撰文 | 李信馬
題圖 | AI生圖
在AI時代，數(shù)據(jù)已然成為關(guān)鍵生產(chǎn)要素，企業(yè)想充分發(fā)揮AI的潛力，數(shù)據(jù)治理是繞不開的核心環(huán)節(jié)。
不久前，亞馬遜云科技在北京召開的媒體溝通會上，圍繞著如何助力企業(yè)數(shù)智化轉(zhuǎn)型升級，亞馬遜云科技成長型企業(yè)及新興業(yè)務(wù)總經(jīng)理倪殿令進行了分享，尤其是有關(guān)數(shù)據(jù)治理，已經(jīng)成為企業(yè)數(shù)智化轉(zhuǎn)型升級的關(guān)鍵支撐，數(shù)據(jù)引擎和治理也是亞馬遜云科技在AI時代的核心優(yōu)勢之一。
拍攝：DoNews
他用了一個餐館的比喻，餐館有后廚，后廚每天要去采購食材，農(nóng)場把菜運回來后，需要把這些食材進行處理。亞馬遜云科技的Amazon EMR服務(wù)，原理就像把倉庫里所有的菜洗干凈、按歸類放好，切成適合炒菜的原材料。
“向量”就像采購回來的菜，把它洗凈、切片，如果要炒土豆絲，就切成土豆絲；如果是炒番茄，就洗干凈切成番茄塊。
這些處理好的食材存放在冰箱里，是按照類別存放的，冰箱就是支持向量存儲的，我們稱之為向量數(shù)據(jù)庫，如Amazon Aurora、Amazon RDS和Amazon OpenSearch。
深度學習的應(yīng)用，就像客人點菜——一個查詢（Query）來了。廚師把冰箱門打開，把菜品拿出來，再炒制后送出去，這就是AI應(yīng)用查詢的邏輯。
“所以大家理解，最重要的不是前端的模型，也不是前端AI的App來查詢，最重要的是底層的數(shù)據(jù)處理能力，以及向量數(shù)據(jù)如何存儲、DBMS數(shù)據(jù)如何歸類存儲的能力。在生成式AI應(yīng)用中，這部分的影響力超過90%。一家企業(yè)能否用好生成式AI，其使用的開源模型或微調(diào)（fine-tuning）模型的‘幻覺’程度，取決于企業(yè)數(shù)據(jù)量的大小和數(shù)據(jù)的質(zhì)量?！蹦叩盍钫f道。
下面的這張圖講的是AI應(yīng)用企業(yè)領(lǐng)域數(shù)據(jù)實施模式，可以進一步看到，數(shù)據(jù)為企業(yè)帶來的競爭優(yōu)勢。
拍攝：DoNews
先看右邊，最底層是大模型，然后掛上RAG（Retrieval-Augmented Generation）增強檢索。有時候外掛的效率很低，需要做微調(diào)。還是用比喻的方法來解釋，一個人從小幼兒園到大學，就像是模型訓練的過程，需要很長的時間去訓練思維模式。
畢業(yè)后到企業(yè)工作，企業(yè)進行上崗培訓，讓你了解行業(yè)知識，這就是微調(diào)（Fine-tuning）。
剛上崗的時候，老板給你指定一位老師，他在試用期6個月的時間里用最快的方式把他腦子里的精華告訴你，要怎么做事，這就是蒸餾——在特定的小范圍找到正確答案最快的方式。
再看左邊，將開源的非結(jié)構(gòu)化數(shù)據(jù)變成結(jié)構(gòu)化數(shù)據(jù)，再經(jīng)過Amazon EMR的數(shù)據(jù)治理，變成向量存儲，再用于調(diào)用，跟大模型結(jié)合。但對絕大多數(shù)企業(yè)來說，模型用的是開源或者買的，這終究是“別人的”，數(shù)據(jù)才是關(guān)乎企業(yè)能否用好深度學習真正重要的東西。
倪殿令和客戶交流時，對企業(yè)的管理者提出，可以通過“黃金三角”——場景、數(shù)據(jù)、人才——擁抱生成式AI。
首先，場景方面，企業(yè)需要找到既能創(chuàng)造價值，又適合用生成式AI解決的具體業(yè)務(wù)場景，比如智能客服、知識庫構(gòu)建、文生圖或文生文等，但針對業(yè)務(wù)的場景需清晰界定輸入、輸出及預期效果。
其次，數(shù)據(jù)方面，為模型選擇和模型適配的正確的工具，以及建設(shè)良好的數(shù)據(jù)基礎(chǔ)。“把底層的數(shù)據(jù)處理，包括結(jié)構(gòu)化的數(shù)據(jù)基礎(chǔ)夯實好，然后再通過跟大模型之間的調(diào)用關(guān)系把它動起來用好?！?/p>
最后，在整個數(shù)據(jù)治理的過程當中，要有相應(yīng)的人才，比如數(shù)據(jù)工程師、算法工程師，有人做模型適配，有人做調(diào)優(yōu)。
不難看出，數(shù)據(jù)治理被置于企業(yè)數(shù)智化轉(zhuǎn)型升級核心支柱的位置，當然，強調(diào)選擇“正確的工具”，多少也有云廠商“王婆賣瓜，自賣自夸”的原因在。不過在IDC發(fā)布的《IDC MarketScape: 中國面向生成式AI的數(shù)據(jù)基礎(chǔ)設(shè)施2025年廠商評估》報告中，亞馬遜云科技位居領(lǐng)導者類別，也佐證了亞馬遜云科技在數(shù)據(jù)治理方面的實力。
在AI時代，數(shù)據(jù)治理發(fā)揮著至關(guān)重要的作用，為生成式AI應(yīng)用提供了堅實的數(shù)據(jù)基礎(chǔ)，確保其準確性、穩(wěn)定性與可迭代性。隨著企業(yè)落地AI應(yīng)用的需求日益增長，可以預見，數(shù)據(jù)治理領(lǐng)域的技術(shù)創(chuàng)新也將不斷出現(xiàn)，助力產(chǎn)業(yè)界通過AI創(chuàng)造更多的價值。
注：文中圖片來自現(xiàn)場拍攝（有修正）及AI制作
