Gartner最新调研结果显示,中国企业在采用生成式人工智能(GenAI)方面雄心勃勃,但进展缓慢,目前只有8%的中国企业将生成式人工智能部署在生产环境中。
Gartner研究总监闫斌表示:“虽然小规模落地已在多种场景下出现,但大规模企业落地仍然较为少见。企业生成式人工智能的发展尚未到达关键里程碑节点。同时,缺少具有显著业务价值的用例、模型(产品)成熟度和企业数据的人工智能(AI)就绪度,是企业生成式人工智能采用面临的首要挑战。”
2024年6 月,只有8%的中国企业将生成式人工智能部署在生产环境中,较之2023年4月的 6%,仅增加了2%。这远远低于全球20%以上的企业采用率(参见图1)。

2024年8月的中国数据、分析和人工智能技术成熟度曲线网络研讨会显示,几个关键因素导致了生成式人工智能在中国落地缓慢,请参见图2。首要挑战包括价值论证、模型与产品成熟度,以及企业数据的AI就绪度。

Gartner研究总监闫斌表示:“鉴于上述挑战,一些在缺乏明确业务价值的情况下大举投资生成式人工智能的企业,可能开始失去耐心。不过,对这些企业来说,关键是要认识到,自ChatGPT发布以来,过去的竞争主要在技术供应商之间展开。现在,在围绕模型和工具的激烈竞争之后,企业之间围绕如何实现有意义的AI成果的竞争才刚刚拉开序幕。这些挑战也可成为数据和分析领导者赢得这场竞赛的关键抓手。”
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
延世大学研究团队通过分析AI推理过程中的信息密度模式,发现成功的AI推理遵循特定规律:局部信息分布平稳但全局可以不均匀。这一发现颠覆了传统的均匀信息密度假说在AI领域的应用,为构建更可靠的AI推理系统提供了新思路,在数学竞赛等高难度任务中显著提升了AI的推理准确率。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
蒙特利尔大学团队发现让AI"分段思考"的革命性方法Delethink,通过模仿人类推理模式将长篇思考分解为固定长度块,仅保留关键信息摘要。1.5B小模型击败传统大模型,训练成本降至四分之一,计算复杂度从平方级降为线性级,能处理十万词汇超长推理,为高效AI推理开辟新道路。