Equinix and Private AI: Safeguard data, maximize control

• 据 Equinix 首席信息官 Milind Wagle 称，私有 AI 允许企业利用 AI 技术，同时保护敏感数据并保持对知识产权的控制。
• 评估私有 AI 是否与组织的目标一致至关重要，尤其是对于在医疗保健和金融等高度监管行业运营的企业。
• 整合有效的数据管理策略，例如采用云邻近存储，以确保高效的数据传输并在私有 AI 实施中保持数据控制。

Equinix 首席信息官 Milind Wagle：了解如何在保护隐私并保持对数据的控制的同时利用 AI

虽然 AI 的优势显而易见，但企业需要采取谨慎的战略性方法，以在不危及其宝贵知识产权的情况下获得这些好处。这就是为什么许多企业选择构建自己的 AI 模型，将其托管在私有基础设施上，并仅使用专有数据集进行训练。这个概念被称为 私有 AI。

许多企业现在意识到，当它们将敏感数据输入到像 ChatGPT 这样的公共 AI 服务中时，这些数据就会集成到模型中。因此，未来任何使用该模型的人都可能接触到这些数据。OpenAI 的常见问题解答本身就建议用户不要与 ChatGPT 分享敏感信息，因为没有方法从用户的历史记录中删除特定提示。 另见: Ziggo集团任命领导人，备战2027年阿姆斯特丹上市.

借助私有 AI，可以在不损害隐私或数据控制的情况下从数据中获得业务洞察。继续阅读，了解您应该整合到战略中的 4 个要素，以便在私有 AI 领域取得成功。 另见: ECHOES 协会.

1. 评估私有 AI 是否与您的目标一致

首先，关键是要认识到，私有 AI 可能并不适合所有企业，尤其是如果它们缺乏针对其特定情况定义明确的成功愿景。对于在医疗保健和金融服务等高度监管行业运营的企业来说，私有 AI 的好处是显而易见的。它们明白有必要避免任何可能危及敏感数据的行为，这使得私有 AI 成为理想的选择。

非监管行业的企业可能仍然从私有 AI 中受益，但价值主张并不总是那么简单。这些企业必须权衡利弊：数据暴露的风险与在公共基础设施上使用 AI 对成本和灵活性的影响。一些公司被公共云解决方案所吸引，因为它们认为在访问可扩展的计算基础设施用于 AI 模型时更容易且更具成本效益。然而，访问公共云计算通常比预期更昂贵和复杂，主要是由于 高额数据出口费用。

如果公共云基础设施的所言好处未能超过潜在风险，那么您的企业很可能非常适合继续使用私有 AI。 另见: IT部门 - Athlok.

2. 将数据管理整合到您的战略中

在 AI 技术快速进步的过程中，值得暂停一下来承认一个基本事实：您的 AI 模型的质量取决于您输入其中的数据。这凸显了有效数据管理对于成功实施私有 AI 的重要性。 另见: Alejandro Estua.

您必须制定一项战略，以便有效地将正确的数据及时传输到适当的目的地。这是一个挑战，因为 AI 基础设施本质上跨越了各种地点： 另见: 亚历杭德罗·曼佐.

A.从所有应用程序（可能分布在混合多云架构中）收集数据来训练您的模型。 另见: 亚历杭德罗·埃尔南德斯.

B.在边缘（最终用户与 AI 模型交互的地方）部署推理工作负载，以确保数据源和处理站点之间的接近性，这对于最小化网络延迟至关重要。 另见: 亚历杭德罗·加尔萨.

C.在具有这些任务所需的大量计算能力的核心基础设施上部署训练工作负载。 另见: Alejandro Guerrero.

D.在不同工作负载之间建立灵活、高性能的网络，以便实现快速可靠的数据移动。

采用 云邻近存储方法可以帮助构建 AI 就绪的数据架构，使您能够在降低风险、成本和复杂性的同时，将公共云服务整合到您的私有 AI 战略中。这种方法让您拥有两全其美的优势：在需要时接近云以访问服务，同时保持与云分开的权威存储。这种级别的数据控制是有效私有 AI 战略的缩影。

3. 评估您的计算需求

AI 的指数级增长导致对强大 GPU 硬件的需求增加。制造商正在努力满足这一需求，但预计供应短缺将持续存在。有限的硬件可用性可能会阻碍您的私有 AI 目标。尽管如此，仍有一些策略可以绕过这个瓶颈并确保获得所需的计算能力。

另请阅读：MIT 衍生的 Akamai 和 Neural Magic 增强的深度学习 AI

虽然 GPU 通常与 AI 硬件关联，但其他现成的 CPU 可以满足要求较低的推理工作负载。事实上，您可以使用裸金属即服务解决方案，例如 Equinix Metal®，按需部署 CPU，而无需高昂的前期成本。

此外，对于需要 GPU 的工作负载，除了管理自己的硬件之外，还有替代方案。例如，Equinix 最近与 NVIDIA 合作推出了一项完全托管的私有云服务。该服务简化了先进 AI 基础设施的采购，捆绑了必要的托管、网络和托管服务以托管和运营该基础设施。该解决方案提供了公共云解决方案特有的灵活性，同时在私有环境中实现数据控制。

另请阅读：Equinix 为 NVIDIA 超级计算提供完全托管服务

4. 规划可持续性和效率

对 AI 热潮的可持续性影响的担忧是合理的。

AI 工作负载，特别是训练工作负载，可能非常耗能。为了减轻这些工作负载的碳足迹，优化效率势在必行。

数据中心的液冷技术创新提供了比传统空气冷却更节能的替代方案。在 Equinix，对液冷的广泛测试为其在支持生产工作负载中的采用铺平了道路。

此外，考虑工作负载放置对可持续性的影响至关重要。最佳放置意味着将工作负载定位在它们可以从当地电网获取碳密集度最低的能源的地方。与致力于投资可再生能源的数字基础设施合作伙伴合作，可以促进这一目标。

Equinix 正在朝着到 2030 年实现全球 100% 可再生能源覆盖的目标迈进。通过投资支持全球可再生能源项目的电力购买协议，Equinix 使客户能够可持续地开展 AI 计划。