Gartner一项新调查显示,45%具备高人工智能(AI)成熟度企业的领导者表示,其AI项目已持续运转三年以上,以确保长期产生影响和价值。而在AI成熟度较低的企业中,这一比例仅为20%。
调查显示,高AI成熟度企业确保AI项目长期运行的关键是基于业务价值和技术可行性选择AI项目,并建立健全的治理结构和工程实践。
该调查于2024年第四季度进行,目的是了解企业如何使用AI和生成式人工智能(GenAI)。来自美国、英国、法国、德国、印度和日本的432名受访者参与了此次调查。调查通过七个问题对企业的AI使用能力进行评估,这七个问题是Gartner基于评估和提升企业AI使用能力的结构化框架——Gartner AI成熟度模型所设计。每个方面按照1分(“规划/初始”)至5分(“领先”)进行评分。高AI成熟度企业的平均得分为4.2至4.5分,而低AI成熟度企业的平均得分为1.6至2.2分。
Gartner高级研究总监Birgi Tamersoy表示:“信任是决定AI或GenAI项目成败的关键因素之一。”
调查发现,57%的高AI成熟度企业业务部门信任并准备使用新AI解决方案,而低AI成熟度企业的这一比例仅为14%。Tamersoy表示:“建立对AI和GenAI解决方案的信任是推动使用的关键,而使用是创造价值的第一步,对成功具有显著影响。”
数据可用性和质量仍是AI落地的主要挑战
无论AI成熟度如何,数据的可用性与质量始终是AI实施过程中面临的关键难题。Gartner数据显示,34%的低成熟度企业领导者和29%的高成熟度企业领导者均将其列为实施AI的主要挑战之一(见图1)。在AI成熟度较高的企业中,48%的领导者认为安全威胁是实施AI的三大障碍之一;而在成熟度较低的组织中,有37%的领导者表示缺乏合适的应用场景是其面临的最大障碍。
图一、AI实施面临的主要障碍
来源:Gartner(2025年6月)
通过建立指标实现最佳AI使用效果
调查还显示,建立指标有助于提升AI使用效果。高AI成熟度企业通过定期量化AI项目效益并利用多维度指标评估项目成功程度,因此不断改进AI项目。调查发现,63%的高AI成熟度企业领导者会对风险因素进行财务分析、对投资回报(ROI)和客户影响进行分析与评估,这些举措都能帮助她们保持AI项目的成功。
任命专门的AI负责人推动AI创新和构建AI基础设施
91%的高AI成熟度企业领导者表示已任命专门的AI负责人,其职责包括优先推动AI创新(65%)、交付AI基础设施(56%)、建立AI组织和团队(50%)以及设计AI架构(48%)。
近60%的高AI成熟度企业领导者表示已通过整合AI战略、治理、数据和基础设施能力来提高企业内部的一致性和效率。Tamersoy表示:“这是一项管理AI资源和项目的战略方针,需要由专门的AI团队执行。”
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。