回顧歷史，三次工業(yè)革命為人類(lèi)帶來(lái)了深遠(yuǎn)的變革。蒸汽時(shí)代借助機(jī)械化生產(chǎn)的力量，實(shí)現(xiàn)了生產(chǎn)力的提升，電氣時(shí)代通過(guò)電力驅(qū)動(dòng)的廣泛應(yīng)用，使生產(chǎn)力實(shí)現(xiàn)了質(zhì)的飛躍，前兩次工業(yè)革命以硬件創(chuàng)新為核心驅(qū)動(dòng)力，推動(dòng)了物理世界的生產(chǎn)力躍遷。而信息革命則構(gòu)建了一個(gè)數(shù)字化的世界，輔助并豐富了物理世界。展望未來(lái)，人類(lèi)文明將從數(shù)字化時(shí)代邁入智能化時(shí)代，數(shù)字世界與物理世界深度融合，而AI技術(shù)則將不遑多讓地成為其中的“執(zhí)牛耳者”。其中，AI數(shù)據(jù)更將成為千行百業(yè)的企業(yè)與組織不可獲取的“原油”，推動(dòng)智能化時(shí)代加速到來(lái)。
AI技術(shù)及數(shù)據(jù)要素發(fā)展趨勢(shì)展望
1956年達(dá)特茅斯會(huì)議上，人工智能的概念被正式提出。在長(zhǎng)達(dá)半個(gè)世紀(jì)的探索后，第二階段于2010年代拉開(kāi)帷幕，海量數(shù)據(jù)與算力集群推動(dòng)AI性能躍遷，神經(jīng)網(wǎng)絡(luò)技術(shù)逐漸成為主流，AI智能開(kāi)始涌現(xiàn)。例如，大語(yǔ)言模型 (Large Language Model, LLM) 的問(wèn)世，以及自動(dòng)駕駛中神經(jīng)網(wǎng)絡(luò)的應(yīng)用。2012年，AlexNet在圖像分類(lèi)大賽ImageNet中一騎絕塵，開(kāi)啟深度學(xué)習(xí)時(shí)代。
2030年前，人類(lèi)有望邁向高級(jí)機(jī)器智能 (Advanced Machine Intelligence，Meta公司提出) 時(shí)代，AI將具備執(zhí)行能力，且因智能實(shí)現(xiàn)成本持續(xù)降低而得到廣泛普及，進(jìn)而推動(dòng)更智能、更自然的人機(jī)交互。數(shù)據(jù)也正作為智能經(jīng)濟(jì)時(shí)代的“原油”，加速驅(qū)動(dòng)大模型的“智能涌現(xiàn)”。例如，2025年Manus智能體產(chǎn)品引爆全球，標(biāo)志著具備執(zhí)行力的AI Agent加速落地。
展望未來(lái)，數(shù)據(jù)要素的發(fā)展將呈現(xiàn)五大趨勢(shì)。一是數(shù)據(jù)當(dāng)量指數(shù)級(jí)增長(zhǎng)，二是數(shù)據(jù)產(chǎn)生場(chǎng)景多元化，三是數(shù)據(jù)形態(tài)日趨復(fù)雜，四是蓬勃發(fā)展的數(shù)據(jù)要素市場(chǎng)帶來(lái)海量投融資機(jī)會(huì)，五是數(shù)據(jù)要素資產(chǎn)化加速，強(qiáng)化數(shù)據(jù)治理體系的建設(shè)對(duì)千行百業(yè)的企業(yè)與組織而言勢(shì)在必行。
數(shù)據(jù)在哪里：AI數(shù)據(jù)生態(tài)圖譜及各生態(tài)參與方演進(jìn)趨勢(shì)
AI數(shù)據(jù)生態(tài)主要可分為4大類(lèi)型參與方，分別是數(shù)據(jù)服務(wù)供應(yīng)商、大模型廠商、垂類(lèi)解決方案廠商和產(chǎn)業(yè)企業(yè)。
1.數(shù)據(jù)服務(wù)商
數(shù)據(jù)服務(wù)商是“原料”供應(yīng)方，其所提供的數(shù)據(jù)集與標(biāo)準(zhǔn)服務(wù)對(duì)模型整體性能與對(duì)千行百業(yè)“理解力”的提升至關(guān)重要。當(dāng)前，國(guó)內(nèi)數(shù)據(jù)服務(wù)生態(tài)尚屬發(fā)展初期，未來(lái)有望隨國(guó)內(nèi)數(shù)據(jù)要素市場(chǎng)的規(guī)模化增長(zhǎng)得到進(jìn)一步發(fā)展。展望未來(lái)，數(shù)據(jù)服務(wù)商將呈現(xiàn)五大發(fā)展趨勢(shì)，使其更好地服務(wù)大模型廠商、垂類(lèi)解決方案企業(yè)與產(chǎn)業(yè)企業(yè)等多元化數(shù)據(jù)需求。
2.大模型廠商與垂類(lèi)AI解決方案廠商
大模型廠商與垂類(lèi)AI解決方案廠商既是重要的數(shù)據(jù)采購(gòu)方，也是真正向千行百業(yè)輸送“智能”的核心力量。其中，垂類(lèi)AI解決方案廠商可大致分為AI ISV（從事原生AI應(yīng)用開(kāi)發(fā)的軟件公司）與AI硬件兩大陣營(yíng)，前者聚焦北向應(yīng)用（如Concourse公司憑借其財(cái)務(wù)AI助手，獲得頂尖風(fēng)投機(jī)構(gòu)A16Z與Y Combinator的投資）；后者則選擇將AI特性與智能硬件相結(jié)合（如蘋(píng)果iOS接入GPT）。
對(duì)領(lǐng)域各異的企業(yè)而言，三大趨勢(shì)值得重點(diǎn)關(guān)注：一是算法與神經(jīng)網(wǎng)絡(luò)架構(gòu)的持續(xù)革新帶來(lái)智能成本的降低，加速AI走向千行百業(yè)；二是大模型廠商與產(chǎn)業(yè)企業(yè)的生態(tài)合作加速，為企業(yè)智能化提供了“第二選項(xiàng)”；三是AI應(yīng)用開(kāi)發(fā)工具日趨完善，將加速垂類(lèi)行業(yè)生態(tài)創(chuàng)新。
3.產(chǎn)業(yè)企業(yè)
產(chǎn)業(yè)企業(yè)是“智能”的最終需求方，憑借其獨(dú)有的垂類(lèi)行業(yè)專(zhuān)業(yè)知識(shí)與企業(yè)自身的數(shù)據(jù)資產(chǎn)，能夠構(gòu)建起貼合企業(yè)自身需求的定制化AI解決方案體系，從而顯著提升企業(yè)綜合競(jìng)爭(zhēng)力。展望未來(lái)，產(chǎn)業(yè)企業(yè)有四大機(jī)會(huì)點(diǎn)。
在國(guó)內(nèi)，AI Agent的產(chǎn)業(yè)化應(yīng)用正在加速。例如，24年上線的研華科技WISE-AI Agent平臺(tái)結(jié)合大模型能力，實(shí)現(xiàn)自身工廠運(yùn)營(yíng)的提質(zhì)增效。如在組裝制程中，WISE-AI Agent智能體平臺(tái)整合多源異構(gòu)數(shù)據(jù)，借助AI進(jìn)行狀況診斷和異常分析，及時(shí)發(fā)現(xiàn)生產(chǎn)瓶頸，提供改善建議與直觀報(bào)告；通過(guò)反饋機(jī)制不斷更新知識(shí)庫(kù)，提升AI分析結(jié)果的準(zhǔn)確性；通過(guò)持續(xù)監(jiān)控預(yù)警，循環(huán)改善生產(chǎn)流程；平均提升生產(chǎn)力約10%，年人均產(chǎn)出工時(shí)預(yù)計(jì)提升4%，顯著提升了產(chǎn)線生產(chǎn)力。
此外，盡管當(dāng)前企業(yè)私有知識(shí)庫(kù)更多聚焦在單個(gè)職能/領(lǐng)域，未來(lái)跨職能跨系統(tǒng)的大型知識(shí)庫(kù)勢(shì)必將更加普及，以深化大模型對(duì)企業(yè)運(yùn)作全貌的理解，進(jìn)而加速智能涌現(xiàn)。例如， OpenAI 在今年3月發(fā)布的最新開(kāi)發(fā)套件中，F(xiàn)ile Search工具可最高支持100 G的海量文檔搜索，支持.pdf/.pptx/.py/.json等十幾個(gè)主流文件類(lèi)型，為大型跨職能知識(shí)庫(kù)與大模型的能力結(jié)合提供了新思路。
治理之道：企業(yè)如何借助AI技術(shù)與數(shù)據(jù)要素強(qiáng)化核心競(jìng)爭(zhēng)力
如果將企業(yè)在AI時(shí)代的技術(shù)棧布局比作一棵參天大樹(shù)，那么數(shù)據(jù)體系就是樹(shù)根，為北向應(yīng)用源源不斷提供養(yǎng)料；AI大模型等數(shù)智化系統(tǒng)是樹(shù)干，是提供“智能”的引擎；層級(jí)化的AI Agents體系則是樹(shù)枝，負(fù)責(zé)具體的任務(wù)執(zhí)行。
然而，國(guó)內(nèi)企業(yè)當(dāng)前數(shù)據(jù)治理能力相較全球領(lǐng)先區(qū)域仍有待提升。據(jù)羅蘭貝格調(diào)研，中國(guó)企業(yè)當(dāng)前數(shù)據(jù)存留率僅2.8%，不足美國(guó)7.3%一半。造成數(shù)據(jù)存留率差距的核心原因有二：一是多數(shù)國(guó)內(nèi)企業(yè)管理層對(duì)數(shù)據(jù)要素的重視程度有限，使得當(dāng)前中國(guó)企業(yè)的數(shù)據(jù)治理體系尚不完善，如多數(shù)企業(yè)對(duì)不同類(lèi)型與價(jià)值數(shù)據(jù)的存儲(chǔ)周期并無(wú)明確的治理規(guī)則，導(dǎo)致諸多數(shù)據(jù)難有效存留；二是企業(yè)對(duì)大模型等創(chuàng)新型AI類(lèi)應(yīng)用部署不足，導(dǎo)致企業(yè)日常運(yùn)營(yíng)的決策更多是“基于經(jīng)驗(yàn)與既定規(guī)則”而非“基于海量多模態(tài)數(shù)據(jù)綜合研判”，使得數(shù)據(jù)要素的價(jià)值未被充分挖掘。
“但得本，不愁末”。為更好地?fù)肀е悄芑瘯r(shí)代，實(shí)現(xiàn)真正的差異化競(jìng)爭(zhēng)力，企業(yè)當(dāng)前首要且基礎(chǔ)的工作是完善數(shù)據(jù)治理體系的建設(shè)。基于對(duì)數(shù)據(jù)要素價(jià)值的深度挖掘，企業(yè)圍繞組織效能躍遷與客戶體驗(yàn)優(yōu)化兩大主題，打造獨(dú)一無(wú)二的差異化AI解決方案生態(tài)勢(shì)在必行。
誠(chéng)然，數(shù)據(jù)治理并非一個(gè)新話題，但AI時(shí)代的數(shù)據(jù)治理有望迎來(lái)三大變化。一是AI解決方案對(duì)高質(zhì)量數(shù)據(jù)的剛性需求倒逼數(shù)據(jù)治理提質(zhì)增效；二是AI技術(shù)創(chuàng)新有望顯著降低數(shù)據(jù)治理復(fù)雜度；三是數(shù)據(jù)治理的價(jià)值將因AI解決方案體系的應(yīng)用而更加顯性化。
羅蘭貝格基于多年的業(yè)界實(shí)踐與對(duì)AI領(lǐng)域的洞察，提出企業(yè)智能化時(shí)代數(shù)據(jù)治理框架，分為“頂層設(shè)計(jì) – 運(yùn)營(yíng)體系 – 支撐機(jī)制”三層，為產(chǎn)業(yè)企業(yè)構(gòu)建現(xiàn)代化數(shù)據(jù)治理體系提供體系化工具支持。
結(jié)語(yǔ)
對(duì)于企業(yè)而言，憑借AI技術(shù)提升管理及生產(chǎn)效率，以及通過(guò)有效的數(shù)據(jù)治理確保AI可用，已然成為一道“必答題”。當(dāng)下，AI的創(chuàng)新應(yīng)用層出不窮，大模型的架構(gòu)及算法也在不斷創(chuàng)新，我們建議企業(yè)積極應(yīng)用部署創(chuàng)新應(yīng)用，同時(shí)注重自身的AI數(shù)據(jù)治理工作，使數(shù)據(jù)在使用的過(guò)程中越用越多、越用越活，并進(jìn)一步激發(fā)更多AI創(chuàng)新應(yīng)用的出現(xiàn)。
