撰文 | 李信馬
題圖 | AI生圖

在 AI 時(shí)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(kāi)的核心環(huán)節(jié)。

不久前，亞馬遜云科技在北京召開(kāi)的媒體溝通會(huì)上，圍繞著如何助力企業(yè)數(shù)智化轉(zhuǎn)型升級(jí)，亞馬遜云科技成長(zhǎng)型企業(yè)及新興業(yè)務(wù)總經(jīng)理倪殿令進(jìn)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(jí)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(shí)代的核心優(yōu)勢(shì)之一。

他用了一個(gè)餐館的比喻，餐館有后廚，后廚每天要去采購(gòu)食材，農(nóng)場(chǎng)把菜運(yùn)回來(lái)后，需要把這些食材進(jìn)行處理。亞馬遜云科技的AmazonEMR服務(wù)，原理就像把倉(cāng)庫(kù)里所有的菜洗干凈、按歸類(lèi)放好，切成適合炒菜的原材料。

“向量”就像采購(gòu)回來(lái)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(lèi)別存放的，冰箱就是支持向量存儲(chǔ)的，我們稱(chēng)之為向量數(shù)據(jù)庫(kù)，如AmazonAurora、AmazonRDS 和AmazonOpenSearch。

深度學(xué)習(xí)的應(yīng)用，就像客人點(diǎn)菜——一個(gè)查詢(xún)（Query）來(lái)了。廚師把冰箱門(mén)打開(kāi)，把菜品拿出來(lái)，再炒制后送出去，這就是AI應(yīng)用查詢(xún)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(lái)查詢(xún)，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(chǔ)、DBMS數(shù)據(jù)如何歸類(lèi)存儲(chǔ)的能力。在生成式AI應(yīng)用中，這部分的影響力超過(guò)90%。一家企業(yè)能否用好生成式AI，其使用的開(kāi)源模型或微調(diào)（fine-tuning）模型的‘幻覺(jué)’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(shuō)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(shí)施模式，可以進(jìn)一步看到，數(shù)據(jù)為企業(yè)帶來(lái)的競(jìng)爭(zhēng)優(yōu)勢(shì)。

先看右邊，最底層是大模型，然后掛上RAG（Retrieval-Augmented Generation）增強(qiáng)檢索。有時(shí)候外掛的效率很低，需要做微調(diào)。還是用比喻的方法來(lái)解釋?zhuān)粋€(gè)人從小幼兒園到大學(xué)，就像是模型訓(xùn)練的過(guò)程，需要很長(zhǎng)的時(shí)間去訓(xùn)練思維模式。

畢業(yè)后到企業(yè)工作，企業(yè)進(jìn)行上崗培訓(xùn)，讓你了解行業(yè)知識(shí)，這就是微調(diào)（Fine-tuning）。

剛上崗的時(shí)候，老板給你指定一位老師，他在試用期6個(gè)月的時(shí)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(kāi)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(guò)Amazon EMR的數(shù)據(jù)治理，變成向量存儲(chǔ)，再用于調(diào)用，跟大模型結(jié)合。但對(duì)絕大多數(shù)企業(yè)來(lái)說(shuō)，模型用的是開(kāi)源或者買(mǎi)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(xué)習(xí)真正重要的東西。

倪殿令和客戶(hù)交流時(shí)，對(duì)企業(yè)的管理者提出，可以通過(guò)“黃金三角”——場(chǎng)景、數(shù)據(jù)、人才——擁抱生成式AI。

首先，場(chǎng)景方面，企業(yè)需要找到既能創(chuàng)造價(jià)值，又適合用生成式AI解決的具體業(yè)務(wù)場(chǎng)景，比如智能客服、知識(shí)庫(kù)構(gòu)建、文生圖或文生文等，但針對(duì)業(yè)務(wù)的場(chǎng)景需清晰界定輸入、輸出及預(yù)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)?！鞍训讓拥臄?shù)據(jù)處理，包括結(jié)構(gòu)化的數(shù)據(jù)基礎(chǔ)夯實(shí)好，然后再通過(guò)跟大模型之間的調(diào)用關(guān)系把它動(dòng)起來(lái)用好?！?/p>

最后，在整個(gè)數(shù)據(jù)治理的過(guò)程當(dāng)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(jí)核心支柱的位置，當(dāng)然，強(qiáng)調(diào)選擇“正確的工具”，多少也有云廠(chǎng)商“王婆賣(mài)瓜，自賣(mài)自夸”的原因在。不過(guò)在IDC發(fā)布的《IDC MarketScape:中國(guó)面向生成式AI的數(shù)據(jù)基礎(chǔ)設(shè)施2025年廠(chǎng)商評(píng)估》報(bào)告中，亞馬遜云科技位居領(lǐng)導(dǎo)者類(lèi)別，也佐證了亞馬遜云科技在數(shù)據(jù)治理方面的實(shí)力。

在AI時(shí)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(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，確保其準(zhǔn)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(zhǎng)，可以預(yù)見(jiàn)，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(guò)AI創(chuàng)造更多的價(jià)值。

注：文中圖片來(lái)自現(xiàn)場(chǎng)拍攝（有修正）及AI制作