AMD的CIO谈AI驱动转型和IT的未来

简介: AMD的CIO谈AI驱动转型和IT的未来

来源:企业网D1net


AMD作为全球半导体领先企业,不仅在开发推动AI发展的产品上发挥关键作用,还在内部大力实施AI以优化运营。CIO Hasmukh Ranjan领导着这一变革,他提出了一个基于四个关键原则的AI框架,旨在从辅助工具迈向完全自主系统。Ranjan强调数据和计算是AI创新的支柱,并认为AI将重新定义IT角色,创造更多就业机会。AMD通过建立合作伙伴生态系统和设定可衡量目标来确保AI转型的成功,同时关注工程领域节省的时间等指标来衡量AI计划的价值。Ranjan对AMD在AI领域的未来持乐观态度,相信其将不仅加强自身实力,还将为其他企业提供可借鉴的AI转型模式。


AMD是一家全球领先的半导体公司,其业务组合涵盖客户端产品、服务器、嵌入式系统和AI加速器。AMD在2023年报告了236亿美元的营收,并大力推动自身成为GenAI的受益者。

AMD内部IT战略和AI实施由CIO Hasmukh Ranjan领导,他管理着一个约1000人的团队,Ranjan的职责超出了典型首席信息官的范畴,他积极支持内部产品开发,担任公司的“零号客户”,他还负责公司间接采购,并作为AMD的代表与同为公司客户的其他CIO们交流。


AMD在AI革命中的双重角色


作为AI生态系统中的关键参与者,AMD在两个方面发挥作用:开发推动AI发展的半导体产品,并在内部实施AI以简化运营。“我们的目标是构建能够重新定义AI可能性的产品,”Ranjan指出,“我们的先进半导体芯片支持大型语言模型(LLM)和其他AI应用,使我们能够以前所未有的方式支持企业。”在内部,AMD利用自身技术提高运营效率,旨在成为其他企业可以效仿的典范企业。Ranjan认为这种双重关注是一个主要优势,使AMD不仅能够为AI行业做出贡献,还能利用AI改进工程、人力资源和采购等领域的流程。


AI集成框架


为了实现AMD的AI目标,Ranjan基于四个关键原则实施了一个战略性、长期性的AI框架:辅助(Assist)、行动(Action)、自动化(Automate)和自主(Autonomous)。辅助包括使用聊天机器人、副驾驶功能和问答功能。行动促进交易、建议和警报。自动化有助于完善端到端流程并进一步系统化。最后,自主旨在创建数字角色,提供自主决策技术和无需监督的能力。


“我们正在从辅助工具迈向完全自主系统的旅程,”他解释道。目前,AMD专注于能够帮助员工更高效地工作的AI副驾驶和聊天机器人。公司内部AI路线图还优先考虑了最终能够自主行动、减少人工干预需求的工具。Ranjan强调,实现这一愿景需要强大的数据质量和计算能力:“从辅助系统到自主系统的旅程取决于丰富的数据、高级分析和大量的计算资源,”他强调道。他的团队致力于规划一条从AI辅助任务到未来自主系统简化AMD运营的道路。


数据和计算是AI创新的支柱

Ranjan认为数据和计算是成功采用AI的基石。“数据是AI的核心,而处理数据的计算能力同样至关重要,”他说,并解释称AMD能够接触到一些尚未公开的前沿技术,这为公司带来了独特优势。


为了确保最大限度地利用其数据的效用,AMD为工程师和人力资源专业人员等不同工作岗位开发了定制化的AI工具,使每个人都能从特定的AI驱动效率中受益。“我们已经绘制了AMD不同角色的‘日常生活’,以确定利用AI的最佳方式,”Ranjan解释道。“这种有针对性的方法指导我们如何选择和部署AI工具,以实现有意义的生产力提升。”


IT在AI采用中的不断变化的角色


Ranjan认为,AI将从根本上重新定义IT的角色,使数据和计算成为IT职责的核心。他指出,虽然当今企业仅利用其数据的约5%,但未来的AI进步可能使组织能够利用其多达75%的数据。“AI的演进与数据密切相关,而IT有望在企业环境中引领这一转变,”Ranjan兴奋地强调道,然而,他也承认,最大限度地利用数据将需要新的一波劳动力技能,AMD已经创建了一个具有专门角色的“AI计算”团队来引领这一进程。“我们围绕AI计算引入了一个新的职位系列,我们正在引进既有经验的专业人士,也有能够用新视角应对挑战的应届毕业生,”他分享道。这个新团队不仅支持AMD的内部需求,还与产品团队合作,增强外部客户的产品供应。


AI与劳动力演进


随着AI重塑职场,Ranjan承认人们对于AI对就业的影响既感到兴奋又感到担忧。回顾他在印度成长的经历时,他回想起银行业等行业最初对技术的抵制,但后来这些行业却成为了IT的主要采用者。“人们担心失业,但现实是技术创造了更多的就业机会,”Ranjan强调道,“AI也将如此,这不是关于失业,而是关于转向需要不同技能的新角色。”


近几个月来,AMD的IT团队看到与AI计算和自动化相关的新职位需求激增,这表明技术确实是就业创造的催化剂。Ranjan表示有信心,只要员工愿意接受再培训,他们将在AI驱动的未来找到新的机会。


构建生态系统和设定成功指标


在指导AMD的AI转型过程中,Ranjan强调了合作伙伴关系和可衡量目标的重要性。“AI的演进不是单靠一个人就能实现的,”他指出。AMD已在从计算和网络到数据和中间件等各层基础设施中建立了一个由可信供应商和合作伙伴组成的生态系统。此外,Ranjan和AMD的首席软件官与首席执行官Lisa Su密切合作,报告AI计划的进展,使用关键绩效指标(KPI)来跟踪进度,并确保项目保持以结果为导向。“这不是科学实验;我们有明确的KPIs来衡量我们在企业不同部分的成功,”Ranjan解释道。通过关注工程领域节省的时间等指标,AMD确保其AI计划正在创造真正的价值。


未来路线图


有了明确的AI采用战略,Ranjan对AMD以身作则的能力持乐观态度。“我们才刚刚开始理解AI的全部潜力,”他说,“但随着时间的推移,它将改变企业并重新定义IT。”通过深思熟虑的实施和持续学习,Ranjan在AMD的团队正在制定一条不仅加强公司内部实力,而且为其他踏上AI旅程的组织提供模式的路线图。


版权声明:本文为企业网D1net编译,转载需在文章开头注明出处为:企业网D1net,如果不注明出处,企业网D1net将保留追究其法律责任的权利。

相关文章
|
10天前
|
人工智能 IDE API
AI驱动的开发者工具:打造沉浸式API集成体验
本文介绍了阿里云在过去十年中为开发者提供的API服务演变。内容分为两大部分:一是从零开始使用API的用户旅程,涵盖API的发现、调试与集成;二是回顾阿里云过去十年为开发者提供的服务及发展历程。文中详细描述了API从最初的手写SDK到自动化生成SDK的变化,以及通过API Explorer、IDE插件和AI助手等工具提升开发者体验的过程。这些工具和服务旨在帮助开发者更高效地使用API,减少配置和调试的复杂性,提供一站式的解决方案。
|
3天前
|
存储 人工智能 自然语言处理
|
18天前
|
数据采集 人工智能 自然语言处理
Midscene.js:AI 驱动的 UI 自动化测试框架,支持自然语言交互,生成可视化报告
Midscene.js 是一款基于 AI 技术的 UI 自动化测试框架,通过自然语言交互简化测试流程,支持动作执行、数据查询和页面断言,提供可视化报告,适用于多种应用场景。
160 1
Midscene.js:AI 驱动的 UI 自动化测试框架,支持自然语言交互,生成可视化报告
|
22天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在电子商务中的个性化推荐系统:驱动用户体验升级
AI在电子商务中的个性化推荐系统:驱动用户体验升级
136 17
|
21天前
|
机器学习/深度学习 人工智能 自然语言处理
师资研修|AI赋能教师教学能力转型-德阳某教育主管部门
近日,德阳市教育主管部门,面向全市中职院校的骨干教师,开展AIGC赋能教育教学师资培训。TsingtaoAI参与负责本次师资研修的教学。本次师资研修通过系统化、专业化的培训,帮助教师深入掌握AI大模型及生成技术在教学中的应用。课程以实践为核心,以案例为载体,涵盖AI提示词优化、教案与题库生成、PPT高效设计及AI数字人应用等核心内容,全面提升教师的教学效率与创新能力。
64 5
|
18天前
|
人工智能 安全 搜索推荐
AI 驱动研发模式升级,蓝凌软件探索效率提升之道
蓝凌软件在引入通义灵码后取得了较明显的效果。目前,蓝凌软件已使用灵码的开发人员中,周活跃用户占比超过90%、根据代码库自动生成的代码占比超33%、代码智能补全占比29%,代码注释率提升了15%,有效提升了产品代码工程化的效能。
|
1月前
|
机器学习/深度学习 人工智能 算法
转载:【AI系统】AI 发展驱动力
本文介绍了AI的起源与发展历程,强调了2016年AlphaGo胜利对AI关注度的提升。文中详细解析了AI技术在搜索引擎、图片检索、广告推荐等领域的应用,并阐述了机器学习、深度学习和神经网络之间的关系。文章还深入探讨了AI的学习方法,包括模型的输入输出确定、模型设计与开发、训练过程(前向传播、反向传播、梯度更新)及推理过程。最后,文章概述了AI算法的现状与发展趋势,以及AI系统出现的背景,包括大数据、算法进步和算力提升三大关键因素。
转载:【AI系统】AI 发展驱动力
|
1月前
|
人工智能 运维 自然语言处理
智能化运维:AI在IT运维领域的深度应用与实践####
本文探讨了人工智能(AI)技术在IT运维领域的深度融合与实践应用,通过分析AI驱动的自动化监控、故障预测与诊断、容量规划及智能决策支持等关键方面,揭示了AI如何赋能IT运维,提升效率、降低成本并增强系统稳定性。文章旨在为读者提供一个关于AI在现代IT运维中应用的全面视角,展示其实际价值与未来发展趋势。 ####
216 4
|
1月前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
AI驱动的个性化学习路径优化
在当前教育领域,个性化学习正逐渐成为一种趋势。本文探讨了如何利用人工智能技术来优化个性化学习路径,提高学习效率和质量。通过分析学生的学习行为、偏好和表现,AI可以动态调整学习内容和难度,实现真正的因材施教。文章还讨论了实施这种技术所面临的挑战和潜在的解决方案。
103 7

热门文章

最新文章