数据引力是什么？数据越多越吸引应用和服务向它靠拢

数据引力（Data Gravity）是指数据集合吸引应用程序、服务和其他数据向它聚集的能力。这个概念由软件工程师 Dave McCrory 在 2010 年提出，借用了物理学中万有引力的比喻：质量越大的物体，引力越大，会吸引周围的物体向它靠拢。同样，当一个存储库中的数据量不断增加，被使用的次数也越来越多时，就会出现数据引力。

它是怎么形成的

数据并不是静止地躺在那里。随着时间的推移，数据的数量会增加，质量和价值也会提高，于是吸引更多的应用和服务来使用这些数据；这些应用和服务又会产生更多的新数据，进一步增大数据的“质量”，形成一个自我加强的循环。为什么应用会向数据靠拢？主要是因为传输数据是有成本的：数据量越大，在网络上搬运它所需的时间越长、带宽费用越高，延迟也越大。与其把海量的数据搬到应用那里，不如把应用部署到数据所在的地方，在离数据近的位置进行处理和分析，这样速度更快、成本更低。

它带来的影响

云计算和平台锁定：当一家企业把大量数据存放在某个云服务商那里后，相关的应用、分析工具、AI 服务也会倾向于部署在同一个云上。数据越积越多，迁移到别的云的成本和难度就越大，这也是云服务商竞相争夺企业数据的原因之一。数据中心的选址：大量数据的集中，会推动计算资源和服务在其附近聚集。数据孤岛和整合难题：数据分散在多个地方时，每个地方都会形成各自的“引力中心”，整合起来很困难。

在 AI 时代

数据引力在人工智能时代表现得更加明显。训练和运行 AI 模型需要海量的数据，把 PB 级的数据在不同地点之间搬运，既慢又贵，因此 AI 的训练和推理往往被部署在数据所在的位置附近。拥有大量数据的平台，在构建 AI 能力方面具有天然的优势。数据合规的要求，比如某些国家规定特定的数据必须存储在本国境内，也会强化数据引力，让计算向数据所在的地方集中。

如何应对

企业在规划 IT 架构时，需要考虑数据引力的影响：在设计之初就考虑数据和计算的布局；采用多云或混合云策略，避免过度依赖单一的平台；采用边缘计算，在数据产生的地方就近处理，减少需要传输的数据量；以及采用联邦学习等技术，让模型去到数据那里训练，而不是把数据集中起来。