对于企业,AI已经是不可回避的话题,是数字化发展的不可或缺的一个力量。德勤中国咨询业务服务与转型全国主管合伙人孟晓凡认为,企业必须找到AI价值的穿透路径,构建好AI的价值三角,既清楚场景颗粒度分析、数据资产化工程和整体组织的认知对齐,在基础技术和新兴技术之间找到投资平衡点。
今年是德勤第16年在全球发布对未来技术走向的专业预测,《技术趋势2025》官方中文版(以下简称“《技术趋势》”)中,AI几乎是所有趋势的共同主线,沿袭“交互、信息、计算、技术业务、网络与信任、核心现代化”六大方向,为企业推动创新发展提供跨界探索的指引和引领实践的洞察。
要充分发挥AI的潜力,企业必须在战略、人才、架构,尤其是数据领域实现全面协调。《技术趋势》显示,六大趋势共同构成了德勤宏观科技力量框架的重要组成部分,具体内容为:
一、交互:空间计算引领交互革命
空间计算技术将思维与实体的可视化呈现从二维平面迁移到三维空间,并引入语音识别与手势操作,掀起了一场颠覆性的交互革命。凭借其出色的数据语境化能力和沉浸式体验优势,空间计算正在重塑人机交互格局。为实现技术的规模化落地,企业需突破硬件设施、软件平台、专业技能和思维模式的多重瓶颈。借助AI赋能,空间计算正从实用工具升级为企业级价值创造中心。
二、信息:定制化小模型成为AI新风口
过去,企业倾向于采购现成的大语言模型(LLMs)。然而,这种规模化解决方案往往难以兼顾专业性和灵活性。随着个性化需求的增长,越来越多的企业开始转向量身定制的小模型。这些小模型通过多模态协作,能够高效处理特定任务、生成多模态内容,并为用户提供个性化的虚拟助手服务。未来,“总有一个智能体适用”的新范式或将取代“总有一个应用程序适用”的传统观念。
三、计算:硬件创新引领AI新纪元
AI计算对基础设施的依赖性增强,DeepSee的出现尽管缓解了部分焦虑,但依然需要强大的基础设施支撑。AI正突破纯软件形态的局限,迈向硬件创新的新纪元。新一代AI专用芯片的诞生,使得AI模型得以嵌入个人电脑和边缘设备,实现本地化、离线化运算。这一进展不仅提升了用户体验,更为未来的算力基础设施奠定了坚实基础。特别是在医疗设备和机器人技术等领域,集成AI的边缘计算设备展现出巨大应用潜力。
四、技术业务:AI助推IT部门跃迁
新一代AI技术正在重塑企业IT部门,从编码、软件测试到人才能力建设,传统IT职能正在经历根本性变革。这标志着“精简化IT”模式正向更深层次的数字化转型迈进。随着AI的普及,传统IT服务模式也可能通过软硬件结合为企业创造更大价值。
五、网络与信任:量子时代挑战加密技术
量子计算技术的快速发展既是机遇也是挑战。其强大的解密能力可能使现有网络安全体系面临巨大风险。尽管目前尚无确切时间表,但未雨绸缪势在必行。美国国家标准与技术研究院(NIST)正在制定新的加密标准,而每个组织都需要重新评估其网络安全策略。
六、核心现代化:AI颠覆核心系统
将AI融入企业核心架构正在引发系统性变革。企业需为用户提供更直观、高效的交互体验,但实现这一目标需复杂的系统设计和多维协同优化。同时,企业仍需依赖并投资于传统系统。如何在保持传统系统稳定运行的同时释放AI潜力,成为企业面临的重大课题。
德勤中国技术与转型部门技术战略与转型服务全国主管合伙人刘俊龙总结道:“当前,许多企业都在感受利用AI等技术进行创新和投资的压力。我们的研究旨在将这些进步与实现大规模实际应用所需条件联系起来,为企业提供有效指引。技术的未来超乎想象,这要求企业不断将技术潜力转化为运营或战略优势。在此过程中,数据能力、数字化人才、数字化机制等配套能力建设至关重要。德勤将依托多年端到端企业服务经验,协助企业既‘打好基础’,也在AI等领域探索跨界创新,实现‘交汇的聚变’,释放非凡效能。”
德勤中国技术与转型部门技术战略与转型服务合伙人张森结合《技术趋势》与本土实践分享了对中国市场的独特洞察:“过去几年,AI已逐步成为企业业务的核心组成部分。在本土AI大模型蓬勃发展的背景下,企业应牢记技术的真正价值在于与业务场景的深度融合。”
技术革命的终极价值不在于眩目的参数,而在于解决人类最迫切的挑战。无论是AI、量子计算还是生物技术,其最终目标都是为人类创造更美好的未来。德勤将继续陪伴中国企业管理者站在技术前沿,深化高ROI的AI应用,使企业数字化创新及运营成为战略支点,持续构建差异化竞争优势。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。