本的大幅降低，減少了業務用戶與企業數據交互的障礙。圍繞DeepSeek的媒體宣傳已經導致員工不受管理地使用DeepSeek應用（如移動設備和聊天機器人）。AI正勢不可擋地涌向業務的每一個角落。在這種新常態下，以控制為重點的數據治理流程正迅速變得過時，并且會阻礙員工的數據驅動型創新。

數據編織領域的主動元數據，特別是運行時元數據（操作元數據和社交元數據）的管理，是使數據管理團隊始終處于企業數據使用前沿的關鍵方法。Gartner高級研究總監顧星宇表示：“為了應對這些挑戰，D&A領導者應優先考慮有助于跨平臺輸出和導入元數據的工具，從而支持更廣泛的協調和優化。評估當前的數據管理能力對于支持高級元數據功能，尤其是運行時元數據共享和元數據標準，以確保互操作性。”

擁抱云部署，獲得最佳數據-AI平臺

DeepSeek降低了推理成本，因此可以在各種基礎設施（包括本地甚至個人計算機）上進行部署。然而，云數據生態系統提供了獨特的優勢，包括以較低的前期成本試驗新數據管理技術的機會，以及快速適應新AI模式的能力。因此，當前總體趨勢仍然傾向于GenAI應用的云部署。

在考慮部署涉及內部數據的GenAl業務應用時，企業應同時評估云部署和本地部署，以確定最適合其需求的方法。

提升數據管理團隊的數據和AI素養，充分利用推理模型

DeepSeek R1仍然會產生幻覺，但其推理能力使人類能夠以更透明、更高效的方式檢查其輸出內容。這意味著，在數值預測、代碼開發、數據工程等重要業務流程中，GenAl的采用將逐漸增加，但要經過人工審查。

D&A領導者應該為這一變化做好準備，提高數據管理專家的技能水平，使其能夠使用由推理模型賦能的AI增強功能。