由于基础设施过于复杂，超半数AI项目被搁置

根据数据优化公司DDN委托开展、并与谷歌云及Cognizant合作发布的一份研究报告，过去两年中，超过一半的人工智能（AI）项目因AI基础设施的复杂性而被推迟或取消。

在受访的600名美国大型企业（员工人数1,000人以上）IT与业务决策者中，约三分之二表示其AI运行环境过于复杂，难以管理。

DDN首席执行官亚历克斯·布扎里（Alex Bouzari）表示：“放眼整个企业界，大家对部署AI的热情非常高涨，但问题在于支撑AI运行所需的基础设施、电力以及运营基础根本不到位。结果就体现在财务层面：IT项目延期、GPU利用率低下、电力成本飙升。正因如此，许多组织发现AI项目的经济账根本算不过来。”

这并非首份指出企业在AI落地方面遭遇困境的研究。麻省理工学院广受引用的“Project NANDA”研究发现，95%的组织从生成式AI投资中未能获得任何可衡量的回报。Gartner预测，到2027年底，将有超过40%的“智能体AI”项目被取消。Forrester则发现，25%原计划用于AI的支出将推迟至2027年，因为仅有15%的AI决策者报告其所在组织实现了EBITDA（息税折旧摊销前利润）的增长。

尽管DDN研究中约97%的受访决策者认为，其组织未来扩展AI必须依托云平台，但布扎里对此能否真正解决基础设施难题持保留态度。

他表示：“你在本地部署时遇到的挑战，同样会延续到云上。云环境同样需要统一的数据管理，也需要大规模的编排能力。因此，所有这些因素都必须纳入考量——IT组织内部亟需一场教育普及过程。”

成立于1998年的DDN，与AI领域的头部企业如英伟达、xAI和谷歌等均有合作，专注于优化数据在AI基础设施中的输入与输出效率。随着AI系统能耗与成本不断攀升，这一能力的重要性日益凸显。

布扎里指出，当前AI领域正出现明显的两极分化：一部分先行者早期大胆投入，已成功将试点项目转化为可盈利的产品，实现投资回报；而大量刚刚起步的企业却仍在基础设施的复杂性面前举步维艰。复杂的基础设施已成为阻碍AI广泛采用的关键障碍之一。

“我认为，推动这场‘教育进程’正是各类赋能者可以发挥作用的地方。比如像埃森哲和德勤这样的机构，以及熟悉如何为企业部署复杂、交钥匙式商业解决方案的渠道商，目前这条学习曲线正在加速上升，未来我们将看到AI采纳速度显著加快。”

他进一步强调，当讨论AI应用场景时，供应商和顾问不应再一味默认推荐客服聊天机器人这类用例，而应帮助客户发掘能够真正打通企业数据与AI能力的高价值应用。

“与其说‘我要把客服成本从营收的3.7%降到3.1%’，不如思考AI能带来的更深远变革，”布扎里说，“否则，我们就大大低估了AI真正的潜力。”