行业核心观点 - 数据与基础设施问题正阻碍企业人工智能的实施 导致每年1080亿美元的人工智能支出被浪费 [9] - 超大规模云服务提供商正加速资本部署 计划今年将资本投资增加近40%以满足激增的人工智能服务需求 [4] 数据基础设施现状与挑战 - 数据蔓延和数据质量问题是阻碍人工智能广泛采用的最常见因素 [5] - 近四分之三的领导者认为 降低信息复杂性有助于扩展人工智能工具 [7] - 只有43%的美国领导者认为其公司拥有预测性或自动化的基础设施运营 [9] 企业人工智能投资与回报 - 拥有成熟数据资产的企业中 超过五分之四报告了人工智能投资回报 而被描述为“数据落后者”的企业中这一比例不到一半 [9] - 尽管存在数据限制 受访的信息技术领导者预计未来两年人工智能支出将增长76% [9] - 首席信息官通过现代化数据基础设施 设定明确的投资回报率基准并将人工智能视为操作系统而非实验 来最大化人工智能支出效益 [7] 行业投资趋势 - 超大规模云服务提供商在过去两年加速努力 计划使可用计算能力与飙升的人工智能服务需求相匹配 [4] - 追逐模型而不修复底层数据是浪费人工智能预算的最快方式 [6]