作者 | David Linthicum

策劃 | 言征

現如今，沒有人懷疑AI的威力，但企業必須意識到，它也會導致部署過多的應用程序、擴展問題和成本超支。

我了解生成式AI的好處；我的背景是人工智能開發以及與企業和云架構的集成。然而，我也知道，有很多好處的地方，也有必須同時考慮的缺點。生成式AI也不例外，它的發展速度使得決定如何有效管理它并減少任何負面影響變得至關重要。

我提出了云計算專業人士需要理解和管理的生成式AI的三大缺點。

1、過多的云應用程序部署

這是我看到的最大問題。現在，我們可以讓生成的人工智能驅動的開發工具使用無代碼或低代碼機制快速構建應用程序。部署的應用程序數量（都需要管理）很容易失控。

當然，加快應用程序部署以滿足業務需求的速度是好的。90年代和21世紀初的應用程序積壓限制了業務，任何改進的方法都有利于業務，對吧？

但是，我看到了一種幾乎不計后果的應用程序開發方法。構建和部署這些系統所需的工作只需要幾天，有時甚至幾個小時。公司沒有對應用程序的整體角色進行太多的預先考慮，許多應用程序是為戰術需求而專門構建的，而且往往是多余的。CloudOps團隊正試圖管理三到五倍于他們應該管理的應用程序和連接數據庫的數量。整個混亂局面不會擴大規模，成本也太高。

2、擴展問題

生成式AI系統需要大量的計算和存儲資源，比目前提供的資源還要多。如何利用這些資源來推動更大的規模并不像打開更多的存儲和計算服務那么容易。

因此，必須進行一些思考和規劃，以尋找和部署更多資源，支持生成式人工智能系統的快速擴展使用。這通常取決于運營團隊以正確的方式部署正確數量的資源，而不會扼殺這些系統的價值或限制其能力。這里的權衡幾乎無休無止。

3、花錢如流水的超支

當我們忙于建立金融操作系統來監控和管理云成本時，我們可能會看到生成AI系統的資金開銷激增。你該怎么辦？

其實，這是一個商業問題，而非技術問題。公司需要了解云支出是如何發生的以及為什么發生的，以及回報了哪些商業利益。然后可以將成本包括在預定義的預算中。

對于那些對云支出有限制的企業來說，這是一個熱點。業務線上的開發人員，通常出于正當的商業原因，希望利用生成式AI系統。然而，正如前面所解釋的，它們的成本很高，公司需要找到資金和商業理由，或者兩者兼而有之。

在許多情況下，生成式AI是當下“酷孩子們”使用的東西，但它的成本往往不合理。生成式AI有時被用于簡單的戰術任務，而這些任務與更傳統的開發方法相比是可以的。自人工智能誕生以來，人工智能的過度應用一直是一個持續的問題；現實情況是，這項技術只適用于某些業務問題。但它很受歡迎，被炒作，因此被過度使用。

這些問題表明，隨著這項技術的成熟，需要更多的經驗。然而，這可能會對云運維產生負面影響，就像云剛開始興起時那樣。

原文鏈接：https://www.infoworld.com/article/3698451/cloud-based-generative-ai-wont-be-cheap.html