夜雨聆风导语：如今，每一位首席信息官（CIO）的办公桌上，都堆满了关于人工智能（AI）的宏大计划。为了抢占先机，许多企业不惜重金启动各种 AI 试点项目。然而，当资金被疯狂抽调去填补 AI 的胃口时，一个致命的盲区正在显现——云计算的底座正在被严重忽视。
根据 NTT DATA 的最新报告，一场“拆东墙补西墙”的资源错配正在阻碍企业的 AI 进程。
一、🚨 尴尬的现实：超过一半的企业在“云端”落后
想让 AI 真正为业务创造价值？你不仅需要模型，更需要海量的数据和强大的算力，而这一切都建立在成熟的云计算能力之上。
但现实却非常骨感。调查显示：
只有区区 14%的组织处于“云成熟进阶阶段（cloud evolved）”，这才是让 AI 大放异彩的最佳土壤。
还有 34% 的组织自认云策略“成熟”。
这意味着，超过一半的组织在云能力上严重拖了 AI 的后腿——他们要么只是刚刚“启用了云”，要么完全是“云端新手”。
令人担忧的是，近九成的 IT 领导者（88%）已经意识到，云投资的匮乏将使他们的 AI、云原生和现代化计划面临巨大风险。尽管 AI 的胃口越来越大，但过去一年里，84% 受访者的云支出却毫无增长。
二、💸 “拆东墙补西墙”：资金错配的连锁反应
NTT DATA 总裁兼云计算与安全全球负责人 Charlie Li 一针见血地指出了问题所在：“为了做 AI，企业必须投入资金，但云端的预算却没有增加。结果就是，原本用于打地基的钱被拿去做了一堆华而不实的 AI 试点，最终只能是浪费。”
CIO 们正面临着一种无力的拉扯感：“等一下，我必须把云端的基础打好才能真正跑通 AI，但我现在没钱去弄云。”
如果没有成熟的云环境，企业的数据就会缺乏治理、标准混乱。用低质量的数据喂养出来的 AI 模型，注定只能产出不可靠的垃圾。
三、🏗️ “烂云”撑不起生产级 AI
很多专家都警告过，本地部署的 AI 也许能在特定场景下（比如作为受限助手或内部搜索）跑个 Demo，但想要大规模扩展？门都没有。
UST 的首席 AI 架构师 Adnan Masood 直言不讳：“我从没见过哪个 AI 程序能在混乱的云环境之上顺利扩展。在演示环境里或许可以，但一上生产线，薄弱的数据治理、脆弱的集成、糟糕的可观测性，以及失控的云资源成本，都会立刻让你原形毕露。”
即使是那些在云上砸了重金的企业，如果他们的云架构是碎片化的，同样会陷入泥潭。当 AI 变得越来越自主（Agentic AI），开始主动对数据采取行动时，系统间移动数据的摩擦和不可预测的成本，将成为压垮 AI 项目的最后一根稻草。
💡 结语：云与 AI 是双生子
与其说我们在投资 AI，不如说我们正在投资以云为核心的“数据生态”。
盲目追求 AI 试点，而忽视了支撑它的数据架构和云环境，就像是在沙滩上建高楼。CIO 们必须认清一个残酷的事实：云投资不能为 AI 让路，因为只有当统一、灵活、受控的云底座真正成型时，AI 才能摆脱“孤岛”，爆发出真正的生产力。忽视云计算？那你做 AI 只能靠运气了。
全文：忽视云计算？AI难有成事
大多数IT领导者担心他们的云计算支出跟不上AI（人工智能）的需求，更不用说弥补他们在云计算成熟度方面的差距以实现AI的成功了。
图源：Rob Schultz / Shutterstock
对于大多数组织来说，先进的云计算战略对于充分受益于人工智能至关重要。不幸的是，对于大多数CIO（首席信息官）来说，他们的组织仍然缺乏云计算能力和投资，无法推动高级部署。决定大力投资AI而牺牲云运营可能只会让情况变得更糟。
根据NTT DATA的一份报告，只有14%的组织处于“cloud evolved（云成熟进阶阶段）”阶段，这是实现AI成功的最佳水平，以云为导向的创新加速了业务转型，并且云原生服务嵌入到了核心战略中。
在接受NTT DATA调查的高级IT决策者中，另有 34% 的人认为他们的云计算方法“成熟”，这是低于“进化”的下一个水平，被定义为在业务部门中广泛且战略性地使用云计算，具有强大的治理、最佳实践和可扩展的工作负载。
这使得超过一半的组织在AI有效性方面落后于云成熟度曲线，超过四分之一的组织“启用了云计算”，近四分之一的组织是云计算新手。
无论CIO们在云成熟度曲线上处于什么位置，放弃云计算投资来为AI项目提供资金都可能带来问题。
近九成IT领导者（88%）担心其组织缺乏云计算投资将使他们的AI、云原生和现代化计划面临风险。尽管AI推动了更多的云计算使用，84%的受访者表示他们的云计算支出在过去一年中一直持平。
一、资金挪用与资源错配
NTT DATA的总裁兼云计算与安全全球负责人Charlie Li（查理·李）表示，该调查表明，随着组织重新分配资金用于AI试点，他们正在忽视云计算，而云计算是AI难题的一个重要部分。
他说：“云计算方面没有得到资金。令人沮丧的是，‘为了做AI，我必须在这里花钱，但我在这里没有钱，而我已经在AI上投入了很多钱。所以我最终在做一堆试点项目上浪费了很多钱。’”
Li（李）补充说，NTT DATA的一些客户有预算运行数十个AI试点项目，但CIO们没有得到任何新的资金用于云计算服务。
他说：“CIO坐在那里想，‘等一下，我必须在云计算方面做这些事情能做AI，但我没有钱去做。’”
李说，NTT DATA认为，由于AI对计算能力的要求，云计算服务对AI开发至关重要。
“你需要海量的数据和处理能力，”他解释道，“正是海量数据与超强算力真正导致了我们如今看到的生成式AI趋势的出现。你无法用自己数据中心里的100台服务器做到这一点。”
Li（李）补充说，由于云计算能够实现数据成熟度，因此运行成功的AI项目还需要一个先进的云计算战略。他说：“如果你没有成熟的云计算战略或实施，你的数据仍然缺乏治理、标准不统一。如果你有低质量数据，如果你数据治理不善，你训练的模型都不会准确。”
二、非成熟云环境无法支撑生产级AI
其他云计算和AI专家也认同，云计算在成功的AI部署中往往起着巨大的作用。数字转型解决方案提供商UST的首席AI架构师Adnan Masood（阿德南·马苏德）表示，这种联系非常直接。
他说：“我还没有看到一个AI程序能在混乱的云计算环境之上顺利扩展。当然，团队可以那样运行一个演示。但在实际生产中，薄弱的数据治理、脆弱的集成、较差的可观测性以及失控的云资源成本就会显现出来。”
Adnan Masood（阿德南·马苏德）在市场上看到的情况与NTT DATA的调查结果一致，受访者们担心云计算支出不足。
他补充说，虽然本地部署的AI项目在有限的情况下可以运行，特别是对于监管严格的公司，但大多数组织都从云计算方法中受益。
Masood（马苏德）说：“企业在没有强大云计算战略的情况下也能在AI方面取得一些进展——通常是一个受限的助手、内部搜索层或一个狭窄的自动化流程——但顺利扩展的可能性很低。实际上，只有当管理层成熟时，本地部署才有效——具备AI就绪的数据、编排、模型服务、可观测性、安全性、网络恢复能力和治理能力——而这正是大多数企业仍然落后的地方。”
AI和数据平台提供商EnterpriseDB的首席技术官Quais Taraki（夸伊斯·塔拉基）补充说，完全的云计算成熟度可能是将AI作为试点部署和作为操作系统部署之间的区别所在。
他说：“仅靠云计算成熟度并不完全足够，但在云计算成熟过程中走得更远的公司往往拥有更现代的数据架构、更好的治理、跨环境更强的互操作性，以及实际上能够在真实的并发量与数据规模需求下支持生产规模工作负载而不会崩溃的基础设施。”
然而，云计算支出不一定会带来云计算成熟度。Taraki（塔拉基）说，一些在云计算上大量投资的公司在将AI试点项目投入生产时也面临困难，因为他们没有支持生产AI所需的实时、多环境工作负载的数据架构。
他补充说：“将工作负载迁移到云计算上并不会简化在迁移之前就已经碎片化的架构。我们一直看到的是，当云计算投资创造一个更统一、灵活和受治理的基础，使数据和AI能够在没有孤岛的情况下协同运行时，它才会有所帮助。”
三、错误的云投资
Taraki（塔拉基）补充说，当云计算投资增加了运营复杂性，当它包含使高级分析和AI扩展难以预测的定价模型，以及当供应商依赖限制了他们对新要求的响应方式时，云计算投资可能会阻碍AI的发展。
他说：“当云计算环境的数据和系统治理架构支离破碎时，团队会花费太多时间在系统之间移动数据、承受不可预测的成本以及管理运营摩擦，而当AI变得自主并开始对数据采取行动而不仅仅是查询数据时，这些摩擦会加剧。”
作者：Grant Gross（格兰特·格罗斯）
