根据IDC全球人工智能支出指南预测,未来四年全球人工智能(AI)相关支出将翻倍,从2020年的501亿美元增长到2024年1100多亿美元,随着企业组织将人工智能作为他们数字化转型工作的一个组成部分,以及希望在数字经济中保持竞争力,将促使未来几年内人工智能系统加快增长,2019年到2024年期间的复合年增长率(CAGR)将为20.1%。
IDC人工智能项目副总裁Ritu Jyoti表示:“企业采用AI,不仅仅因为他们可以这么做,还因为他们必须这么做。人工智能这项技术可以帮助企业变得敏捷、创新和规模化发展。那些‘AI驱动型’企业,将具备综合信息(利用AI将数据转换为信息,然后转换为知识)、学习(利用AI理解知识之间的关系,并运用于解决业务问题)、提供大规模洞察(利用AI支持决策和自动化)的能力。”
推动人工智能普及的两大驱动力分别是提供更好的客户体验,以及帮助员工更好地完成工作,这体现在AI的主要用例中,包括客户服务代理自动化、销售流程推荐和自动化、威胁情报和预防自动化、IT自动化,这四个应用场景加起来将占今年所有AI支出的近三分之一。另外,增长最快的用例分别是HR自动化、IT自动化、药物研究和发现。
在整个预测期内,零售业和银行业在AI解决方案上的支出最多。零售行业将主要把AI用于通过聊天机器人和推荐引擎改善客户体验方面,而银行业将主要用于欺诈分析和调查、项目顾问和推荐系统方面。此外,离散制造、流程制造和医疗行业将不再今年AI支出排名前5位的行业。在2020-2024年的预测期内,AI支出增长最快的行业分别是媒体、联邦/中央政府、专业服务。
IDC客户洞察与分析高级研究分析师Andrea Minonne表示:“COVID-19导致整个运输业、休闲和酒店业等个人消费者服务行业的AI投资放缓,今年这些行业将对投资AI保持谨慎态度,因为今年他们的重点将放是控制成本和创造收入,而不是创新或数字体验。另一方面,AI在帮助社会应对疫情隔离和封锁造成的大范围停滞方面发挥了作用。一些欧洲国家的政府已经开始与AI初创公司展开合作,部署AI解决方案来监控社交隔离的情况,评估公众是否遵守该规则。此外,欧洲各地的医院也都在使用AI来加快COVID-19病情诊断和测试,提供自动化的远程咨询,以及优化医院运转能力。”
IDC客户洞察与分析研究经理Stacey Soohoo表示:“这次公布的人工智能支出指南根据COVID-19带来的影响进行了调整。短期内,疫情导致了供应链中断和商店关闭,持续的影响预计将持续到2021年及以后。对于受影响最大的行业来说,他们将推迟AI的部署。其他行业的企业在当前情况下看到了一线希望:这是一个让企业在长期来看变得更有弹性、更敏捷的好机会。对很多企业来说,AI仍然是复苏道路上的一项关键技术,采用AI将帮助很多企业进行重建,或者提高未来收入来源以及增强运营能力。”
今年,软件和服务将各占AI总支出的三分之一多,其余是硬件。软件支出方面,占比最大的是AI应用(141亿美元),服务支出方面,占比最大的是IT服务(145亿美元)。在硬件方面,服务器(112亿美元)将占据主导。在预测期内,软件支出增长最快,五年复合增长率为22.5%。
从地区来看,整个预测期内美国将占到AI支出的一半以上,其中以零售业和银行业为首。 其次是西欧,银行业、零售业和离散制造业主导。中国位列第三,主要是国家/地方政府、银行业、专业服务占据主导。五年预测期内,支出增长最为强劲的地区分别是日本(复合年增长率为32.1%)和拉丁美洲(复合年增长率为25.1%)。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。