一、在過去一年中，AI大模型的進展依舊加速，AI技術的普及率顯著提升
2024年，人工智能應用落地速度令人矚目。AI技術的普及度在2024年有了顯著增長，企業(yè)的AI應用率已攀升至70%以上。越來越多的企業(yè)正在積極部署AI技術，以應對復雜多變的市場需求。據(jù)統(tǒng)計，75%的腦力工作者已經(jīng)在日常工作中使用AI，而其中46%的用戶是在過去六個月內(nèi)剛剛加入這個行列。AI大模型正迅速滲透到企業(yè)工作環(huán)境中，逐步成為不可或缺的核心工具之一。
在AIGC應用方面，虛擬視頻生成服務的使用量激增，生成的視頻數(shù)量較2023年實現(xiàn)了成倍的增長。在財務管理領域，人工智能被用于評估信用風險、市場風險和操作風險，支持更有效的風險管理。在零售和電子商務領域，聊天機器人(Chatbot)已廣泛被用于提升客戶服務體驗。
大模型技術成本的下降為AI的廣泛應用鋪平道路。在過去一年里，主流頂尖大模型的使用價格在短短幾個月內(nèi)價格下調(diào)60%以上，而性能依然保持在較高的水平。大模型使用成本的大幅下降極大地降低了企業(yè)采用大模型的資金門檻，助推了AI技術的迅速落地。
綜合價值創(chuàng)造潛力與人工驗證需求，我們認為生成式人工智能將分三波在企業(yè)內(nèi)落地應用：第一波次將優(yōu)先落地于營銷、客戶運營與信息技術部門，推動傳統(tǒng)內(nèi)容生產(chǎn)與運營模式的顛覆；第二波次為人力資源、供應鏈和生產(chǎn)制造部門，助力企業(yè)提質(zhì)增效；第三波次將隨技術發(fā)展成熟，逐步應用至專業(yè)化高、容錯率低、人工驗證需求大的領域，例如產(chǎn)品研發(fā)、法務/風控及財務部門。
部署方案上，企業(yè)可考量三種模式：訂閱、定制化部署及垂類自建。訂閱或按量付費模式部署成本最低，通常為萬元級，適用于智能客服、辦公等功能模塊單一的通用化場景，可作為低成本試錯的第一步；定制化部署成本較高，百萬至千萬元不等，適用于功能模塊多元、數(shù)據(jù)安全要求高的中大型企業(yè)，此模式將逐步成熟進入繁榮發(fā)展期；自建模式則需企業(yè)基于基礎模型從0到1打造自有垂類模型，部署成本最高，適用于數(shù)據(jù)積累深厚、應用場景復雜、對模型自主性與靈活性高要求的細分行業(yè)頭部企業(yè)。
二、與此同時，我們也觀察到AI在多個應用領域蓬勃發(fā)展，逐步加速落地進程
具身智能并不是一個新的概念，但AI大模型的飛速發(fā)展促使具身智能在2024年已成為AI領域最熱門的賽道之一。其中，人形機器人成為大型科技公司爭相投資的焦點，OpenAI、Figure、Tesla、Google、Boston Dynamics等頭部企業(yè)不斷推出的新解決方案。各家以不同的技術路線解決負責頂層規(guī)劃決策的“大腦”、負責運動控制的“小腦”和負責動作執(zhí)行的“本體”的協(xié)同問題。隨著先進視覺語言模型(VLM)的進步，真實世界訓練數(shù)據(jù)、模擬訓練技術以及硬件的發(fā)展推動著人形機器人商業(yè)化發(fā)展。成本和通用性為決定人形機器人商業(yè)化落地速度的核心限制。在未來幾年，我們要么看到快速技術突破催生出一個巨大的市場，要么看到發(fā)展延遲，使市場規(guī)模保持在相當?shù)偷乃健?/p>
高速發(fā)展的情景：到2030年，具身智能將實現(xiàn)普遍適用性和廣泛的可靠性。在這種情況下，到2050年，全球人形機器人市場產(chǎn)量可能達到5，000萬臺左右，隨著許多地區(qū)勞動年齡人口減少，對體力勞動的需求不斷增加，每年創(chuàng)造15，000億美元的收益。它們還將徹底改變許多行業(yè)，例如制造業(yè)、醫(yī)療保健、教育和娛樂業(yè)，并創(chuàng)造新的價值主張和商業(yè)模式。保守情景：相反，如果人形機器人仍然局限于小眾應用，它們將只能在受控環(huán)境或危險環(huán)境中執(zhí)行特定任務。在這種情況下，由于硬件或軟件技術都未能實現(xiàn)決定性技術突破，到2050年，人形機器人的全球市場將穩(wěn)定在200萬臺左右，每年僅產(chǎn)生約2.000億美元的收入。因此，人形機器人生產(chǎn)商將繼續(xù)面臨高昂的開發(fā)成本、技術復雜性和監(jiān)管不確定性的困擾。由于互操作性有限和缺乏用戶友好性，它們將主要用于研究、探索、搜索和救援行動或?qū)I(yè)制造工作。
AI與工業(yè)加速融合，迎來規(guī)?；涞氐那跋Γ?/strong>AI技術歷經(jīng)專家系統(tǒng)、機器學習和深度學習三個代際的演進，正迎來第四波浪潮，進入大模型時代。面向2025，我們預見大模型將以“U”型曲線的節(jié)奏向研/產(chǎn)/供/銷/服全流程環(huán)節(jié)進行落地滲透。這意味著，大模型將率先對研發(fā)與工藝設計、銷售服務與運營兩端產(chǎn)生顛覆性影響。例如，生成式AI輔助外觀造型設計，激發(fā)設計師創(chuàng)意思維；AI仿真模擬替代傳統(tǒng)中試，極大縮短產(chǎn)品研發(fā)周期；為消費者提供具有情感洞察能力和豐富知識儲備的一對一智能客服。然而，在工業(yè)最核心的生產(chǎn)控制環(huán)節(jié)，我們預見大模型的落地與成熟還將經(jīng)歷1-2年的孵化探索期。這是受到工業(yè)場景的高度碎片化、生產(chǎn)過程的高節(jié)拍和實時性要求、工業(yè)機理沉淀等因素的制約，需要大模型在預訓練后快速積累工業(yè)知識、增強可解釋性、提升實時性方面做出適配，形成更加專精的模型。對此，我們建議工業(yè)企業(yè)盡快行動，摸清數(shù)據(jù)底盤和場景痛點，快速從U型曲線的兩端尋找切入點，借助大模型的東風實現(xiàn)從數(shù)字化到智能化的躍遷。
在自然語言處理方面，文本轉(zhuǎn)語音(TTS)技術得到快速發(fā)展。據(jù)估計，62%的財富500強公司已在使用TTS服務。另一方面，盡管AI語音識別技術已經(jīng)相對成熟，隨著模型準確度的不斷提高，其在大規(guī)模自動化日常任務中的應用潛力正在迅速釋放。
三、盡管如此，AI大模型的實際應用仍然面臨若干挑戰(zhàn)
人工智能的發(fā)展離不開強大的計算能力支持。開發(fā)高性能硬件和訓練復雜的AI模型通常需要更高的成本和能源消耗，因此對高性能算力的需求也在不斷上升。為了克服計算瓶頸，在滿足計算需求的同時，平衡效率與可持續(xù)性顯得尤為重要。
與人工智能對社會就業(yè)的影響可能成為其落地實施的一大挑戰(zhàn)。約40%的工作有可能在人工智能的幫助下實現(xiàn)自動化或得到效率提升，可能會導致工作崗位的減少。然而，AI技術的發(fā)展同樣能催生新的崗位，從而在一定程度上抵消對傳統(tǒng)工作的替代影響。
在推動落地過程中，數(shù)據(jù)治理也是需重點考量的因素。隨著人工智能對數(shù)據(jù)量和類型的需求不斷增加，保護數(shù)據(jù)隱私顯得愈加重要。同時，人工智能的可解釋性需求也在持續(xù)上升：大模型通過整合海量信息生成內(nèi)容，但無法判斷信息的真?zhèn)?，因此AI決策的透明度對于提升AI模型的信任度至關重要。
四、AI與業(yè)務的深度融合勢不可擋，企業(yè)應全盤考量，綜合布局
AI與數(shù)字化技術深度融合。未來，“AI軟件”和“非AI軟件”之間的界限將逐漸模糊。隨著企業(yè)加速數(shù)字化轉(zhuǎn)型，AI將與各類技術深度融合，打通工作流程，帶來更高的透明度和業(yè)務自動化水平。企業(yè)應從自身的戰(zhàn)略和業(yè)務現(xiàn)狀出發(fā)，整合需求，以自上而下清晰的規(guī)劃為牽引，明確AI及數(shù)字化應用可產(chǎn)生價值的業(yè)務場景，并通過升級企業(yè)技術支撐、打造適配性的團隊、建立風控體系與機制，確保AI對企業(yè)的切實賦能。尤其在風控環(huán)節(jié)，應重點關注數(shù)據(jù)來源的合規(guī)性、數(shù)據(jù)隱私的安全性及生成結果的可靠性三大潛在風險，保障生成式人工智能應用的穩(wěn)定和可持續(xù)發(fā)展。
人工智能立法與監(jiān)管步伐加快。隨著AI技術的發(fā)展，各國政府逐漸認識到對AI的監(jiān)管必要性。2024年5月21日，歐盟《人工智能法案》(Artificial Intelligence Act)由歐盟理事會正式批準通過，并于當?shù)貢r間8月1日正式生效，全球首部針對人工智能(AI)的專門性法律正式生成，為其他國家提供了參考。該法案為開發(fā)者、部署人員等提供了有關人工智能具體用途的明確規(guī)則，希望確保人工智能系統(tǒng)尊重基本權利、安全和道德原則，并解決人工智能模型帶來強大且有影響力的潛在風險。預期未來將有更多關于AI的法律和政策在全球出臺，企業(yè)在AI產(chǎn)品/解決方案設計、運維流程設計時，需要將潛在的監(jiān)管要求主動納入考量。
