随着数据管理变得越来越复杂，现代应用程序扩展了传统方法的功能，AI 正在彻底改变应用程序扩展。
除了将操作员从需要仔细监督和额外资源的过时、低效方法中解放出来之外，AI 还支持实时、自适应地优化应用程序扩展。最终，这些优势结合在一起，提高了目标应用的效率并降低了成本。
凭借其预测功能，AI 可确保应用程序高效扩展，从而提高性能和资源分配，这标志着与传统方法相比的重大进步。
在欧洲人工智能与大数据博览会之前，MongoDB的欧洲、中东和非洲一代AI高级解决方案架构师Han Heloir讨论了AI驱动应用程序的未来以及可扩展数据库在支持生成AI和增强业务流程中的作用。
随着 AI 驱动的应用程序的复杂性和规模不断增长，您认为塑造数据库技术未来的最重要趋势是什么？
Heloir：虽然企业热衷于利用生成式 AI 技术的变革力量，但现实情况是，构建强大、可扩展的技术基础涉及的不仅仅是选择正确的技术。这是关于创建能够增长和适应生成式 AI 不断变化的需求的系统，这些需求正在迅速变化，其中一些传统 IT 基础设施可能无法支持。这就是当前情况令人不安的事实。
当今的 IT 架构被日益互连的数据集产生的前所未有的数据量所淹没。专为强度较低的数据交换而设计的传统系统目前无法处理实时 AI 响应所需的大量连续数据流。他们也没有准备好管理生成的各种数据。
生成式 AI 生态系统通常由一组复杂的技术组成。从数据源到模型部署，每一层技术都会增加功能深度和运营成本。简化这些技术堆栈不仅仅是为了提高运营效率;这也是财务上的必需品。
企业在为 AI 驱动的应用程序（尤其是涉及生成式 AI 的应用程序）选择可扩展数据库时，有哪些关键考虑因素？
Heloir： 企业应优先考虑灵活性、性能和未来的可扩展性。以下是几个关键原因：
组织在将 AI 集成到其运营中时面临哪些常见挑战，可扩展数据库如何帮助解决这些问题？
Heloir：组织在采用 AI 时可能会遇到各种挑战。其中包括构建 AI 应用程序所需的来自各种来源的大量数据。扩展这些计划还会给现有的 IT 基础设施带来压力，一旦构建了模型，它们就需要不断迭代和改进。
为了简化这一过程，可扩展的数据库可以帮助简化各种数据集的管理、存储和检索。它提供弹性，使企业能够在保持性能和效率的同时处理波动的需求。此外，它们还通过支持快速数据摄取和检索来加快 AI 驱动型创新的上市时间，从而促进更快的实验。
您能否举例说明数据库提供商和专注于 AI 的公司之间的合作如何推动 AI 解决方案的创新？
Heloir：许多企业都在努力构建生成式 AI 应用程序，因为技术发展如此迅速。有限的专业知识和集成不同组件的复杂性增加使流程进一步复杂化，减缓了创新速度并阻碍了 AI 驱动型解决方案的开发。
我们应对这些挑战的一种方法是通过我们的 MongoDB AI 应用程序计划 （MAAP），该计划为客户提供资源，帮助他们将 AI 应用程序投入生产。这包括参考架构和端到端技术堆栈，可与领先的技术提供商、专业服务和统一的支持系统集成。
MAAP 将客户分为四组，从寻求建议和原型设计的客户到开发任务关键型 AI 应用程序和克服技术挑战的客户。MongoDB 的 MAAP 支持更快、无缝地开发生成式 AI 应用程序，从而培养创造力并降低复杂性。
MongoDB 如何应对支持 AI 驱动的应用程序的挑战，尤其是在快速采用 AI 的行业中？
Heloir：确保您拥有底层基础设施来构建所需的内容始终是组织面临的最大挑战之一。
要构建 AI 驱动的应用程序，底层数据库必须能够针对丰富、灵活的数据结构运行查询。使用 AI，数据结构可能会变得非常复杂。这是组织在构建 AI 驱动的应用程序时面临的最大挑战之一，而这正是 MongoDB 旨在处理的问题。我们将源数据、元数据、运营数据、矢量数据和生成的数据统一在一个平台中。
您预计数据库技术的未来发展会如何，MongoDB 如何准备支持下一代 AI 应用程序？
Heloir：我们今天的关键价值观与 MongoDB 最初推出时相同：我们希望让开发人员的生活更轻松，并帮助他们提高业务投资回报率。这在人工智能时代保持不变。我们将继续倾听客户的意见，帮助他们克服最大的困难，并确保 MongoDB 具有开发下一代 [] 优秀应用程序所需的功能。
