以生成式AI为代表的人工智能技术正在成为当今最重要的技术驱动力,越来越多的行业都希望通过应用人工智能提质增效,加速转型和创新,为新质生产力注入动能。亚马逊云科技今日发布最新研究,该研究表明,预计到2028年,人工智能技术将在中国企业得到普遍应用。研究还表明,中国企业对人工智能人才非常重视,并愿意为具备相关技能的人才提供平均高出33%的薪资。同时,尽管企业和员工都认识到人工智能的重要性,但目前具备人工智能技能的人才缺口巨大,企业在相关人才的招聘和培训方面都面临挑战。针对这一需求,亚马逊云科技将在中国推出一系列人工智能知识培训课程,帮助企业和员工强化人工智能技术应用并有效提升生产力,全速拥抱“人工智能+”时代。
亚马逊云科技委托全球领先的科技咨询公司Access Partnership访问了超过500家来自不同行业、不同规模的中国雇主企业及超过1600名员工,进行了“加速提升人工智能技能:帮助在职人员应对未来工作需求”的研究,探讨了人工智能技术在中国企业中的应用需求和趋势。本次调查主要覆盖三类在职人员,其中技术专家是指负责开发新技术并运用专业技术知识的员工,技术相关员工是指涉及技术产品和服务的员工,以及非技术员工是指不涉及高级技术知识和技能的员工。
企业正加快应用人工智能技术以进一步提升生产力
受访中国企业中已有97%在2023年在不同程度上采用了某些人工智能驱动的工具。这些企业表示,到2028年,无论规模大小,几乎都将应用人工智能驱动的工具。大多数企业预计财务(93%)和业务运营部门(93%)将是人工智能解决方案受益最大的部门,其次是研发(91%)等部门,都将受益于人工智能带来的价值。
73%的企业和员工都认为,改善工作流程是人工智能助力提升生产力的最大优势,其次是任务自动化(70%)。为了更广泛地提升生产力,预计未来五年,从技术专家到非技术类员工都将加大对人工智能工具的应用。其中,预计非技术类员工的人工智能工具使用率将增加1.5倍,比技术专家(增加1.2倍)和技术相关人员(增加1.2倍)都增长得更多,因此他们也有望获得最显著的生产力提升效果。

不同年龄段的在职人员都希望学习人工智能技能以加速职业发展
中国企业对掌握人工智能技能的人才非常重视,研究显示,中国受访企业普遍愿意为这类人才支付平均高出33%的薪资。同时,学习人工智能技能已成为不同年龄段、不同性别在职人员加速职业发展的普遍需求。数据显示,不仅是新一代崛起力量的Z世代(93%),还有当今社会主力军的千禧一代(95%)和即将迎来退休高峰的婴儿潮一代(86%)的员工,都希望通过学习人工智能技能来推动个人职业发展。同时,无论是男性(94%)还是女性(95%)员工,都对学习人工智能技能表现出浓厚的兴趣。

尽管在职员工对学习人工智能技能兴趣盎然,但随着这项技术在工作中的应用越发深入,部分重复性高、机械性强的工作,正逐渐被这项技术所取代,这也引发了他们对人工智能是否会取代人类的担忧。然而,研究也发现,除了技术技能(54%)外,企业认为创造性思维(51%)和批判性思维(49%)等软技能也是员工在2028年使用人工智能工具时最需要的能力。

中国企业面临严峻的人工智能人才短缺挑战
随着人工智能技术的快速更迭,其覆盖的行业和应用场景正在不断拓宽。为了充分解锁人工智能在组织运营及业务发展中的潜力,中国企业对人工智能人才的需求也日益迫切。研究发现,超过90%的受访企业都将招聘人工智能人才列为了首要任务。然而,目前中国人工智能人才缺口巨大,在将招聘人工智能人才视为首要任务的企业中,62%的企业都表示很难招聘到所需的人工智能人才。
在外部招聘遇到挑战的情况下,企业也在探索通过内部培训提升现有员工人工智能技能的可能性。但实际操作中仍存在不少困难,数据显示,69%的企业都表示缺乏实施人工智能员工培训的知识(69%)是最大障碍。
2023年,亚马逊宣布启动“AI就绪”计划,旨在到2025年为全球200万人提供免费人工智能技能培训和教育资源。在近日于上海举办的2024全球开发者先锋大会上,亚马逊云科技培训认证部全球副总裁Maureen Lonergan表示,作为“AI就绪”计划的一部分,亚马逊云科技还将在中国免费提供全新的中文版生成式人工智能知识课程,并邀请相关领域专家解析各行业的最佳使用场景。课程分为“商业应用技能”与“技术开发技能”两大版块,可满足从初学者到技术专家的不同需求。此外,面向业务管理人员,项目经理,职能部门人员,机器学习工程师,DevOps开发工程师,运维工程师等群体,亚马逊云科技可提供更多生成式AI的数字化培训与面授类培训课程,帮助企业全速为“人工智能+”时代的人才转型做好准备。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。