如果人們認(rèn)為云計(jì)算將導(dǎo)致數(shù)據(jù)中心消亡，而人工智能項(xiàng)目注定要失敗，那么需要再考慮。

在技術(shù)界，有兩個(gè)主要的缺點(diǎn)：人們過(guò)于渴望迎接未來(lái)，具有諷刺意味的是，如果發(fā)展速度不如人們預(yù)期的那么快，就無(wú)視它。舉個(gè)例子，今天有兩個(gè)持續(xù)存在的誤區(qū)：第一，云支出正在使數(shù)據(jù)中心支出大打折扣;第二，人工智能過(guò)度炒作在很大程度上使企業(yè)購(gòu)買(mǎi)者失敗。

以下對(duì)此進(jìn)行一下整理。

誤區(qū)1：企業(yè)的數(shù)據(jù)中心注定要消亡

Gartner公司開(kāi)創(chuàng)了第一個(gè)誤區(qū)，分析師Dave Cappuccio認(rèn)為，到2025年將有80%的企業(yè)關(guān)閉其數(shù)據(jù)中心（而2018年則為10%）。但是Cappuccio給出了他的思考的一些扎實(shí)的理由：“隨著互連服務(wù)、云計(jì)算提供商、物聯(lián)網(wǎng)（IoT）、邊緣服務(wù)和SaaS產(chǎn)品的不斷增加，留在傳統(tǒng)數(shù)據(jù)中心拓?fù)浣Y(jié)構(gòu)中的原理將有優(yōu)勢(shì)有限?！?/p>

業(yè)務(wù)需要靈活性，但I(xiàn)T需要控制。答案？按企業(yè)的條件使用IT。

原因是數(shù)據(jù)引力。盡管這種引力作用了一段時(shí)間（如果數(shù)據(jù)存在于數(shù)據(jù)中心中，但是將其推送到云中進(jìn)行處理變得效率低下），但現(xiàn)在產(chǎn)生了相反的效果：越來(lái)越多的數(shù)據(jù)誕生于云中，并且將會(huì)在那里存儲(chǔ)、處理和分析。

但是數(shù)據(jù)中心并沒(méi)有消亡。

這是David Linthicum做的結(jié)論。Linthicum在Synergy Research Group對(duì)數(shù)據(jù)中心支出的分析中感到很高興，他指出：“在云計(jì)算增長(zhǎng)的同時(shí)，數(shù)據(jù)中心支出并未下降。盡管有預(yù)測(cè)說(shuō)云計(jì)算將迅速取代數(shù)據(jù)中心，但這還是可以做到的。大多數(shù)人認(rèn)為，在云計(jì)算上花費(fèi)1美元，將是在傳統(tǒng)數(shù)據(jù)中心上花費(fèi)的1美元。事實(shí)并非如此?！?/p>

當(dāng)然，企業(yè)的野心與現(xiàn)實(shí)可能會(huì)大相徑庭。

或者，就像Tyler Treat表示的那樣，“我見(jiàn)過(guò)其中一些企業(yè)。換句話說(shuō)，企業(yè)可能仍在為數(shù)據(jù)中心而苦苦掙扎，并且他們準(zhǔn)備移動(dòng)的準(zhǔn)備不足?！?/p>

但是，無(wú)論出于何種原因，仍然有這樣的情況，就像云計(jì)算一樣炙手可熱，大約97%的IT支出仍然保留在本地。這并不是要貶低云計(jì)算。這只是根據(jù)企業(yè)在遷移中的實(shí)際情況而定的水平。

誤區(qū)二：人工智能使企業(yè)失敗

Gartner公司分析師Nick Heudecker曾經(jīng)建議大約85%的大數(shù)據(jù)項(xiàng)目失敗。兩年后，IDC公司專注于與大數(shù)據(jù)相關(guān)的人工智能項(xiàng)目，并將失敗率定為50%（針對(duì)四分之一的受訪者）。

從這樣的調(diào)查數(shù)據(jù)中誕生了無(wú)數(shù)頭條，這些頭條基本上都在指出：“大多數(shù)人工智能項(xiàng)目都失敗了?！边@樣的頭條暗示著對(duì)人工智能背后的技術(shù)不成熟的指責(zé)。雖然毫無(wú)疑問(wèn)，人工智能將繼續(xù)發(fā)展，但基本真理卻有所不同。

一方面，正如分析師Lawrence Hecht表示，有時(shí)候，高管們?cè)谌斯ぶ悄芊矫孀龃笞鰪?qiáng)的雄心超出了企業(yè)的交付能力：“如果沒(méi)有基礎(chǔ)技術(shù)的需求，這些項(xiàng)目注定會(huì)失敗。是的，我知道需要管理人員來(lái)引導(dǎo)每個(gè)人進(jìn)行變更，但有時(shí)似乎只是為了變更。”問(wèn)題不是因?yàn)椤叭斯ぶ悄苁　?，而是因?yàn)槿藗儧](méi)有適當(dāng)?shù)貫樽约簻?zhǔn)備什么期望人工智能如何做。

畢竟，正如Vicki Boykis所言，進(jìn)入這個(gè)行業(yè)的數(shù)據(jù)科學(xué)家們準(zhǔn)備不足，但被過(guò)度炒作，他們已經(jīng)準(zhǔn)備好了去尋找成功之路。不幸的是，他們可能試圖用錯(cuò)誤的技術(shù)來(lái)解決錯(cuò)誤的問(wèn)題，她指出：“現(xiàn)實(shí)情況是，‘?dāng)?shù)據(jù)科學(xué)’從來(lái)沒(méi)有像現(xiàn)在這樣重視機(jī)器學(xué)習(xí)，而是重視數(shù)據(jù)的清理、成型和移動(dòng)?！?/p>

換句話說(shuō)，人工智能可能比想像的更基本。它還可能由于與該技術(shù)無(wú)關(guān)的原因而失敗。也許，也許這根本不是失敗。至少?zèng)]有其他IT項(xiàng)目如此。

根據(jù)Thomas Dinsmore的說(shuō)法，“與其他任何IT項(xiàng)目相比，人工智能項(xiàng)目失敗的可能性不會(huì)或多或少?！彼^續(xù)詳細(xì)解釋：

項(xiàng)目很少會(huì)失敗，因?yàn)榧夹g(shù)無(wú)法實(shí)現(xiàn)預(yù)期的目標(biāo)。項(xiàng)目失敗是因?yàn)橘I(mǎi)方希望技術(shù)無(wú)法交付的東西，或者組織在實(shí)施方面大失所望。人工智能項(xiàng)目與企業(yè)資源計(jì)劃（ERP）項(xiàng)目或任何其他IT項(xiàng)目相同。它們根據(jù)組織的項(xiàng)目管理流程而成功或失敗。

總而言之，過(guò)早地采用人工智能可能會(huì)很有趣，就像人們?cè)跀?shù)據(jù)中心消亡之前就試圖將其埋葬一樣。在每種情況下，從們都表現(xiàn)出一種可以理解的渴望，也希望盡快到達(dá)未來(lái)，然后在未來(lái)需要時(shí)間的時(shí)候不耐煩。在云計(jì)算和人工智能中，就像在許多其他事情中一樣，真相比任何標(biāo)題都能描繪的要微妙得多。