亞太AI專案88%難以落地　企業轉向資料主權與私有AI架構，降低雲端成本成新焦點

隨著大型語言模型(LLM)逐漸普及，企業導入AI的競爭重點正從模型性能，轉向資料管理、基礎設施及實際投資效益。根據雲端運算業者Nutanix第八屆《企業雲端指數》(Enterprise Cloud Index，ECI)調查，亞太及日本地區高達88%的AI概念驗證(PoC)專案未能順利進入實際部署階段，凸顯企業AI商業化仍面臨明顯障礙。

調查顯示，雖然85%的IT主管認為AI是推動企業系統現代化的重要動力，但82%受訪者指出，現有企業內部部署(On-premises)基礎設施難以負荷AI運算需求。隨著模型推論及資料處理規模擴大，企業不僅面臨運算成本上升，也必須處理資料品質、模型產生錯誤資訊及系統整合等問題，使AI專案難以從測試階段轉化為實際營運效益。

另一方面，AI普及也帶來新的資料安全風險。79%的員工曾在未經正式授權下使用外部AI工具，形成所謂的影子AI(Shadow AI)，增加企業敏感資料外流及法規遵循風險。加上企業若過度依賴單一雲端服務商，可能面臨價格調漲及技術轉換成本，促使資料主權(Data Sovereignty)成為AI基礎設施的重要考量。

Nutanix亞太及日本區技術長Daryush Ashjari認為，企業應從單純採購AI模型，轉向建立具備資料自主控制能力的AI Factory架構，將重要資料保留在企業可控的環境中，並透過虛擬化及硬體資源整合改善運算效率。依其提出的方案，相關架構有機會降低最高40%的雲端成本，同時協助企業因應印度DPDP及日本APPI等個人資料保護法規。

在技術部署方面，Nutanix主張透過NKP Metal等平台，整合既有IT系統與Kubernetes容器環境，將AI模型部署時間由數個月縮短至數天。隨著AI代理(Agentic AI)逐步進入企業營運流程，資料治理、混合雲架構及模型部署效率，也成為企業評估AI投資的重要指標。