Gartner：企业通过数据管理获取AI价值的五大要素

DeepSeek R1的推出加快了大语言模型在生成式人工智能领域的商品化和多极化，使未来数据管理战略的重点转向了人工智能（AI）就绪度和数据主权。Gartner预测，到2028年，80%的生成式AI（GenAl）业务应用将在企业现有的数据管理平台上开发，从而使部署的复杂度和交付时间降低50%。到2028年，50%的AI数据管理工作内容将是管理数据主权和多极化AI所带来的偏见，使其至少符合三个地区的法规。

DeepSeek将其R1模型做成开源模型并显著降低了推理和训练成本，引领了大语言型格局的变革。其实在DeepSeekR1推出之前，大语言模型的价格在过去两年中就已大幅下降。

Gartner高级研究总监顾星宇表示：“这些创新势必引发一波成本和能耗下降，进一步压低大语言模型价格，加速模型的商品化。这一战略性举措不仅使大语言模型更加触手可及，而且促进了AI技术格局的全球演变。在这种情况下，特定的大语言模型将不再被视为企业取得GenAl成功的关键差异点。相反，其他企业难以获得或复制的独特内部数据将成为AI之旅成功的唯一竞争优势。”

图1：企业数据 – AI平台的价值金字塔

AI提供商的多极化给各企业机构带来了数据管理挑战，包括更复杂的数据主权和合规要求以及对影子AI和偏见的数据治理。企业必须积极加强数据管理战略，以降低风险并充分利用AI演进动态带来的机遇。

模型提供商的多极化需要更加稳健和合理的数据主权和合规管理

作为一家中国公司，DeepSeek利用其特定的训练数据，满足了中国及周边市场特有的语言、文化和监管要求。这种方法建立了一个独特的“极点”，使其区别于美国流行的GPT-4和Gemini，特别是在法律、政治、文化和技术方面，其中许多与数据有关。这种多极化引起了人们对AI治理和偏见的担忧，特别是在全球政治环境不确定的情况下。

Gartner研究副总裁孙鑫表示：“多极化生态系统有助于打破垄断控制，鼓励创新和韧性，但同时也需要有系统的数据管理框架，以及与数据生态系统供应商建立强有力的伙伴关系，以确保符合数据合规和数据主权的要求。”

知识源与大语言模型的脱钩已变得至关重要

一些GenAl的早期采用者已开始咨询如何用DeepSeek R1替换现有GenAI应用中的大语言模型，这表明他们之前用的与大语言模型紧密耦合的GenAI应用正在成为沉没成本。R1发布后不到两周，OpenAl和Google就分别于2025年2月1日和2月5日发布了最新的大语言模型——o3 mini和Gemini 2.0。企业不应将任何特定大语言模型（包括DeepSeek R1）视为其GenAl计划中的永久组成部分。

Gartner高级研究总监方琦表示：“数据和分析（D&A）领导者应该与AI领导者合作，采用更强健的架构，将大语言模型和企业内部知识源慢慢脱钩。集中管理AI相关的数据战略有助于减少知识孤岛，从而在AI计划规模扩大后提高数据治理的效率。”

将无监督AI使用作为企业运营的新常态

AI推理成本的大幅降低，减少了业务用户与企业数据交互的障碍。围绕DeepSeek的媒体宣传已经导致员工不受管理地使用DeepSeek应用（如移动设备和聊天机器人）。AI正势不可挡地涌向业务的每一个角落。在这种新常态下，以控制为重点的数据治理流程正迅速变得过时，并且会阻碍员工的数据驱动型创新。

数据编织领域的主动元数据，特别是运行时元数据（操作元数据和社交元数据）的管理，是使数据管理团队始终处于企业数据使用前沿的关键方法。Gartner高级研究总监顾星宇表示：“为了应对这些挑战，D&A领导者应优先考虑有助于跨平台输出和导入元数据的工具，从而支持更广泛的协调和优化。评估当前的数据管理能力对于支持高级元数据功能，尤其是运行时元数据共享和元数据标准，以确保互操作性。”

拥抱云部署，获得最佳数据 – AI平台

DeepSeek降低了推理成本，因此可以在各种基础设施（包括本地甚至个人计算机）上进行部署。然而，云数据生态系统提供了独特的优势，包括以较低的前期成本试验新数据管理技术的机会，以及快速适应新AI模式的能力。因此，当前总体趋势仍然倾向于GenAI应用的云部署。

在考虑部署涉及内部数据的GenAl业务应用时，企业应同时评估云部署和本地部署，以确定最适合其需求的方法。

提升数据管理团队的数据和AI素养，充分利用推理模型

DeepSeek R1仍然会产生幻觉，但其推理能力使人类能够以更透明、更高效的方式检查其输出内容。这意味着，在数值预测、代码开发、数据工程等重要业务流程中，GenAl的采用将逐渐增加，但要经过人工审查。

D&A领导者应该为这一变化做好准备，提高数据管理专家的技能水平，使其能够使用由推理模型赋能的AI增强功能。