【abiresearch】评估企业生成AI的机遇和挑战(英)

ABI Research近期发布了一份名为《ASSESSING ENTERPRISE GENERATIVE AI OPPORTUNITIES AND CHALLENGES》的报告，由高级分析师Reece Hayden撰写。这份报告深入探讨了生成性人工智能（AI）在企业领域应用的机遇与挑战，预测到2030年，生成性AI将在企业垂直领域增加超过4000亿美元的价值。然而，尽管机会众多，企业部署的步伐并没有像预期那样迅速加快，需求和供应方面的挑战都在影响着这一进程。报告详细分析了企业面临的风险和挑战，包括人才缺口、成本问题、AI管理规模化、结构调整、控制权与所有权、能源消耗以及缺乏全球统一的政策和最佳实践等问题，并提出了相应的解决策略。这份报告为理解企业如何利用生成性AI提供了宝贵的视角，是企业决策者和技术专家不可或缺的参考资料。

人工智能（AI）在企业领域的应用正迅速发展，特别是在生成式AI（Generative AI）方面，其潜力巨大但也充满挑战。ABI Research的报告《ASSESSING ENTERPRISE GENERATIVE AI OPPORTUNITIES AND CHALLENGES》深入探讨了这一现象，为我们揭示了企业在采纳和部署生成式AI时所面临的机遇与难题。

生成式AI技术，自2022年ChatGPT的发布以来，被比作AI领域的“iPhone时刻”，意味着这项技术变得前所未有的易于获取。企业可以通过部署生成式AI来降低成本、自动化流程，甚至创造新的收入来源。根据报告，到2030年，生成式AI预计将为企业垂直领域增加超过4000亿美元的价值。然而，尽管机会众多，但在过去两年中，企业部署并没有像许多人预期的那样迅速加速，这主要是由于需求和供应方面的挑战。

企业在采纳生成式AI时面临的挑战多种多样。从人才短缺、成本高昂、管理难度到结构调整、控制与所有权问题，再到能源消耗和政策不统一等。这些挑战造成了从概念验证（PoCs）到大规模生产的转变困难。例如，企业在部署AI模型时，需要考虑到数据的可用性、数据主权、安全性和知识产权等。此外，AI模型的透明度和可解释性也是关键问题，因为封闭源代码的大型语言模型（LLMs）常常被视为“黑箱”。

技术成熟度是企业部署生成式AI的另一个重要考量。尽管大型模型带来了显著的能力，但它们并不完全适合立即在企业应用中部署。这些问题包括幻觉、准确性、性能、上下文化和计算资源使用等。企业需要通过数据重构、优化、微调和弥合模型开发者与系统工程师之间的差距等步骤来部署“预训练”的LLMs。

企业部署策略的选择也至关重要。报告中探讨了四种不同的部署策略，包括通过API服务访问第三方AI模型、由第三方管理的服务、内部开发的应用程序和第三方推理平台或框架。每种策略都有其优势和劣势，企业需要根据自己的需求和资源来选择最合适的策略。

对于生成式AI的未来，报告指出，尽管目前市场仍处于初期阶段，但企业生成式AI的使用案例时间表已经明确。从员工增强到新产品与服务的创建，再到自动化和优化，企业将逐步推进生成式AI的应用。然而，这一过程并非一蹴而就，不同规模的企业将以不同的方式和速度采纳生成式AI。

报告还强调了行业类型和“角色”类型对企业采纳生成式AI的影响。数字原生垂直领域将更容易整合生成式AI，而传统领域如制造业和供应链则更具挑战性。此外，AI专家的可用性将影响不同规模企业如何抓住AI机遇。

在企业生成式AI的当前状态方面，报告预测，到2030年，零售/电子商务和市场营销将成为生成式AI部署的最大赢家。然而，直到2027年，增长将相对缓慢，主要原因是目前的生产就绪规模化应用主要集中在低价值用例上，这些用例有很高的人类监督程度。

报告还指出，企业在克服生成式AI问题方面需要关注的几个关键趋势，包括小型语言模型（SLMs）的出现、数据和AI平台的融合、开源基础模型的竞争力、集中化平台以支持公司治理/政策/流程、合成数据的使用、低/无代码和可视化AI平台的发展，以及深度模型优化平台的出现。

对于开放和封闭模型对企业的影响，报告提供了一个评估这两种模型的视角。开源模型可以由企业自定义和微调，使用自己的数据，而封闭源代码模型则提供了市场领先的性能和安全性框架。企业在选择部署生成式AI应用时需要在开放与封闭源代码之间做出关键选择。

从供应方面来看，生成式AI供应链中的公司每天都在增加。报告中提供的图表显示了在生成式AI供应链各个环节中运营的公司。OEM、AI芯片供应商、云服务提供商、基础模型开发者、MLOps提供者、应用开发者和企业服务等都在这个生态系统中扮演着重要角色。

最后，报告指出，随着企业生成式AI市场的不断发展，供应方面的参与者有机会占领不断增长的市场。然而，供应商面临着成本上升、收入流不成熟、资金减少、供应方面分散和竞争加剧、法律挑战增多以及开源与封闭源代码的辩论等重大挑战。

监管方面，政府和监管机构也对生成式AI的出现措手不及，导致它们在快速出现的生成式AI格局中努力追赶，试图定义自己的监管方法。报告强调了监管应该关注的关键领域，包括透明度、偏见、水印和引用、注册、数据主权、客户数据、知识产权、能源使用、人工监督和用例等。

不同地区对AI的监管方法也不尽相同，从限制性规则到最小规则，再到针对AI安全框架的合作。这些不同的监管方法将对企业生成式AI产生重大影响。

总之，企业生成式AI仍处于初期阶段，但不同垂直领域存在大量机会。企业已经在实施解决方案，以日常增强员工的能力；然而，这仅仅是个开始。更多的机会存在于不同的垂直领域，用于创造新的收入流、降低成本和自动化各种流程，这些机会目前由于供需双方的重大障碍而难以获得。

灵感来源于ABI Research的报告《ASSESSING ENTERPRISE GENERATIVE AI OPPORTUNITIES AND CHALLENGES》，这篇文章仅是对报告内容的总体介绍。除此之外，还有许多同类型的报告也非常有价值，推荐阅读，这些报告我们都收录在同名星球，可以自行获取。

以上为节选样张，关注公众号【蝉鸣报告】回复领取PDF完整电子版（无广告）。

【蝉鸣报告】每日更新最新硬核报告，覆盖产业报告、全球化、经济报告、趋势等全领域。