生成式AI在云中运行的难点与挑战
随着生成式AI的火爆，企业业务也在向人工智能与云架构结合的方向靠拢。很明显，云与AI结合，有诸多好处，但也存在缺点。所以，尽管生成式AI发展迅速，但如何更好地在企业应用场景落地，避免出现负面效果，这一点非常重要。
生成式AI可以推进云上开发进程？
在大多数人的认知中，认为生成式AI可以推进云上开发进程，很多企业可以使用生成式AI开发工具以及无代码、低代码的方式快速构建应用。理论上，的确是这样，生成式AI可以进一步推进云上开发效率，但前提是要有强大的管理能力。尤其在部署方式和数量上，如何有效进行控制，是一大挑战。
换个角度看，生成式AI可以满足业务快速上线需求，对业务来说是锦上添花的一件事，但也不是100%完美无缺。假如企业采用了一种近乎鲁莽的应用程序开发方法，只需要几天，有时甚至几个小时，就构建或部署了一套系统，那上线后的应用效果也不好说。因为，企业没有对应用程序的整体构建进行深度思考，最终导致项目失败。要知道，企业的很多应用程序，是要基于全公司的战略考量，要是只看个别需求，就快速上线业务系统，最终导致整个业务冗余，那意味着企业要花更多的时间、精力和更多的运维人员来支撑后面的运营。
说白了，生成式AI的错误使用，不仅带不来业务好处，还会早晨整个业务架构混乱，带来的运维成本也会更高。
系统可以快速扩展？
生成式AI在落地过程中，需要大量的计算和存储资源，但如何有效利用这些资源来撬动更大的业务价值，其实并没有想象的那么简单，不是把大量存储和计算服务堆叠在一起就可以了。
在寻找和部署更多资源以支持生成式人工智能系统的快速扩展使用方面，必须进行一些思考和规划。这通常落在运维团队的肩上，以正确的方式部署正确数量的资源，而不会破坏这些系统的价值或限制其功能，这其中的利弊权衡几乎无止无休。
这意味着，更快速的系统扩展能力，需要有更强大的运维团队来支撑！
成本超支问题，也是挑战！
当企业忙于部署智能化系统用来监控和管理云成本时，我们可以看到用于支持生成人工智能系统的资金也在激增。做企业IT负责人，应该如何决策？这是一个商业问题，而不是技术问题！
企业需要了解云支出是如何发生的，为什么会发生，以及云带来的商业利益是什么。然后，所有成本都要包含在预定义的预算中。
毫无疑问，对于限制云支出的企业来说，这是一个热点话题。业务线开发人员希望采用生成式AI系统赋能业务，通常是出于有效的业务原因。然而，正如前面所解释的那样，生成式AI的成本很高，公司需要找到资金或商业理由，或两者兼而有之。
在许多情况下，生成AI是前沿技术，但它通常不具有成本合理性。生成式AI有时被用于简单的战术任务，而这些任务在更传统的开发方法中是可行的。自人工智能诞生以来，这种过度关注一直存在;现实情况是，这种技术只适用于某些业务问题。但因为它很受欢迎，被大肆宣传，因此被过度使用。
这些问题表明，随着生成式AI技术的成熟，需要更多的经验。但重点需要关注的是，过度使用生成式AI，可能会对云操作产生负面影响，这种不好的影响会贯穿业务系统开发部署和后期运维的始终。