AI时代，为什么要做好数据治理？
撰文 | 李信马
题图 | AI生图
在AI时代，数据已然成为关键生产要素，企业想充分发挥AI的潜力，数据治理是绕不开的核心环节。
不久前，亚马逊云科技在北京召开的媒体沟通会上，围绕着如何助力企业数智化转型升级，亚马逊云科技成长型企业及新兴业务总经理倪殿令进行了分享，尤其是有关数据治理，已经成为企业数智化转型升级的关键支撑，数据引擎和治理也是亚马逊云科技在AI时代的核心优势之一。
拍摄：DoNews
他用了一个餐馆的比喻，餐馆有后厨，后厨每天要去采购食材，农场把菜运回来后，需要把这些食材进行处理。亚马逊云科技的Amazon EMR服务，原理就像把仓库里所有的菜洗干净、按归类放好，切成适合炒菜的原材料。
“向量”就像采购回来的菜，把它洗净、切片，如果要炒土豆丝，就切成土豆丝；如果是炒番茄，就洗干净切成番茄块。
这些处理好的食材存放在冰箱里，是按照类别存放的，冰箱就是支持向量存储的，我们称之为向量数据库，如Amazon Aurora、Amazon RDS和Amazon OpenSearch。
深度学习的应用，就像客人点菜——一个查询（Query）来了。厨师把冰箱门打开，把菜品拿出来，再炒制后送出去，这就是AI应用查询的逻辑。
“所以大家理解，最重要的不是前端的模型，也不是前端AI的App来查询，最重要的是底层的数据处理能力，以及向量数据如何存储、DBMS数据如何归类存储的能力。在生成式AI应用中，这部分的影响力超过90%。一家企业能否用好生成式AI，其使用的开源模型或微调（fine-tuning）模型的‘幻觉’程度，取决于企业数据量的大小和数据的质量。”倪殿令说道。
下面的这张图讲的是AI应用企业领域数据实施模式，可以进一步看到，数据为企业带来的竞争优势。
拍摄：DoNews
先看右边，最底层是大模型，然后挂上RAG（Retrieval-Augmented Generation）增强检索。有时候外挂的效率很低，需要做微调。还是用比喻的方法来解释，一个人从小幼儿园到大学，就像是模型训练的过程，需要很长的时间去训练思维模式。
毕业后到企业工作，企业进行上岗培训，让你了解行业知识，这就是微调（Fine-tuning）。
刚上岗的时候，老板给你指定一位老师，他在试用期6个月的时间里用最快的方式把他脑子里的精华告诉你，要怎么做事，这就是蒸馏——在特定的小范围找到正确答案最快的方式。
再看左边，将开源的非结构化数据变成结构化数据，再经过Amazon EMR的数据治理，变成向量存储，再用于调用，跟大模型结合。但对绝大多数企业来说，模型用的是开源或者买的，这终究是“别人的”，数据才是关乎企业能否用好深度学习真正重要的东西。
倪殿令和客户交流时，对企业的管理者提出，可以通过“黄金三角”——场景、数据、人才——拥抱生成式AI。
首先，场景方面，企业需要找到既能创造价值，又适合用生成式AI解决的具体业务场景，比如智能客服、知识库构建、文生图或文生文等，但针对业务的场景需清晰界定输入、输出及预期效果。
其次，数据方面，为模型选择和模型适配的正确的工具，以及建设良好的数据基础。“把底层的数据处理，包括结构化的数据基础夯实好，然后再通过跟大模型之间的调用关系把它动起来用好。”
最后，在整个数据治理的过程当中，要有相应的人才，比如数据工程师、算法工程师，有人做模型适配，有人做调优。
不难看出，数据治理被置于企业数智化转型升级核心支柱的位置，当然，强调选择“正确的工具”，多少也有云厂商“王婆卖瓜，自卖自夸”的原因在。不过在IDC发布的《IDC MarketScape: 中国面向生成式AI的数据基础设施2025年厂商评估》报告中，亚马逊云科技位居领导者类别，也佐证了亚马逊云科技在数据治理方面的实力。
在AI时代，数据治理发挥着至关重要的作用，为生成式AI应用提供了坚实的数据基础，确保其准确性、稳定性与可迭代性。随着企业落地AI应用的需求日益增长，可以预见，数据治理领域的技术创新也将不断出现，助力产业界通过AI创造更多的价值。
注：文中图片来自现场拍摄（有修正）及AI制作
(来源：DoNews)
