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
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。