全球著名调研机构WEKA发布《2024 年全球人工智能趋势报告》，深入探讨了围绕人工智能应用的潜在趋势。
01
主要发现1、AI应用在企业中已经普及，产品质量和IT效率的投资是重中之重。
人工智能的采用继续以惊人的速度进行，该技术越来越多地被视为一种嵌入式战略能力。
人工智能计划正在迅速成熟：去年，报告的人工智能成熟度水平发生了根本性转变。2023 年，调查受访者仍在大量试验人工智能，或在其组织的小范围内单独部署人工智能。今年，大多数受访者表示，人工智能“目前已得到广泛实施”并“在其组织中发挥着关键价值”。
产品改进和运营效率是关键的投资驱动因素：企业越来越多地应用人工智能来提高营业收入和竞争差异化，其中提高产品或服务质量（42%）是最受欢迎的目标，许多企业的目标是提高收入增长（39%）。同时，
企业认识到通过提高员工生产力（40%）和 IT 效率（41%）以及加快整体创新步伐（39%）来提高运营效率的潜力。
2. 许多人工智能项目无法扩展——遗留的数据架构是罪魁祸首。
人工智能项目面临数据基础薄弱的挑战。传统的数据架构阻碍了更广泛的部署。
实现规模化仍是一项挑战：组织在实现其 AI 项目预期覆盖范围方面面临重大挑战。平均每个组织有 10 个处于试点阶段的项目和 16 个处于有限部署的项目，但只有 6 个项目实现了规模化部署。
优质数据的可用性是一大障碍：数据质量是将 AI 项目投入生产的最大挑战。项目团队面临的挑战不在于识别相关数据，而在于数据的可用性；组织正在努力为项目构建一致、集成的数据基础。
现代化数据架构对于成功至关重要：鉴于此，大多数受访者（35%）认为存储和数据管理是阻碍人工智能部署的主要基础设施问题，这一点并不令人意外——远远高于计算（26%）、安全（23%）和网络（15%）。
3.生成式人工智能已迅速超越其他人工智能应用。
生成式人工智能在短时间内获得了巨大发展。人工智能先驱者正在实现切实的好处，并准备增强其竞争优势。
生成式 AI 是焦点：目前，有 88% 的组织正在积极研究生成式 AI，这一数字远远超过其他 AI 应用，例如预测模型 (61%)、分类 (51%)、专家系统 (39%) 和机器人 (30%)。随着组织开始认识到集成生成式 AI 功能的潜在优势，用于生成式 AI 的专用预算占整体 AI 投资的比例正在增长。
生成式人工智能的采用正在呈爆炸式增长：尽管生成式人工智能进入市场的时间相对较短，但 24% 的组织表示，他们已经将生成式人工智能视为部署在整个组织中的一项综合能力。只有 11% 的受访者根本没有投资生成式人工智能，大多数组织正在积极将这项投资转化为规模化的综合能力。
生成式 AI 先驱者有望增强其竞争优势：已在组织内集成生成式 AI 的组织计划继续增加投资：他们预计生成式 AI 预算将在未来 12 个月内达到其总 AI 预算的 47%，远远超过“AI 成熟度”较低的组织。这些生成式 AI 先驱者中的大多数都看到了该技术在所有目标收益范围内带来的显著积极影响。这些收益可能会增强他们的竞争优势，因为那些仍处于生成式 AI 项目实验阶段的人在组织创新、新产品开发和上市时间方面并没有看到同样的增长。
4. GPU 的可用性继续受到限制，影响基础设施决策。
访问 GPU 是组织关注的主要问题；GPU 云可能提供可扩展的解决方案。
访问 GPU 仍然是一个挑战：接受调查的 10 个组织中有 4 个表示访问 AI 加速器是其基础设施决策中的主要考虑因素，30% 的组织认为 GPU 可用性是将 AI 模型投入生产的三大最严峻挑战之一。
区域压力依然存在：在某些地区，特别是亚太地区，缺乏 GPU 限制了组织部署 AI；38% 的印度组织认为加速器访问是将 AI 项目投入生产的三大挑战之一。
超大规模和 GPU 云是企业访问 GPU 的主要渠道：对加速器的需求促使 46% 的受访组织利用超大规模公共云进行模型训练，以及越来越多的专业 GPU 云提供商（32%）。
5. 对人工智能对环境影响的担忧仍然存在，但这并没有减缓人工智能的采用；可持续的人工智能实践为减少排放提供了机会。
人工智能对环境和能源的影响仍然是许多组织关注的重点，但这并没有减缓投资人工智能项目的决策。许多组织看到可持续发展实践产生了有意义的影响，因此显然有机会解决排放挑战。
对人工智能的能源和碳影响的担忧仍然很突出：近三分之二（64％）的组织表示，他们担心人工智能/机器学习（ML）项目对其能源使用和碳足迹的影响；25％的组织表示他们非常担心。
采用可持续数据基础设施技术是一个重点领域：显然，技术提供商的可持续性资质变得至关重要，42% 的组织表示，在过去12 个月中，他们已经投资了节能 IT 硬件/系统，以应对其 AI 计划对环境的潜在影响。其中，56% 的人认为这产生了“高”或“非常高”的影响。其他人发现，改变数据基础设施供应商（59%）和 AI 项目范围（57%）产生了“高”或“非常高”的影响。
可持续性是 AI 决策中的一个重要因素，但并非主要因素：超过四分之一 (30%) 的组织报告称，可持续性计划是 AI 应用的驱动因素，因为他们希望应用 AI 来提高能源效率和减少排放。虽然这一点值得注意，但事实上，可持续性是总体上最少被提及的驱动因素。即使以节能计划为目标，实现可持续性目标也可能让位于以节约成本和提高运营效率为主要目标。在所有最能影响 AI 基础设施决策的问题中，可持续性处于中间位置：37% 的组织将其列为优先事项，但其排名不如安全性 (47%) 和 AI 加速器访问 (44%) 等更突出的问题。
02
生成式人工智能
各组织纷纷投资生成式人工智能，其兴趣超过了对长期存在的人工智能形式的兴趣。随着这波投资热潮的尘埃落定，一小部分生成式人工智能先驱者应运而生。这些组织拥有更广泛的整合能力，并从该技术在新产品开发、增强创新和更快上市时间方面获得了显著的竞争优势。随着生成式人工智能先驱者开始建立与他人之间的显著差距，这些竞争优势可能会不断增长，而这些差距是由他们的投资和基础设施优势决定的。
主要见解：
88%的组织正在积极研究生成式人工智能。
24% 的受访者已将生成式人工智能视为其整个组织的一项综合能力。
大多数生成式人工智能开拓者都认为，生成式人工智能计划对提高创新率（79%）、支持新产品推出（76%）、缩短产品上市时间（76%）等竞争差异化领域具有“高”或“非常高”的影响。
生成式人工智能是推动 2024 年企业人工智能战略的力量。绝大多数组织 (88%) 正在积极研究生成式人工智能模型，以创建全新的数据或内容。这种兴趣超过了更长期存在的人工智能形式，例如预测模型 (61%)、分类 (51%)、专家系统 (39%) 和机器人技术 (30%)。考虑到人们对生成式人工智能的认识直到 2022 年底才开始蓬勃发展，而企业级解决方案仍在开发中，这证明了人们对其变革潜力的认识。大多数受访者还表达了对假设的通用人工智能的兴趣——可以在所有认知任务中胜过人类的模型——这表明许多组织都在关注人工智能不断发展的前景。
这种兴趣正在转化为投资。未来 12 个月内，生成式人工智能预算平均将从总人工智能预算的 30% 增长至 34%。许多高管都敏锐地意识到这项技术的影响，并认为需要制定加速投资路线图。
生成式人工智能的采用正在迅速推进。如图 7 所示，一组开拓者（占 24%）已经将生成式人工智能投资转化为规模化生产能力。相比之下，11% 的公司尚未投资生成式人工智能，29% 的公司仍在试验该技术，37% 的公司已将生成式人工智能投入生产但尚未实现规模化。对于一项直到 2022 年 11 月推出 ChatGPT 后才引起公众关注的技术而言，这是一个了不起的采用水平。
（生成式人工智能成熟度和投资水平，各阶段受访者比例）
已集成并广泛部署生成式 AI 的组织将获得广泛的好处。重要的是，这些好处通常体现在提供竞争优势的领域。超过四分之三 (79%) 的先驱者认为生成式 AI 对其创新率具有“高”或“非常高”的影响，76% 对其上市时间具有影响，76% 对其支持新产品推出具有影响，74% 对其产品或服务质量的改进具有影响，67% 对其产品和/或服务差异化具有影响。这些水平超过了“AI 成熟度”较低的组织，这表明生成式 AI 的相对采用可能会决定行业的赢家和输家。未能迅速实施有意义的生成式 AI 项目的组织最终可能会输给那些能够迅速实施的组织。
未来的投资水平似乎为这些开拓者扩大其优势奠定了基础。生成 AI 开拓者已投入巨资以领先。成功将生成 AI 升级为综合能力的组织平均将其 AI 预算的 44% 投入到生成 AI 中，这一投资水平明显高于其他组织。处于生成 AI 成熟早期阶段的公司平均投资 26%。开拓者公司将进一步扩大生成 AI 预算，继续超过 AI 成熟度较低的组织。
生成式 AI 的先驱者在其支持基础设施和策略方面更加成熟。他们使用更广泛的场所进行 AI 模型训练和推理。但更根本的是，在 AI 基础设施规划方面，他们考虑的因素要多得多。与没有进行同等程度投资的组织相比，他们更有可能在规划基础设施时考虑安全性、AI 加速器访问、数据隐私、可扩展性、客户支持以及对 AI 工具和框架的访问。与那些尝试生成式 AI 的人相比，这些先驱者不太可能考虑的唯一因素是前期成本，他们认为前期成本不如长期运营支出重要。通过在基础设施决策之初考虑这些因素，这些组织可以确保这些问题不会在项目进展过程中出现。
03
结论
2024 年全球人工智能趋势报告展现了与 2023 年报告截然不同的人工智能应用前景。人工智能正在得到更广泛的应用，更加注重提供产品和服务质量改进和收入增长。生成式人工智能的成熟是这一转变的关键驱动力。然而挑战依然存在。许多组织正在努力将投资转移到他们可以大规模提供的能力上，他们承认业务运营的可持续性面临压力。
企业应采取的五个关键行动点：
构建强大的数据架构，助力 AI 成功：组织必须建立清晰的途径，将 AI 项目扩展到生产中，确保高效的数据管理和存储。在开展大量试点项目之前，投资建立强大的数据基础至关重要。这将有助于实现无缝 AI 价值交付。
明智的投资是生成式 AI 成功的关键：受益于生成式 AI 的组织已重新分配预算，以专注于这些计划。成功取决于复杂的决策和强大的基础设施。为了效仿这一点，组织应确保全面的采购实践并最大限度地提高 GPU 的可用性和利用率，包括研究专门的 GPU 和 AI 云服务。
探索生成式 AI 驱动的 IT 效率：生成式 AI 可以自动执行常规模型开发任务并改善 IT 决策，从而推动更精简的交付。这种自我强化的方法可以为更可持续的 AI 路线图奠定基础。
扩大可持续发展实践：更换基础设施供应商或修改 AI 项目范围可能会对总体排放量产生重大影响。可持续发展措施的价值在结合使用时会成倍增加，因此组织应授权项目团队采用各种方法。
制定全面的 AI 战略：生成式 AI 提供了巨大的机遇，但组织应该制定全面的 AI 战略。狭隘的 AI 方法（即未能研究多种技术的混合方法）忽略了将不同类型的模型结合在一起的机会，并关闭了许多影响深远的用例。
End
行业解读
利润股价双双暴跌，飞天云动还有出路吗？
黑神话悟空帅爆了，元宇宙的春天也来了！
黑悟空带来的泼天富贵，文旅元宇宙要接住
“寸草不生”的元宇宙土地，还有得救！
两极分化！元宇宙企业进入第二轮“淘汰赛”
元宇宙评测
鹅厂怕不怕？这个社交元宇宙发出挑战
建行元宇宙，让银行业务更便捷了吗？
美踏元宇宙，反差感十足的全新社交平台
我的拾贰世界元宇宙，野心大、噱头更大
城市元宇宙解读
尔滨出圈，看黑龙江硬核布局元宇宙
锚定数字先锋城市，济南如何抢跑元宇宙？
争创中国视谷，杭州元宇宙含金量有多少？
吹响“中国元谷”号角，郑州硬核实力在哪？
争当元宇宙产业第一城，潍坊有什么？
报告精选
《中国元宇宙政策研究报告2023》
《数字中国发展报告（2023年）》
《中国人工智能系列白皮书—元宇宙技术2024》
