在聯(lián)想創(chuàng)投集團總裁賀志強看來，人工智能的未來不僅在于技術(shù)本身的進步，更在于其與各行業(yè)的深度融合，最終實現(xiàn)‘無處不在’的應用場景。而支撐這一愿景的核心基礎，正是數(shù)據(jù)處理和存儲服務。

人工智能從“工具”到“環(huán)境”的轉(zhuǎn)變
賀志強指出，早期的人工智能更像是一個獨立的工具或解決方案，解決特定場景的問題。但未來的趨勢是，AI將如同電力或互聯(lián)網(wǎng)一樣，滲透到社會生產(chǎn)與生活的每一個環(huán)節(jié)，成為一種基礎性的“環(huán)境”。從智能制造、智慧醫(yī)療、自動駕駛到智慧城市，AI將不再是一個外掛模塊，而是內(nèi)生于業(yè)務流程和決策系統(tǒng)之中。這種深度融合意味著AI需要更實時、更精準地理解并響應復雜多變的環(huán)境。

數(shù)據(jù)是融合的“燃料”，處理與存儲是“引擎”
實現(xiàn)深度融合的前提，是海量、多元、高質(zhì)量的數(shù)據(jù)流。無論是工廠傳感器傳來的實時工況數(shù)據(jù)，醫(yī)療影像數(shù)據(jù)，還是城市交通的連續(xù)動態(tài)信息，都是AI進行學習和判斷的“原料”。原始數(shù)據(jù)本身并無價值，必須經(jīng)過高效的處理——包括清洗、標注、分析、建模——才能轉(zhuǎn)化為洞察和智能。

這就對數(shù)據(jù)處理和存儲服務提出了前所未有的要求。賀志強強調(diào)，未來的數(shù)據(jù)處理必須具備“邊緣-云端”協(xié)同的能力。在邊緣側(cè)（如設備端、工廠本地），需要進行低延遲的實時初步處理和過濾，以應對即時決策的需求；在云端，則進行大規(guī)模的數(shù)據(jù)匯聚、深度訓練和模型優(yōu)化。存儲服務同樣需要革新，不僅要滿足海量非結(jié)構(gòu)化數(shù)據(jù)（如圖像、視頻）的爆炸式增長，還需要支持數(shù)據(jù)在不同層級（熱、溫、冷存儲）間智能流動，確保數(shù)據(jù)的安全、可靠和高效訪問。

行業(yè)深度融合帶來的新服務模式
隨著AI與行業(yè)結(jié)合得越來越緊密，單純提供通用算力或存儲硬件的模式將難以滿足需求。賀志強預見，未來的數(shù)據(jù)處理和存儲服務將演變?yōu)楦叨葘I(yè)化、與行業(yè)知識深度綁定的解決方案。例如：

• 在工業(yè)領(lǐng)域：可能會出現(xiàn)集成了行業(yè)工藝知識的“工業(yè)數(shù)據(jù)平臺”，能夠直接處理生產(chǎn)線的時序數(shù)據(jù)，預測設備故障，并優(yōu)化能效。
• 在醫(yī)療領(lǐng)域：安全合規(guī)的醫(yī)療影像數(shù)據(jù)存儲與處理服務，能在保護患者隱私的前提下，輔助醫(yī)生進行診斷和科研。
• 在自動駕駛領(lǐng)域：需要能夠處理連續(xù)不斷的海量傳感器數(shù)據(jù)（激光雷達、攝像頭等），并進行高并發(fā)模擬訓練的數(shù)據(jù)基礎設施。

這些服務將是“端到端”的，從數(shù)據(jù)的采集、傳輸、存儲、處理到最終AI模型的部署和更新，形成閉環(huán)。服務提供商需要深入理解行業(yè)痛點，提供軟硬一體、甚至包含咨詢服務的一站式解決方案。

挑戰(zhàn)與展望
盡管前景廣闊，但實現(xiàn)“無處不在”的AI仍面臨挑戰(zhàn)。數(shù)據(jù)隱私與安全、不同行業(yè)數(shù)據(jù)標準的統(tǒng)一、邊緣計算節(jié)點的成本與效能平衡、以及綠色低碳的數(shù)據(jù)中心運營等，都是亟待解決的問題。

賀志強認為，產(chǎn)業(yè)界需要攜手合作，共同構(gòu)建開放、安全、高效的數(shù)據(jù)基礎設施生態(tài)。聯(lián)想創(chuàng)投也正圍繞此方向，在邊緣計算、云計算、大數(shù)據(jù)、AI芯片等核心技術(shù)領(lǐng)域進行布局和投資，推動智能基礎設施的成熟。

人工智能的未來畫卷，將由無處不在的智能應用和其背后堅實、靈活、智能的數(shù)據(jù)處理與存儲服務共同繪就。這場深刻的融合，將真正釋放數(shù)字化轉(zhuǎn)型的巨大潛力，重塑千行百業(yè)的未來面貌。