历经数十年的技术迭代与沉淀，人工智能(AI)技术在2024年迎来了跨越式进展，对人们的生活方式、工作模式，甚至是整个社会的运行方式都带来了深刻的变革。

  在科技日新月异的当下，唯有始终保持敏锐的洞察力，不断去探寻并精准把握未来的发展趋势，才有可能在激烈的市场竞争中脱颖而出，从而创造出更大的价值。

  如今，2024年已然悄然过去，2025年正徐徐拉开帷幕。那么，在新的一年里，AI技术将呈现出怎样的发展态势 ，企业又将如何借助AI技术的东风实现突破发展呢？

  在前不久举办的媒体沟通会上，Cloudera大中华区技术总监刘隶放分享了Cloudera对2025年科技趋势的独到见解。

  企业数据治理迎来哪些新变化？

  当前，无论是国内还是国外的企业，首要任务都是生存和发展。在追求高质量发展的今天，企业不再仅仅满足于粗放式的增长，而是更加注重如何从技术上获得实质性帮助。数据作为人工智能的燃料，在提高生产力方面发挥着关键作用。因此，无论是在公有云环境还是私有平台，高效管理从数据生产到分析的每一个环节都显得尤为重要。

  Cloudera立足当下市场的实际情况，提出了三大观察：一是随着数据存储量的增长，企业对数据的实时性、完整性以及结构化和非结构化数据处理能力提出了更高的要求。基于此，数据管理和分析的重点逐渐向能够同时高效处理海量数据和提供灵活查询能力的数据湖仓一体架构转变。二是数据中台、数据网格和数据编织等逐渐兴起，这将有助于企业更好地管理和利用数据，提升业务的智能化水平。三是随着人工智能的快速发展，可信的数据变得越来越重要。这就要求企业需要确保数据的合规性、授权利用以及构建可信的应用。

  “在今天这样一个市场环境之下，Cloudera将大举AI旗帜，从为AI提供数据，担当集中化且可信的数据中心，到探索AI平台的部署方式等诸多方面。并且，我们在云计算和私有云平台上均会实现相关功能的集成，并提供相应的技术支持。”刘隶放说道。

  AI与数据将碰撞出怎样的火花？

  基于此，Cloudera发布了2025年五大科技趋势预测，揭示了在未来一年生成式AI和AI Agent等创新技术的发展趋势。

  预测一：生成式AI热度减退，企业将采取更务实的AI策略

  众所周知，机器学习是人工智能的一个分支，而生成式AI又是人工智能领域内的一个特定部分。在生成式AI尚未成为焦点之前，机器学习算法已经在企业的日常运营中扮演了重要角色。

  随着对生成式AI的兴趣增加，企业开始评估自身的数据是否适合此类高级应用，并考虑当下发展阶段是否适合作出相应的投资。如果条件尚未成熟，企业可能会选择继续专注于机器学习方法，以提高生产效率和优化业务流程。

  除了数据之外，因素亦不容忽视，但是企业若要组建一个十几人、二十人的团队，工程师的聘用费用是相当昂贵的。所以，究竟是通过购买商业软件来开展相关工作，还是自行招聘团队去执行，这对众多企业而言着实是一道难题。

  从实践的角度来看，启动简单的生成式AI项目如问答系统相对容易实现，它允许员工进行初步训练并开发基础模型。这样的项目可以在企业内部安全可控地进行测试和迭代，同时有助于积累经验和建立内部知识库。然而，当涉及面向客户的外部服务时，则需要更加谨慎，以避免潜在的风险。这是因为现有的生成式AI模型可能在处理复杂或模糊问题时产生不准确的回答，即所谓的“一本正经地胡说八道”。

  因此，企业不应该羡慕市场上的生成式AI的火热态势，而应该先把基础打扎实。通过有计划的小规模试验，企业可以探索最适合自己的发展路径。

  预测二：AI智能体(AI Agent)将重塑商业决策

  AI智能体将迎来爆发式增长，将推动创新浪潮，改变实时问题解决和决策过程。AI智能体高效优化任务，迅速应对挑战，并实时灵活调整。这将促使企业构建事件驱动型架构，支持AI能够及时响应现实事件，从而彻底改变电信和物流等行业。

  “AI智能体的发展不仅增强了AI解决问题的能力，也使得其更加接近于人类的思维方式，”刘隶放表示，“预计2025年将有更多大型科技公司投入到这一领域，比如Cloudera与CrewAI的合作就是一个典型例子。CrewAI构建了一个包含多种AI智能体的生态系统平台，我们也正在将其集成进自己的框架内，同时与其他硬件制造商及软件开发商合作。”

  预测三：“全天候”AI为数据管理带来新挑战

  随着AI全面普及，其生成的数据量将呈现爆炸式增长。以中国南方某制造业企业为例，该企业对于电池信息的收集频率已从以往的每小时一次，转变为如今的每隔几分钟便收集一次，每年需收集多达50亿条数据，即便经过压缩，数据量仍高达10T。这一案例清晰地表明，企业正迫切寻求更先进的算法和更经济的存储方案，以满足AI技术对数据处理能力的需求。

  面对数量庞大且种类繁多的AI生成数据，企业如何从中挖掘出有价值的信息，成为亟待解决的问题。为了充分释放AI 潜力，企业需要强大的数据管理和多云策略来访问、存储和分析数据，无论数据是在本地、云中还是在边缘，都能提炼获取数据的最大价值。

  预测四：单纯的混合云架构已无法满足企业需求

  在2025年企业将致力于推动生成式AI的全面生产和规模化部署，单纯的混合云架构已无法满足企业需求，用于数据和分析的多云及混合能力将成为关键。随着混合环境的逐步扩展，企业的数据分布于本地、大型机、公有云和边缘等多种平台，生成式AI模型需要灵活部署到数据所在之处，确保数据和工作负载在业务内的无缝迁移，以产生高效洞察并满足企业需求。

  随着大量数据输入至AI模型服务中，安全和治理问题也日益凸显。德勤的研究指出，企业采用生成式AI的最大障碍是合规风险和治理问题。随着企业开始在本地或公有云中运行私有AI模型和应用，混合数据管理平台的需求日益增长。这类平台集成了本地与云数据源，因此具备更高的灵活性且支持更广泛的数据访问，在保障模型端点安全和治理的同时，赋予企业更强的控制力。

  预测五：私有大语言模型(LLM)将逐渐取代公有大语言模型，成为企业优选

  随着企业AI创新将在未来一年成为新的焦点，企业将逐步摒弃公有大模型，转而选择企业级大模型，以提供更加符合企业背景的精准洞察。

  刘隶放表示，在选择大模型时，合规性是企业首要考虑的因素。尽管企业可以采用当前流行的公有云算法进行训练，但训练过程中可能会遇到合规问题。

  在国内，但凡对隐私保护有所关注的企业，更倾向于在私有平台上进行操作。在此情况下，企业在选择模型时就具有了更大的灵活性，可以根据自身条件选择流行或经济的模型。若企业拥有GPU资源，可选用GPU模型;若资源有限，也可采用基于CPU或X86架构的模型。

  在此过程中，对隐私的保护已然变得极为关键。一方面，要考虑如何开展训练;另一方面，还需确保合规性，对于获取的他人的数据以及他人的知识产权，能否加以使用需审慎对待。所以，在训练数据以及数据产生环节，这都是需要着重考虑的事项。此外，在企业内部，诸如检索增强生成技术以及提示词技术等，都将会得到更好应用。

  值得一提的是，在2024年12月12日，Cloudera发布了7.3.1版本，其亮点之一是正式支持ARM芯片，从而在操作系统到硬件平台的各个层面，全面实现了信创适配。未来，Cloudera计划与国内客户紧密合作，在新的部署中集成ARM芯片，共同迎接更加节能环保、高效能的计算时代。

  写在最后：

  站在2025年新起点上，AI 技术无疑将继续引领科技变革的潮流，为企业和社会带来前所未有的发展机遇。作为数据、分析和人工智能领域的领先混合平台，Cloudera以前瞻性的视野和战略布局，持续推动技术创新与应用，引领行业迈向更加智能化的未来。