企業(yè)級(jí)AI邁入黃金時(shí)代，企業(yè)該如何向AI“蝶變”？

科技云報(bào)到原創(chuàng)。

近日，微軟（MSFT.US）在最新全員大會(huì)上高調(diào)展示企業(yè)級(jí)AI業(yè)務(wù)進(jìn)展，其中與巴克萊銀行達(dá)成的10萬(wàn)份Copilot許可證交易成為焦點(diǎn)。

微軟首席商務(wù)官賈德森·阿爾索夫在會(huì)上披露，這家英國(guó)金融巨頭已簽約采購(gòu)相當(dāng)于10萬(wàn)個(gè)使用席位的AI助手服務(wù)。若按每位用戶每月30美元的官方標(biāo)價(jià)計(jì)算，這筆交易年化價(jià)值可達(dá)數(shù)千萬(wàn)美元。

阿爾索夫進(jìn)一步透露，包括埃森哲（ACN.US）、豐田汽車（TM.US）、大眾集團(tuán)和西門子在內(nèi)的數(shù)十家企業(yè)客戶，其內(nèi)部Copilot用戶規(guī)模均突破10萬(wàn)量級(jí)。

微軟CEO薩蒂亞·納德拉在大會(huì)上強(qiáng)調(diào)，公司正密切跟蹤客戶員工的實(shí)際使用率，而非單純追求銷售數(shù)字。盡管微軟拒絕就此置評(píng)，但這場(chǎng)內(nèi)部會(huì)議釋放的信號(hào)清晰：這家科技巨頭正將企業(yè)級(jí)AI市場(chǎng)作為核心戰(zhàn)略陣地。

生成式AI價(jià)值在企業(yè)端綻放

從過(guò)去一年多的發(fā)展來(lái)看，AI技術(shù)應(yīng)用的熱門場(chǎng)景更多的還是在消費(fèi)側(cè)，無(wú)論是“文生文”的大語(yǔ)言模型，還是“文生圖”的多模態(tài)模型，更多的是輔助人們進(jìn)行一些簡(jiǎn)單的辦公，或者提供一些娛樂(lè)。

生成式AI離真正成熟的企業(yè)級(jí)應(yīng)用尚需時(shí)日。不過(guò)隨著技術(shù)的不斷發(fā)展，2025年，將會(huì)有更多的企業(yè)級(jí)AI應(yīng)用落地，而AI與產(chǎn)業(yè)的融合也將成為今年科技圈的焦點(diǎn)話題之一。

消費(fèi)側(cè)的場(chǎng)景僅是生成式AI的冰山一角，生成式AI真正的價(jià)值還得看企業(yè)側(cè)、行業(yè)側(cè)的應(yīng)用。相較于消費(fèi)側(cè)，企業(yè)級(jí)AI應(yīng)用有著更廣泛的需求和潛力。生成式AI在包括HR、財(cái)務(wù)和供應(yīng)鏈流程自動(dòng)化、IT開發(fā)和運(yùn)維的智能化，以及企業(yè)資產(chǎn)管理、數(shù)據(jù)安全等方方面面均有著大展拳腳的機(jī)會(huì)。

從行業(yè)角度出發(fā)，包括金融、醫(yī)療、法律咨詢、教培等偏服務(wù)型的行業(yè)有望率先有較成熟的生成式AI落地。

企業(yè)級(jí)AI平臺(tái)將成最優(yōu)解

除了金融和醫(yī)療行業(yè)以外，其他各個(gè)行業(yè)也都在積極探索生成式AI與業(yè)務(wù)結(jié)合的場(chǎng)景。各行業(yè)當(dāng)下對(duì)待AI的態(tài)度如同幾年前對(duì)待云計(jì)算的態(tài)度一般。

而AI也將“接棒”云計(jì)算，成為未來(lái)企業(yè)數(shù)字化關(guān)注的焦點(diǎn)。過(guò)去十五年間，企業(yè)數(shù)字化成就了云計(jì)算，未來(lái)的十五年將迎來(lái)企業(yè)應(yīng)用AI賦能的關(guān)鍵時(shí)刻，而混合云+AI也必將成為未來(lái)很長(zhǎng)一段時(shí)間內(nèi)，企業(yè)數(shù)智化的最優(yōu)解。

目前，企業(yè)級(jí)AI應(yīng)用方式主要有三類：嵌入軟件、API調(diào)用和搭建企業(yè)級(jí)AI平臺(tái)。

嵌入軟件是目前企業(yè)應(yīng)用AI賦能業(yè)務(wù)最簡(jiǎn)單的方式，但也是差異化最低的一個(gè)，無(wú)法根據(jù)企業(yè)自身需求進(jìn)行更高層次的探索。

相較于嵌入軟件的形式，API調(diào)用具備了一定的差異化能力，企業(yè)可以根據(jù)自身需求調(diào)用外部大語(yǔ)言模型，從中取得一些不一樣的效果。這個(gè)方式相對(duì)比較經(jīng)濟(jì)、便捷，同時(shí)又可以實(shí)現(xiàn)一定程度上的差異化需求。但企業(yè)所用的大語(yǔ)言模型也能被其他企業(yè)調(diào)用，時(shí)間久了差異化的能力會(huì)逐步減弱。

現(xiàn)階段，企業(yè)應(yīng)用最好的方式就是搭建自己的企業(yè)級(jí)AI平臺(tái)。云計(jì)算將會(huì)是未來(lái)很長(zhǎng)一段時(shí)間內(nèi)企業(yè)數(shù)字化的主要手段，而AI發(fā)展的趨勢(shì)也是不可逆的，AI已經(jīng)成為企業(yè)核心競(jìng)爭(zhēng)力，所以企業(yè)需要打造自己的企業(yè)級(jí)AI平臺(tái)。雖然這種方式短期上來(lái)，企業(yè)的投入相較于其他兩種更大，但長(zhǎng)期來(lái)看，企業(yè)投入的回報(bào)率非?？捎^。

企業(yè)搭建屬于自己的企業(yè)級(jí)AI平臺(tái)顯然已經(jīng)成為當(dāng)下各行業(yè)企業(yè)提升自身競(jìng)爭(zhēng)力，以及差異化能力的重要手段之一。但是從現(xiàn)有的應(yīng)用上來(lái)看，生成式AI在企業(yè)側(cè)的應(yīng)用仍處于方興未艾的狀態(tài)。

縱觀生成式AI在企業(yè)側(cè)應(yīng)用不難看出，目前仍存在幾點(diǎn)問(wèn)題。

首先，大模型“幻覺”問(wèn)題是制約生成式AI在企業(yè)側(cè)發(fā)展的首要因素。企業(yè)側(cè)應(yīng)用不像消費(fèi)側(cè)，企業(yè)側(cè)應(yīng)用場(chǎng)景大多對(duì)于準(zhǔn)確性、安全性要求要遠(yuǎn)高于消費(fèi)側(cè)的場(chǎng)景，而“幻覺”的問(wèn)題將導(dǎo)致企業(yè)在決策、安全等方面面臨著眾多隱患，這也是生成式AI之所以在行業(yè)應(yīng)用場(chǎng)景落地較慢的核心因素。

其次，現(xiàn)階段，大模型主要的能力還是體現(xiàn)在文字、文檔處理，一般性的聊天和較淺顯的專業(yè)問(wèn)答方面，以及通用視覺領(lǐng)域的問(wèn)答和生成方面，對(duì)于邏輯推理要求和準(zhǔn)確性要求高的專業(yè)語(yǔ)言領(lǐng)域，涉及學(xué)科和工程相關(guān)圖片、視頻識(shí)別的專業(yè)視覺領(lǐng)域，以及“文生視頻”等能力仍需技術(shù)迭代。

目前，具備多模態(tài)能力的大模型產(chǎn)品目前仍難以在行業(yè)側(cè)的落地應(yīng)用的能力，但多模態(tài)模型將成為大模型領(lǐng)域各大廠商角逐的焦點(diǎn)。隨著多模態(tài)模型成熟度不斷變高，會(huì)有更多的行業(yè)應(yīng)用場(chǎng)景出現(xiàn)。

再次，安全問(wèn)題也是企業(yè)關(guān)注的焦點(diǎn)。當(dāng)下，數(shù)據(jù)已經(jīng)成為企業(yè)重要的資產(chǎn)，在利用任何數(shù)字技術(shù)的時(shí)候，企業(yè)都會(huì)優(yōu)先考慮安全問(wèn)題，而應(yīng)用生成式AI賦能業(yè)務(wù)，需要大量企業(yè)內(nèi)部數(shù)據(jù)對(duì)原有模型進(jìn)行訓(xùn)練才能達(dá)到更好的效果。

在這個(gè)過(guò)程中，如何確保企業(yè)數(shù)據(jù)不會(huì)泄露，甚至被競(jìng)爭(zhēng)對(duì)手利用，是當(dāng)下企業(yè)對(duì)于應(yīng)用生成式AI賦能業(yè)務(wù)有所擔(dān)憂的核心問(wèn)題之一。

對(duì)此，企業(yè)需要采取一系列的安全措施和技術(shù)手段，如加強(qiáng)數(shù)據(jù)加密和訪問(wèn)控制、建立安全審計(jì)和監(jiān)控機(jī)制、采用對(duì)抗性防御技術(shù)提升模型的穩(wěn)健性、完善隱私保護(hù)政策和機(jī)制等。

從現(xiàn)階段企業(yè)應(yīng)用AI的趨勢(shì)來(lái)看，大多數(shù)企業(yè)對(duì)AI應(yīng)用保持積極的態(tài)度，積極探索AI與業(yè)務(wù)相結(jié)合的方式，但我們離真正成熟的企業(yè)級(jí)AI應(yīng)用爆發(fā)式涌現(xiàn)還尚需時(shí)日。不過(guò)無(wú)論是企業(yè)側(cè)，還是AI服務(wù)供應(yīng)商側(cè)，都在積極的探索和布局。

數(shù)據(jù)、場(chǎng)景、規(guī)模化應(yīng)用

當(dāng)生成式AI風(fēng)頭正勁，越來(lái)越多的企業(yè)開始積極在自身行業(yè)布局相關(guān)的AI應(yīng)用。但在風(fēng)頭之下，從準(zhǔn)備工作到業(yè)務(wù)價(jià)值落地之間環(huán)環(huán)相扣，從數(shù)據(jù)準(zhǔn)備到篩選場(chǎng)景，再到落地應(yīng)用，每一個(gè)環(huán)節(jié)都會(huì)成為企業(yè)級(jí)AI應(yīng)用的卡點(diǎn)。

從現(xiàn)階段應(yīng)用來(lái)看，具備企業(yè)級(jí)AI應(yīng)用落地的企業(yè)并不多，若想有更多成熟的生成式AI應(yīng)用場(chǎng)景落地，企業(yè)首先需要大量多維度的高質(zhì)量數(shù)據(jù)。無(wú)論是對(duì)于政府，還是企業(yè)，數(shù)據(jù)已經(jīng)成為AI時(shí)代的“石油”。

2022年底，ChatGPT橫空出世以后，新一輪AI的浪潮席卷各行各業(yè)，企業(yè)對(duì)于數(shù)據(jù)的重視程度越來(lái)越高。隨著大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展，數(shù)據(jù)質(zhì)量越來(lái)越高的前提下，人工智能已經(jīng)逐漸從以代碼為中心，轉(zhuǎn)向以數(shù)據(jù)為中心的人工智能。當(dāng)下企業(yè)需要通過(guò)加強(qiáng)數(shù)據(jù)治理和增強(qiáng)數(shù)據(jù)質(zhì)量，來(lái)解決模型輸出效果。

好的企業(yè)顯然已經(jīng)在數(shù)據(jù)方面做好了“就緒”。比如寶馬從2018年就開始數(shù)據(jù)資產(chǎn)化進(jìn)程，建立數(shù)據(jù)和AI的團(tuán)隊(duì)，特別是最近幾年，很多企業(yè)把數(shù)據(jù)落湖，進(jìn)行資產(chǎn)化。

數(shù)據(jù)資產(chǎn)化之后，對(duì)于大型企業(yè)來(lái)說(shuō)，實(shí)現(xiàn)了跨地域、跨業(yè)務(wù)部門之間異構(gòu)數(shù)據(jù)的互通互享。只有打通數(shù)據(jù)的通路，才能在此基礎(chǔ)上進(jìn)行應(yīng)用開發(fā)，無(wú)論是做用戶高級(jí)分析，還是AI模型的訓(xùn)練，就顯得得心應(yīng)手了。

而伴隨著生成式AI的火爆，合成數(shù)據(jù)也成為了大模型時(shí)代企業(yè)訓(xùn)練大模型的“必備品”，Gartner數(shù)據(jù)顯示，2026年，GPT等大型語(yǔ)言模型就將耗盡互聯(lián)網(wǎng)上可用的文本數(shù)據(jù)；2030年，合成數(shù)據(jù)將徹底取代真實(shí)數(shù)據(jù)。

盡管合成數(shù)據(jù)發(fā)展的速度超乎想象，不過(guò)目前業(yè)內(nèi)對(duì)合成數(shù)據(jù)的看法并不一致。

一種觀點(diǎn)認(rèn)為，合成數(shù)據(jù)無(wú)異于“近親繁殖”，會(huì)造成模型崩潰的情況，這種觀點(diǎn)主要的核心理論是：如果在訓(xùn)練中不加區(qū)別地使用AI產(chǎn)生的內(nèi)容，模型就會(huì)出現(xiàn)不可逆轉(zhuǎn)的缺陷——原始內(nèi)容分布的尾部（低概率事件）會(huì)消失。

另一種觀點(diǎn)認(rèn)為，當(dāng)現(xiàn)實(shí)中高質(zhì)量數(shù)據(jù)不足的時(shí)候，合成數(shù)據(jù)能夠精準(zhǔn)的提供高質(zhì)量的數(shù)據(jù)。合成數(shù)據(jù)是現(xiàn)在比較有效的方法，特別是訓(xùn)練一些大模型的時(shí)候，主要原因是因?yàn)楹铣蓴?shù)據(jù)的質(zhì)量比較高，覆蓋性比較好，可以滿足利用一些比較精簡(jiǎn)的數(shù)據(jù)集訓(xùn)練出好用的模型產(chǎn)品。

數(shù)據(jù)的重要性在當(dāng)下已經(jīng)不言而喻，而數(shù)據(jù)就緒也成為了企業(yè)在利用大模型產(chǎn)品賦能業(yè)務(wù)發(fā)展的過(guò)程中的第一步，既是基礎(chǔ)，也是前提。

擁有了足夠量的高質(zhì)量數(shù)據(jù)，企業(yè)才具備大模型的“入場(chǎng)券”，而進(jìn)場(chǎng)之后，如何才能讓大模型產(chǎn)品幫助到自身業(yè)務(wù)發(fā)展？找準(zhǔn)場(chǎng)景就成為企業(yè)第二步要做的事。

目前企業(yè)場(chǎng)景中，比較容易率先應(yīng)用大模型的場(chǎng)景是對(duì)一些原有的類似智能客服的產(chǎn)品的迭代。

一方面，這些簡(jiǎn)單的大語(yǔ)言模型的應(yīng)用目前已經(jīng)可以做到無(wú)需GPU卡就能實(shí)現(xiàn)，從部署成本上，給企業(yè)降低了部署的成本，當(dāng)然也降低了試錯(cuò)的成本；另一方面，原先的知識(shí)問(wèn)答類的產(chǎn)品，并不能很好地理解人們的訴求，但當(dāng)植入了大語(yǔ)言模型的能力之后，能讓智能問(wèn)答類的產(chǎn)品有質(zhì)的飛躍。

對(duì)于智能問(wèn)答類的產(chǎn)品的延伸——知識(shí)圖譜，也是企業(yè)現(xiàn)階段可以率先應(yīng)用大模型賦能的一環(huán)。

此外，從應(yīng)用的深度上看，企業(yè)的IT運(yùn)維管理方面，也是企業(yè)率先應(yīng)用大模型時(shí)好的選擇。大模型的能力對(duì)復(fù)雜的IT運(yùn)維環(huán)境提供了更好的監(jiān)控，優(yōu)化資源配備的能力，可以監(jiān)控到指令級(jí)的問(wèn)題，并對(duì)問(wèn)題進(jìn)行自動(dòng)化的干預(yù)。

除了知識(shí)類和IT運(yùn)維類的應(yīng)用以外，立足各行業(yè)中，企業(yè)也在積極的探索大模型的應(yīng)用。從目前的應(yīng)用場(chǎng)景上看，醫(yī)療、金融這兩部分是比較常見的，也是落地比較快的兩個(gè)場(chǎng)景。

金融行業(yè)方面，現(xiàn)階段，大模型在金融行業(yè)的應(yīng)用主要還是集中在風(fēng)險(xiǎn)評(píng)估和管理，以及知識(shí)圖譜平臺(tái)搭建方面。在風(fēng)險(xiǎn)評(píng)估方面，大模型可以通過(guò)分析大量的歷史數(shù)據(jù)和實(shí)時(shí)信息，預(yù)測(cè)市場(chǎng)風(fēng)險(xiǎn)、評(píng)估信用風(fēng)險(xiǎn)等，為金融機(jī)構(gòu)提供更加準(zhǔn)確和及時(shí)的風(fēng)險(xiǎn)管理決策支持。

另一方面，金融機(jī)構(gòu)還在嘗試將大模型與知識(shí)圖譜平臺(tái)結(jié)合，用大模型代替NLP技術(shù)，在進(jìn)一步提升效率的同時(shí)，提升風(fēng)控水平。

醫(yī)療行業(yè)方面的應(yīng)用目前主要集中在識(shí)別和同樣是類似問(wèn)答的分診領(lǐng)域。一方面，通過(guò)行業(yè)大模型對(duì)大量醫(yī)療數(shù)據(jù)的學(xué)習(xí)和分析，可以自動(dòng)識(shí)別病變特征，輔助醫(yī)生進(jìn)行疾病診斷，提高診斷準(zhǔn)確率與診斷效率；另一方面，通過(guò)類似“AI助手”的模式，利用大模型為患者提供分診助手也是在醫(yī)療側(cè)目前布局廠商較多的一類產(chǎn)品。

除了金融和醫(yī)療領(lǐng)域，其實(shí)還有很多領(lǐng)域涌現(xiàn)了不少大模型可以應(yīng)用的場(chǎng)景，雖然這些場(chǎng)景有一些不錯(cuò)的落地效果，但企業(yè)也不應(yīng)該對(duì)大模型“趨之若鶩”。

如果一個(gè)企業(yè)級(jí)AI應(yīng)用沒(méi)法形成規(guī)模化應(yīng)用，那么這個(gè)應(yīng)用、這個(gè)場(chǎng)景對(duì)于企業(yè)而言意義不大。無(wú)論是傳統(tǒng)AI，還是生成式AI技術(shù)，如果好幾月才能做一個(gè)場(chǎng)景，且無(wú)法規(guī)?；瘧?yīng)用，那就不能說(shuō)是企業(yè)級(jí)AI。

如果能將AI的能力通過(guò)平臺(tái)化進(jìn)行復(fù)制，重復(fù)使用AI的能力，對(duì)于企業(yè)而言，使用AI的成本與技術(shù)門檻將會(huì)下降很多。

平臺(tái)化僅是企業(yè)級(jí)AI規(guī)?；瘧?yīng)用的開始和前提，在實(shí)現(xiàn)了平臺(tái)化的能力后，通過(guò)公司內(nèi)部的系統(tǒng)對(duì)AI應(yīng)用集成決定了企業(yè)級(jí)AI規(guī)?；蓴〉年P(guān)鍵。很多內(nèi)部的應(yīng)用系統(tǒng)都具有關(guān)聯(lián)性，通過(guò)這些系統(tǒng)，將AI的能力進(jìn)行集成后，就能產(chǎn)生聯(lián)動(dòng)效應(yīng)，才能實(shí)現(xiàn)真正的規(guī)?；瘧?yīng)用。

從微軟的千萬(wàn)級(jí)訂單到各行業(yè)的積極試水，企業(yè)級(jí)AI已從概念驗(yàn)證邁向規(guī)?；涞氐年P(guān)鍵階段。未來(lái)十年，隨著大模型幻覺問(wèn)題的技術(shù)突破、多模態(tài)能力的成熟、數(shù)據(jù)安全體系的完善，AI將深度滲透生產(chǎn)、管理、服務(wù)全鏈條，逐步從“試驗(yàn)田”變?yōu)椤吧a(chǎn)力引擎”。對(duì)于企業(yè)而言，構(gòu)建“數(shù)據(jù)資產(chǎn)化+場(chǎng)景智能化+平臺(tái)生態(tài)化”的能力體系，既是應(yīng)對(duì)未來(lái)競(jìng)爭(zhēng)的必修課，也是把握AI產(chǎn)業(yè)紅利的戰(zhàn)略機(jī)遇。

正如云計(jì)算重塑了企業(yè)IT架構(gòu)，AI正以更深刻的方式，重新定義商業(yè)世界的效率邊界與價(jià)值創(chuàng)造邏輯。當(dāng)技術(shù)創(chuàng)新與產(chǎn)業(yè)需求同頻共振，企業(yè)級(jí)AI的黃金時(shí)代，正在加速到來(lái)。

【關(guān)于科技云報(bào)到】

企業(yè)級(jí)IT領(lǐng)域Top10新媒體。聚焦云計(jì)算、人工智能、大模型、網(wǎng)絡(luò)安全、大數(shù)據(jù)、區(qū)塊鏈等企業(yè)級(jí)科技領(lǐng)域。原創(chuàng)文章和視頻獲工信部權(quán)威認(rèn)可，是世界人工智能大會(huì)、數(shù)博會(huì)、國(guó)家網(wǎng)安周、可信云大會(huì)與全球云計(jì)算等大型活動(dòng)的官方指定傳播媒體之一。

生成海報(bào)

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評(píng)論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個(gè)人觀點(diǎn)，與極客網(wǎng)無(wú)關(guān)。文章僅供讀者參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。