作者：Brian Letort，Digital Realty 数据办公室和人工智能平台主管

当今的企业领导者正在寻求面向企业的人工智能 (AI) 解决方案，旨在提高运营效率、降低运营成本、改善战略决策并支持客户参与。

Gartner预计，到 2026 年，将有超过 80% 的企业通过应用接口 (API) 或部署应用来使用生成式 AI - 与 2023 年的不到 5% 相比，将会有大幅增长。然而，随着人们对数据隐私的关注日益增加，企业需要 AI 解决方案来保护客户和公司数据及资产的安全。

私有 AI 便能提供这种解决方案。以下将分别介绍什么是私有 AI，为什么它能让关注数据隐私的组织受益，以及 IT 领导者如何最大限度地采用私有 AI。

什么是私有 AI？

如今流行的生成式 AI 模型，如 ChatGPT 和 Copilot，可以帮助企业完成许多任务，如分析数据、与客户互动、助力输出匹配应用等。

然而，这些 AI 模型对用户数据的去向和使用方式缺乏透明度，这引发了人们对隐私的担忧。急于使用生成式 AI 模型的企业领导者可能没有意识到，私人敏感信息可能会与第三方共享或被用于 AI 训练。

但是，企业领导者现在可以选择使用私有 AI 架构，将查询和请求限制在公司内部数据库、SharePoint、API 或其他私有资源上。这种方法通常结合了检索增强生成 (RAG) 技术，安全地与大型公共模型进行交互，并提供针对特定组织的响应。

有了私有人工智能，企业可以利用 AI 和大型语言模型 (LLM) 的优势，同时确保输入数据的安全。

私有 AI 与公有 AI

我们已经达到了一个临界点，AI 已经足够先进，可以被广泛采用，日益民主化的趋势正在改变企业和社会。但是，我们必须看到 AI 模型所能做的事情，以及它是如何训练的、它的数据来自哪里以及这些数据存放在哪里。

如今的公共生成式 AI 模型都是在公共数据集上训练出来的，例如，GPT-3 就是在 CommonCrawl 数据集的 45 TB 数据上训练出来的。¹它们还将根据用户提交到模型中的新数据继续接受培训。

这给那些希望推出 AI 计划，但又担心知识产权和客户数据泄露的公司带来了挑战。输入公共 AI 模型的信息随后会被存储在第三方数据库中，并提供给第三方供应商。企业领导者认为，采用生成式 AI 的最大风险首先是不准确性 (56%)，其次是网络安全风险 (53%)、知识产权侵权风险 (46%) 以及个人隐私风险 (39%)。

了解数据安全价值的企业正在寻找能够确保隐私、控制和效率的解决方案，其中之一就是私有 AI 模型。

检索增强生成 (RAG) 如何促进私有 AI 的发展

采用私有 AI 并不意味着企业必须从零开始构建自己的内部 ChatGPT 和基础 LLM，才能保持数据的私密性。RAG 旨在使用 AI 的同时维护安全性、合规性、隐私和数据主权。

AI 模型首先要查询公司内部数据库、文档库和其他系统信息，而不是查询公共数据集，就像查询公司内网一样。一旦 AI 检索到这些结果，它就会将其附加到查询中，并将其发送给公共模型。有了 RAG，企业可以保护数据安全，防止数据被公开使用，同时还能从复杂的公共 LLM 中获得有力的回应。

各组织还可以在此基础上更进一步，将自己的组织数据添加到公共 AI 模型中，并根据公司的具体数据对模型进行微调。当然，这比 RAG 更昂贵、更复杂，但我们很可能会看到企业在未来采用这种方法。

为什么当今企业应该采用私有人工智能

对于正在研究新的企业 AI 解决方案的 IT 领导者来说，私有 AI 可以带来多种好处，包括

数据隐私：私有 AI 的最大优势在于数据隐私，因为它为那些优先保护敏感信息安全的组织提供了一种采用 AI 的方法。
增强可控性：私有 AI 增强了对企业数据使用方式、访问方式和访问者的可控性。与将内部数据发送到可能会暴露的公共模型中相比，企业可以保持对数据的控制，并在需要的地方设置防护栏。
快速便捷：通过私有人工智能，组织可以轻松地通过自然语言界面查询内部后台系统（数据库、客户关系管理 (CRM) 和企业资源规划 (ERP)），通过自动化流程快速高效地从数据中获取洞察和答案。
合规性： 通过控制数据的位置和使用方式，企业可以确保遵守隐私法律法规，如《健康保险便携性和责任法案》 (HIPAA)、《加州消费者隐私法案》(CCPA) 和《通用数据保护条例》(GDPR)。
客户信任： 考虑到 85% 的消费者希望在购买前了解公司的数据隐私政策，如果公司不清楚如何保护客户数据，46% 的消费者会考虑更换品牌，企业可以通过私有 AI 提高数据隐私，从而增加客户信任度。
竞争优势： 随着组织建立 AI 功能，它们可以通过促进创新和建立客户信任来获得竞争优势。基于内部数据，在特定领域里创建大型语言模型，可以作为 “知识中心”，进一步增强竞争优势。

企业如何启动和扩展私有 AI

要想创造让私有 AI 基础设施茁壮成长的最佳环境，就必须做好准备工作并提高认识，其中包括以下第一步：

从数据质量入手： IT 领导者可以从确保企业数据质量入手，因为 AI 需要良好的数据才能高效运行。数据应干净整洁、条理清晰，并尽可能是最新的或者接近实时。这可能意味着要实施新的数据管理和数据清洗工作。
创造合适的环境：在为采用人工智能准备基础设施时，59% 的企业领导者表示，他们只做了一般准备、稍微准备或完全没有准备。²将AI 想象成云计算，它需要增加计算、网络和存储基础设施。AI 对功率密度的要求可能是传统数据中心的十倍以上。

利用高性能计算 (HPC) 基础设施来运行 AI 应用，特别是高密度主机代管解决方案，它可以支持高效的私有 AI 基础设施所需的电力、安全性、冷却和合规性要求。

为减轻数据重力问题，应采用分布式方法在边缘处理数据。利用全球私有数据结构中的私有 AI 交换，将互联性和数据传输到更广泛的人工智能基础设施、数据集、服务和网络生态系统中。

在 IT 领导者考虑这些私有 AI 的需求时，他们还应该考虑传统的 IT 基础设施是否能够支持私有 AI，如何将其集成到传统系统中，以及是否需要投资新的平台或基础设施来支持不断发展的私有 AI 目标。
组建团队，与专家合作：IT 和工程团队将为私有 AI 产品收集和准备数据。在发展 AI 模型的过程中，无论是构建自然语言界面、简单的网络应用还是机器人，IT 领导者可能还需要 AI 或软件工程师。 

考虑到数据隐私和访问管理的原因，IT 安全团队应参与规划。IT 领导者在制定 AI 战略时，还应利用正确的合作伙伴生态系统，并从外部寻找了解 AI 所需的独特基础设施的专家作为合作伙伴。

为企业 AI 的未来做好准备

无论是文本生成、客户服务，还是分析和决策，IT 领导者都在寻找通过生成式 AI 安全使用私人数据的方法。

随着 AI 解决方案通过现成产品或 SaaS 产品得到越来越广泛的应用，私有 AI 将成为优先考虑数据隐私并希望保护其资产、知识产权和客户安全的组织的发展方向。

企业 AI 的发展就在我们眼前。要了解如何让您的 IT 基础设施面向未来，请阅读我们的最新白皮书：《面向 IT 领导者的 AI》。

脚注：
1. Brown, T., 等人，语言模型几乎是零样本学习器，2020 年 7 月 22 日。https://arxiv.org/pdf/2005.14165.pdf
2. Deloitte LLP，《德勤企业生成式人工智能在企业中的现状第一季度报告》，2024 年 1 月。https://www2.deloitte.com/content/dam/Deloitte/us/Documents/consulting/us-state-of-gen-ai-report.pdf

什么是私有 AI？优先隐私保护的创新