近期德勤人工智能研究院发布了两个AI重磅报告,《企业人工智能应用现状报告》和《AI案例精选》。
其中《企业人工智能应用现状报告》是德勤人工智能研究院从2017年开始,每年都会发起的调查。2021年度《企业人工智能应用现状报告(第4版)》对11个国家的2875名高管进行了调查,旨在探讨那些致力于将AI付诸实践的企业所发生了哪些深层次转变,以了解那些最为“AI驱动型企业”如何走向成功,从而帮助企业解决应用AI过程中的痛点。
德勤在全球一直在倡导“AI驱动型企业”。德勤管理咨询中国分析与认知服务领导合伙人、德勤管理咨询中国数据科学卓越中心领导合伙人尤忠彬指出,AI驱动型企业是指利用数据作为资产,运用以人为本的方式,在企业里核心业务流程当中系统化地部署和扩展AI,AI驱动型企业可以利用数据驱动实现快速决策的能力,增强员工和客户体验,从而获得领先竞争性优势。
德勤围绕企业AI部署数量和AI已经实现的效果两个维度,将AI应用划分为四个象限,分别为变革者、探路者、起步者、后进者。
“中国企业有一个明显特征,探路者比例远远高于全球,将近49%的受访企业都属于探路者,全球只有26%。”尤忠彬说道,探路者的特征是用于尝试,已经在很多领域取得了AI布局的一些成果,但是并没有规模化应用。
尤忠彬表示,中国企业更追求在特定场景中应用AI,外国企业更愿意通过AI咨询系统性的思考,在整体的企业业务战略指导下进行AI策略的统筹设计,这也是影响中国企业AI进一步规模化的一个因素。
战略层面,AI驱动型企业将AI视为业务差异化和成功的关键因素,并制定了由高层支持的企业级战略。变革者制定企业级AI战略的可能性为起步者的3倍以上,其以差异化方式使用AI的可能性为起步者的2倍。
运营层面,AI驱动型企业愿意建立了新的运营模式,以推动持续的品质、创新及价值创造。领先的企业业务领导者愿意分配更多时间参与到解决方案的设计中,并不是单纯的当做一个AI技术方案。
文化及变革管理层面,AI驱动型企业培养信任、敏捷、数据流畅的文化,并投资于变革管理以支持新的工作方式。大力投资于变革管理的企业实现AI举措超出预期的可能性是平均水平的1.6倍,实现预期目标的可能性是平均水平的1.5倍以上。
生态系统层面,AI驱动型企业精心设计动态生态系统,以建立和保护竞争差异化。83%的高成就企业(变革者和探路者)创建了多样化的合作伙伴生态系统来执行其AI战略。
《AI案例精选》是围绕人工智能在各个行业典型应用场景集结成册,报告筛选六大关键行业,包括消费,能源、资源及工业,金融服务,政府及公共服务,生命科学及医疗保健,科技、媒体及电信,每个案例都归纳了关键业务问题和机会,AI如何提供帮助以及可能的益处。
结合两篇报告,德勤也认为中国企业在AI建设上有三项要务,第一,战略与AI洞察,要有战略和结构性方法去系统化的推进AI的应用;第二,拥有丰富的AI场景和业务用例,通过AI目标价值鼓励更多AI投入;第三,整合AI生态系统,选择与应用场景匹配的技术产品和服务组合,有效地实现分工和协作。
德勤也将AI团队和战略团队进行整合,为客户提供战略与AI洞察引领的咨询方案,以业务战略为牵引,以数据科学数据分析为支撑手段,与产生可行动的、可操作性的洞察力,最终帮助客户实现AI智能企业的转型。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。