圖片系A(chǔ)I生成

進入到下半年，AI大模型領(lǐng)域焦慮氛圍倍增。成熟的應(yīng)用場景還未誕生，國內(nèi)AI大模型“六小虎”也在近期被傳進入困境，雖然后期公司層面有回應(yīng)消息不實，但也映射出技術(shù)發(fā)展到一定階段市場對變現(xiàn)急迫且?guī)в斜^情緒。與此同時，OpenAI雖獲得464億融資，但核心技術(shù)高層頻繁離職，使其飽受爭議。

都說2024是AI大模型產(chǎn)業(yè)應(yīng)用元年，但是否也已經(jīng)快速進入”擠泡沫“時刻？

大模型落地，沒那么簡單

以AI編程為例，通過代碼生成提效賦能開發(fā)者的場景其實比較明確，并已得到實踐驗證。但伴隨的問題是，除了寫prompt的時間，低質(zhì)量的代碼導(dǎo)致開發(fā)者還要花時間審查AI生成的代碼。公開信息顯示，企業(yè)將AI編程工具GitHub CoPilot集成到軟件開發(fā)平臺后，編碼時間可減少50%，但隨后一項數(shù)據(jù)則指出，開發(fā)者用上GitHub CoPilot的同時也導(dǎo)致Bug增加了41%。這與AI預(yù)期帶來對生產(chǎn)力的提升相悖。

德勤報告指出：企業(yè)對生成式AI長期樂觀，但短期內(nèi)想要付費很難。Gartner甚至預(yù)測，未來18個月內(nèi)生成式AI將出現(xiàn)低谷。到2025年底，至少30%的生成式AI項目將在概念驗證后被放棄。這種擔(dān)憂有跡可循——數(shù)據(jù)質(zhì)量差、風(fēng)險控制不達(dá)標(biāo)、成本持續(xù)上升、無法證明投入回報等等問題一直沒有解決。

而在大模型浪潮之前AI發(fā)展階段中，就有研究指出曾經(jīng)70-85%的AI項目未能達(dá)到預(yù)期結(jié)果。2019年，麻省理工學(xué)院指出，70%的AI項目在部署后幾乎沒有產(chǎn)生任何影響，這一數(shù)字遠(yuǎn)遠(yuǎn)高于常規(guī)IT項目25-50%的失敗率。

如圖展示了不同大模型部署方案下的成本差異：

由于AI大模型現(xiàn)階段仍需要大量前期投入和經(jīng)常性成本，Gartner報告指出，企業(yè)采用大模型最大的挑戰(zhàn)是評估和證明業(yè)務(wù)價值。

但不同于廣告投放、電商行業(yè)，大模型的投資回報并非可以直接計算，這是一個復(fù)雜過程，涉及成本節(jié)約、創(chuàng)收和總擁有成本等環(huán)節(jié)。與此同時，這些實施成本還要與具體落地場景相結(jié)合，挑戰(zhàn)是復(fù)雜且多方面的，如圖：

長期潛力往往取決于短期價值表現(xiàn)，這意味著大模型項目試點在啟動前應(yīng)明確一些標(biāo)準(zhǔn)，比如降低運營成本，增加業(yè)務(wù)銷售額，提升客戶滿意度，加快新品上市時間。

哪些地方已經(jīng)有回報？

“制造業(yè)和汽車行業(yè)的生成式AI早期采用者已經(jīng)從實踐中獲得投資回報?！边@是谷歌最新報告《制造和汽車行業(yè)中的人工智能的投資回報率》的重要發(fā)現(xiàn)之一。該報告對全球364名企業(yè)高管進行調(diào)研，并對生成式AI對企業(yè)業(yè)績影響進行評估。該報告深入探討了企業(yè)成功的關(guān)鍵要素，強調(diào)了構(gòu)建穩(wěn)健的數(shù)據(jù)基礎(chǔ)設(shè)施、實現(xiàn)企業(yè)系統(tǒng)現(xiàn)代化以及高層管理人員之間戰(zhàn)略一致性的必要性。

以報告中制造業(yè)和汽車業(yè)為例，生成式AI的作用主要體現(xiàn)在三個層面：一是優(yōu)化生產(chǎn)和供應(yīng)鏈效率；二是提供消費者個性化體驗；三是增強企業(yè)安全。

企業(yè)想要充分利用生成式AI構(gòu)建創(chuàng)新解決方案，前提是建立在可靠的系統(tǒng)和準(zhǔn)確的數(shù)據(jù)上。過去，企業(yè)存在大量數(shù)據(jù)孤島，分散到各個復(fù)雜的遺留系統(tǒng)和應(yīng)用中，想要深度應(yīng)用AI，就需要將AI模型接入企業(yè)工作流中，如主數(shù)據(jù)和ERP系統(tǒng)，以不斷獲取實時運營數(shù)據(jù)提升模型推理精準(zhǔn)性。典型的場景如：通過搜集產(chǎn)品文檔和手冊，提供更多解決產(chǎn)品問題和故障排除的建議；根據(jù)訂單狀態(tài)、庫存水平和運輸承運人信息分析出精準(zhǔn)的產(chǎn)品交貨時間。

整體來看，報告的受訪企業(yè)中，60%的制造和車企廠商已經(jīng)將生成式AI投入生產(chǎn)，32%仍在測試和評估階段；8%尚未進行任何實踐或評估；作為生成式AI的早期采用者，86%的制造和車企廠商還指出，AI已為公司帶來超過6%的收入增長。這表明，生成式AI不僅是效率工具，更是成為商業(yè)增長動力。

報告顯示，生成式AI在制造業(yè)的應(yīng)用涉及產(chǎn)品研發(fā)/生產(chǎn)、銷售&營銷、電商&體驗增強、個人生產(chǎn)力、客戶&現(xiàn)場服務(wù)、新品&服務(wù)、后端/業(yè)務(wù)流程、工程/開發(fā)者生產(chǎn)力等方面。其商業(yè)價值體現(xiàn)在五個關(guān)鍵領(lǐng)域：產(chǎn)品上市時間、投資回報率（ROI）、生產(chǎn)力、安全性和用戶體驗。

81%的受訪企業(yè)在應(yīng)用生成式AI后，其產(chǎn)品時間縮短到6個月以內(nèi)。

這意味著，當(dāng)快速變化的消費者市場導(dǎo)致企業(yè)需要加快擴充產(chǎn)品豐富度以及與消費者關(guān)系的重塑時，先一步采納先進技術(shù)的企業(yè)會更快啟動對生成式AI的實踐。

72%的受訪企業(yè)表示，已經(jīng)在至少一項生成式AI的實踐項目中獲得投資回報。

目前企業(yè)聚焦于能推動核心運營實現(xiàn)采用和投資回報的高價值項目。例如，生成式AI能迅速在整個產(chǎn)品生命周期中快速篩選文檔，提取和總結(jié)銷售與技術(shù)人員所需的信息。

43%的受訪企業(yè)指出，組織生產(chǎn)力至少提高一倍。

在業(yè)務(wù)創(chuàng)新與數(shù)字化轉(zhuǎn)型能力方面，受訪企業(yè)表示有了重大改進。例如，AI助理可協(xié)助維修人員完成車輛維修、零件訂購，同時可提供全面、詳細(xì)且經(jīng)過驗證的源信息，提高人員完成維修工單效率。

87%的受訪企業(yè)指出，生成式AI對企業(yè)識別安全威脅有了極大的幫助。

生成式AI可用于分析大量數(shù)據(jù)，報告安全異常，自動化常規(guī)安全功能如規(guī)則創(chuàng)建，并輔助人員處理警報。

89%的受訪企業(yè)提高了用戶參與度（包括參與度評分、流量或點擊率(CTR)、網(wǎng)站停留時間）；75%提高了用戶滿意度/NPS數(shù)值。

制造業(yè)包括車企廠商在內(nèi)，正積極建立與消費者更深層次的數(shù)據(jù)連接。這些關(guān)系的建立有助于針對不斷變化的用戶需求進行預(yù)測和響應(yīng)，提升個性化體驗，培養(yǎng)客戶忠誠度并推動業(yè)務(wù)增長。比如生成式AI可以通過接入消費級應(yīng)用，通過學(xué)習(xí)消費者交互行為以更好地定制客戶體驗。

報告也顯示，“一把手”的支持至關(guān)重要，企業(yè)將更有可能在技術(shù)與業(yè)務(wù)目標(biāo)之間實現(xiàn)組織一致性。70%與AI有強相關(guān)性的企業(yè)組織已經(jīng)在至少一個項目上獲得投資回報，相比之下，未構(gòu)建AI業(yè)務(wù)目標(biāo)的企業(yè)組織這一數(shù)字為65%。

不過，74%的受訪企業(yè)表示，在生成式AI布局上，他們沒有獲得CXO級別全方位的支持。

48%的受訪者計劃將其未來AI預(yù)算的至少一半投資于生成式AI。

而未來兩到三年，54%受訪企業(yè)也計劃利用生成式AI提高員工生產(chǎn)力，改善客戶體驗（52%），提高運營效率（50%），提高競爭力和市場份額（48%）也是主流目標(biāo)。

結(jié)語

雖然當(dāng)前AI大模型產(chǎn)業(yè)組成已經(jīng)相對清晰，算法層有大量開源模型、框架、工具平臺，算力層有英偉達(dá)、英特爾等確定性供應(yīng)商，數(shù)據(jù)層無非就是從公開數(shù)據(jù)集、企業(yè)私域、仿真系統(tǒng)獲取，而場景層是可以從業(yè)務(wù)端自上而下去分門別類。但好的場景往往是隱性，隱含在業(yè)務(wù)的小細(xì)節(jié)，數(shù)據(jù)也需要熟悉業(yè)務(wù)的專家知識，算力和算法的組合優(yōu)化也需要長期深耕，對技術(shù)創(chuàng)新和商業(yè)變現(xiàn)也要有足夠敏銳度。這都導(dǎo)致AI大模型依舊處于“圍墻之內(nèi)”，外界只能從現(xiàn)實測評來判斷一二。

為此，上述谷歌報告還指出了幾點建議，以幫助企業(yè)更好地利用AI，提升生產(chǎn)效率、降低成本、增強企業(yè)競爭力：

一是構(gòu)建系統(tǒng)化的實踐框架，按照生產(chǎn)流程或功能區(qū)域進行劃分； 二是爭取高層領(lǐng)導(dǎo)的支持，確保資源的有效配置和項目的順利推進； 三是關(guān)注知識轉(zhuǎn)化與決策優(yōu)化，提升決策科學(xué)性； 四是數(shù)據(jù)管理，這一點非常重要，也是確保訓(xùn)練結(jié)果可靠性的關(guān)鍵。此外還有建議制造業(yè)首先實現(xiàn)無紙化，平衡轉(zhuǎn)型與優(yōu)化投資，資源配置，以及企業(yè)安全和AI專業(yè)人才的建設(shè)。

當(dāng)技術(shù)理念已經(jīng)被充分證明之后，大模型在產(chǎn)業(yè)落地還有許多坑，長期投入必不可少，對產(chǎn)出的高預(yù)期也需要理性回落。（本文首發(fā)于，作者 | 楊麗，編輯 | 蓋虹達(dá)）