随着人工智能深度渗透至金融服务等各行各业，处理超高速运算的GPU与其所需的数据基础设施之间的速度差距已成为核心挑战。在此背景下，“AI工厂”概念备受关注，并正崛起为企业通过数据实现实际商业价值与财务绩效的新解决方案。
专业AI数据平台公司DataDirect Networks（DDN）首席执行官亚历克斯·布扎里在近期举行的SC25大会上，将AI工厂定义为不仅是技术更是企业战略工具，并阐释道：“AI工厂是超越单纯模型训练或分析的灵活架构，它涵盖了从分析到推理的完整流程。”他指出，虽然GPU速度持续提升，但为其提供实时支持的存储或网络基础设施却相对滞后，导致企业在引入AI系统时面临瓶颈。
布扎里首席执行官强调：“AI若要在金融、投资、保险等高附加值行业取得成效，必须建立数据与运算有机整合的协调层。”据他介绍，相较于文件系统或对象存储等具体技术，更关键的是通过整合不同技术栈，构建符合企业需求的AI资源消耗结构。
他特别建议，在金融这类实时分析与大规规模预测至关重要的行业，要最大化AI应用效果，必须使整体系统目标聚焦于“客户价值”。他表示：“AI项目不应仅是技术引入，而应在深入理解客户框架与痛点后，以带来实质性改善效果为目标进行规划。”
这一方向与近期科技界兴起的“国家主权AI”论述不谋而合。布扎里首席执行官分析称：“AI工厂是以私营企业为中心的方案，主权AI则是基于政府层面需求的概念，但两种模式的核心都是通过数据与计算力的结合创造实际成果。”
有分析指出，AI工厂虽短期难见盈利，但中长期具备创造数万亿韩元价值的潜力。此外，在金融业等传统行业中，它还可应用于实时风险评估、基于客户反馈的产品设计、交易异常检测等多重场景，有望加速该行业的技术转型进程。
随着AI产业整体从超大规模模型竞争转向效率优先，AI工厂这类结构性应对策略正日益重要。相较于已达极限的简单模型扩展，能否构建及时移动处理数据并转化为实质成果的架构，将成为决定企业未来竞争力的核心要素。
