根据 KPMG 最新的 AI 季度脉搏调查,跨行业的大多数高管预计人工智能 (AI) 将在未来 12 到 24 个月内从根本上重塑他们的业务。报告显示,56% 的领导者预计在未来一年内就会发生重大转型,两年内这一比例将跃升至 67%,凸显出 AI 正在从战略讨论迅速转变为运营转型的必要举措。
投资激增与战略转变
根据调查,68% 的高管计划在未来 12 个月内向生成式 AI 投资 5000 万至 2.5 亿美元,相比 2024 年第一季度的 45% 有了大幅增长。企业领导者似乎正从试点项目转向大规模预算投入,其中一半企业已经在扩大其生成式 AI 项目规模,而半年前这一比例仅为 10%。这种投资激增表明,企业领导者认识到 AI 不再是一个小众的技术概念,而是保持竞争力的近期必需品。
这项针对年收入 10 亿美元以上的美国企业的 100 位 C 级高管的 KPMG 季度脉搏调查结果,与其他强调企业快速采用 AI 的市场研究报告高度一致。例如,德勤的"企业 AI 状况"调查也强调了即使在经济不确定的情况下,C 级管理层的热情也推动了显著的 AI 预算投入。
同样,波士顿咨询集团的高管调查和斯坦福人工智能研究院 (HAI) 研究人员的见解都得出类似结果,突显了 AI 驱动的业务转型正在加速发展和投资增加。这些研究和调查强调了人们越来越期待 AI 将在多个业务功能中变得不可或缺。
主要挑战:数据质量和经济波动
虽然各组织对 AI 的潜力持乐观态度,但 88% 的受访者表示宏观经济压力是影响其 AI 战略的关键因素。另一个重要障碍是组织数据本身的完整性,85% 的受访者将数据质量列为最大挑战,其次是数据隐私、网络安全和员工采用。这种担忧凸显出 AI 的成功不仅取决于复杂的算法,还取决于高质量、管理良好的数据。
AI 代理兴起,但采用率滞后
最引人注目的见解之一是关于 AI 代理。超过一半的受访组织 (51%) 正在探索使用这些代理,37% 正在进行试点。然而,只有 12% 的受访者实际部署了 AI 代理用于实际应用。这种兴趣和部署之间的差异可能反映了 AI 代理技术的复杂性,以及在将这些工具引入核心业务运营时不可避免地出现的监管、伦理和劳动力准备问题。
KPMG AI 和数字创新副主席 Steve Chase 表示:"我们最新的脉搏调查证实了我们在客户中看到的情况:组织正在加倍投资 AI。数据还显示围绕 AI 代理的势头正在增长,超过一半的组织正在探索使用它们。领导者正在为代理投入实实在在的资金,但在展示投资回报的压力越来越大的情况下,确保价值主张正确至关重要。"
领导层驱动的趋势与培训差距
出人意料的是,C 级管理层 (71%) 和高管管理层 (58%) 使用生成式 AI 工具的积极程度似乎高于中层管理者 (26%) 和入门级员工 (15%)。虽然超过 80% 的公司计划将生成式 AI 培训纳入正式的绩效发展轨道,但目前只有 24% 的员工每周在现有工作流程中使用 AI。这表明,虽然领导者认可该技术的好处,但如果没有强有力的培训和简化的 AI 日常任务整合,基层员工的采用可能会停滞不前。
无论是 AI 代理还是高管培训,有一点是明确的:AI 的变革力量不再是假设。它已经到来,而且正在加速发展。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。