Gartner预测,2025年全球生成式人工智能(GenAI)支出将达到 6440 亿美元,较2024年增长76.4%。
Gartner杰出研究副总裁John-David Lovelock表示:“初始概念验证(POC)工作的高失败率以及对当前GenAI成果的不满,导致人们对GenAI能力的期望下降。尽管如此,基础模型提供商每年仍投入数十亿美元,提升GenAI模型的规模、性能和可靠性。这一矛盾将贯穿于2025和2026年。”
Lovelock表示:“CIO倾向于选择现成的商业解决方案,以获得更可预测的实施效果和商业价值。因此,2024年启动的大型内部项目将在2025年面临详细审查。尽管模型在改进,CIO仍会减少POC和自主开发相关工作,而更关注现有软件供应商提供的GenAI功能。”
2025年,GenAI支出在所有核心市场和细分市场都将迎来显著增长(见表一)。GenAI 将对 IT 支出市场的各个方面产生巨大影响,这表明未来AI技术将日益成为企业运营和消费产品中不可或缺的一部分。
表一、全球GenAI支出预测(单位:百万美元)
支持AI的消费设备推动GenAI支出的增长
2025年,集成AI能力的服务器、智能手机、个人电脑(PC)等硬件将成为GenAI支出的增长的主要驱动因素,其中80%的GenAI支出将用于硬件。
Lovelock表示:“市场的增长轨迹深受AI设备日益普及的影响,预计到2028年,AI设备将占据几乎整个消费设备市场。然而,消费者并非主动寻求这些AI设备。随着制造商将AI作为标准能力嵌入消费设备中,消费者将不得不为其买单。”
Gartner的GenAI支出预测基于对来自1000多家厂商的GenAI产品和服务的销售情况的严谨分析。Gartner结合一手调研与二手调研方法,建立了一个完整的市场规模数据库,作为预测的基础。
Gartner的GenAI支出预测报告对硬件、软件和IT服务领域的GenAI支出预测提供了独特视角,助力Gartner客户了解市场机遇与挑战。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究由香港理工大学和新加坡国立大学的团队共同完成,提出了R?ec,首个将推理能力内置于大型推荐模型的统一框架。与传统方法不同,R?ec在单一自回归过程中实现了推理生成和物品预测的无缝整合。研究者还设计了RecPO优化框架,无需人工标注即可同时提升模型的推理和推荐能力。实验结果显示,R?ec在三个数据集上显著超越现有方法,在Hit@5和NDCG@20指标上分别提升68.67%和45.21%。这一突破为下一代智能推荐系统开辟了新方向。
这项研究提出了CURE框架,通过强化学习让大语言模型同时学习编写代码和生成单元测试两种能力,无需使用标准代码作为监督。团队开发的ReasonFlux-Coder模型在仅用4.5K编程问题训练后,便在多个基准测试中超越了同类模型,代码生成准确率提高5.3%,最佳N选1准确率提高9.0%。该方法不仅提升了模型性能,还提高了推理效率,同时为降低API调用成本和无标签强化学习提供了新思路。