無需改變原意，需要重寫的內容是：圖片來源：視覺中國
重新寫內容，不改變原本的意思，需要將語言改寫成中文，不需要出現原句
千呼萬喚，麥肯錫公司終於發布了2023Q3人工智慧洞察報告TOP10，其中關於生成式AI的報告就佔了半壁江山。
報告《The state of AI in 2023: Generative AI's breakout year》分析了在全球各個地區和行業內，企業對人工智慧的部署和使用情況，並認為人工智慧的廣泛使用將對各行各業產生重大影響。
接下來，我們將從中國的角度出發，一起瀏覽這篇報告
01 全球生成式AI採用：領先企業強在哪裡
第一，儘管生成式AI公開不久，但人們對它並不陌生。
根據調查結果顯示，79%的受訪者表示他們曾接觸過AIGC，而22%的受訪者則表示他們在工作中經常使用AIGC
從企業層面來說，AIGC也得到了廣泛使用，三分之一的受訪者表示，他們所在的企業已經在至少一項功能中定期使用AIGC。
在表示其企業使用人工智慧的受訪者中，40%的人表示，由於AIGC的應用，他們的公司預計將在人工智慧方面投入更多資金，28%的人表示， AIGC的使用已經列入公司董事會的議程。
第二，AI高績效企業更傾向於在產品和服務開發中使用人工智慧。 不同於大多數將AIGC作為降本手段的企業，AI高績效企業對AIGC的首要目標是創造全新業務或收入來源，並基於人工智慧的新功能提高現有產品的價值。
這些企業的受訪者指出，他們面臨的首要挑戰是與模型和工具相關的問題，例如在生產過程中監控模型的性能，並根據需要重新訓練模型。與此相比，其他受訪者則提到了一些較為廣泛的策略性問題
關於AI領導企業和其他企業的區別，適道曾在文章中指出：AI領先企業在治理、部署、合作夥伴、人員和資料可用性等5方面存在一定共通性。 有興趣可以點選查看。
第三，人工智慧相關人才的需求發生轉變。 在過去一年裡，採用人工智慧的企業最常僱用的人員是：資料工程師、機器學習工程師和人工智慧資料科學家。與以往的調查相比，現在招募人工智慧相關軟體工程師的比例要小得多（最新調查為28%，低於上次調查的39%）。另外，隨著AIGC的廣泛應用，企業對提示工程(Prompt Engineering)技能的需求也增加。
適道認為，人工智慧人才儲備可能也影響國內企業部署AI的速度。麥肯錫另一份報告指出，中國企業專注於招募軟體工程師、資料工程師等技術人才，卻忽略了AI轉譯員、設計師等關鍵人才。據悉，2022年，近半數中國企業聘用了軟體工程師，而招募轉譯員的公司僅有6%，遠低於領先國家的14%。這個數據值得關注。
第四，報告指出：雖然AIGC工具的使用正在迅速普及，但數據並沒有顯示這些新工具正在推動企業全面採用人工智慧。 就目前而言，採用人工智慧的企業在比例上整體保持穩定， 55%的受訪者表示他們的企業已經採用了人工智慧。
不過，多數受訪者表示，在應用人工智慧的每個業務功能中，人工智慧相關的收入都有所增加。 展望未來，儘管AI整體採用率維持在55%左右，但超過三分之二的人預計其所在公司將在未來三年增加對AI的投資。
02 中國生成式AI產業：尚處於早期階段
生成式AI已進入高速成長期。就目前來看，中國的市場規模約為全球總量的1/10，預計2025年將達到2,000億元人民幣，平均年增率超過60%。
毫無疑問，未來投資者將紛紛入場，潛在企業、個人用戶對生成式AI工具的功能抱有期待，這些無不說明，行業的春天已經到來。
目前國內的GenAI（生成式AI）產業呈現哪些特色呢？
專用硬體：儘管基礎建設資源受限，但國產化進程不斷加速
由於無法取得高階GPU晶片A100與H100，國產大模型研發機構在算力上遭遇瓶頸。雖然中國本土晶片研發廠商加強科研，新開發晶片的算力規模可達2000TOPS（目前國產GPU的算力規模大多在1000TOPS以內），但距離國際領先的H100晶片4000TOPS算力仍有一定差距。
基礎模式：產業大模型可能是國產GenAI的出路。
需要進行改寫的內容是：一方面，雖然通用大模型需要進行訓練，但全球中文網站的數量僅佔總量的1.4%，可供訓練的公開中文語料庫數量有限且品質參差不齊。另一方面，由於保護用戶隱私的原因，國內用戶在網站和行動應用程式上產生的大部分資料無法用於大模型的訓練，這對模型的訓練效率和準確性都帶來了不利影響
因此，相較於適用於多領域、多任務的通用大模型，行業大模型更依賴開發者對垂直場景的理解和海量行業數據支援。 在算力受限的背景下，產業大模型更有可能成為中國GenAI廠商的致勝賽道。
應用程式：中國的新創公司目前仍處於早期階段，主要集中在一些特定領域
#國內GenAI領域的創業公司融資輪次靠前，集中在天使輪到Pre-A輪之間，融資金額大多小於1億元人民幣，正處於方興未艾的發展初期，產業潛力巨大。
在海外的GenAI產業中，科創企業的規模相對較大，出現了許多在細分應用領域中獨一無二的獨角獸企業。其中，總部位於倫敦的一家全球化AI研究型企業的估值高達38億美元
另外，國內GenAI垂直應用領域主要聚焦文本、圖像和音視頻生成，海外市場則在上述領域以外出現了大量基於GenAI的開發平台、數據分析平台及代碼編寫平台，其原因在於海外以早期程式語言編寫的系統較多，許多企業面臨較高程式設計人力成本，因此對程式設計輔助軟體有較高需求。
03 產業分佈集中，大部分企業仍在摸索商業模式
中國GenAI產業的商業化應用呈現出了兩大特點：
一是產業分佈集中，主要集中在商業化發展較成熟的優勢產業。
在國內，GenAI應用發展最快的領域包括電商、傳媒、娛樂和遊戲，尤其是數位虛擬人和電商視訊行銷，而大部分傳統產業（如金融、能源、教育等）仍處於小規模試點階段。
GenAI應用之所以能在互聯網電商平台蓬勃發展，原因在於中國擁有優質的電商和供應鏈生態以及龐大的消費者群體，為GenAI應用落地提供了機會
典型的產業應用案例包括：影片產業某生成式AI的3D短片內容廠商、電商產業的某領先GenAI影片大模式研發企業、遊戲產業的某網路平台旗下遊戲與AI研究與應用機構等。
在上述企業中，有一些生成式AI的3D短視訊內容廠商。他們可以根據文字產生3D影片內容，並透過抖音、快手、B站等短影片平台進行推廣。這樣一來，短影片內容生產者的創作效率得到了極大的提升
GenAI視訊大模型研發企業則深耕電商產業，以AI生成虛擬人主播，賦能各行業、各品牌電商。
遊戲和人工智慧研究和應用機構利用人工智慧技術開發了AI陪玩和AI競技機器人，並透過自然語言處理技術為非玩家角色賦予了人物形象，使其能夠在遊戲中與玩家互動對話
二是大部分企業處於積極探索自身商業模式的早期階段。
產業分佈過於集中，且更多是針對C端用戶，這是一個有問題的地方。聽起來很美好，但實際上有一些挑戰需要面對
正如適道探討過的：網路時代不同於大模式時代。在網路時代，「流量」是免費的，在總營運成本不變的情況下，使用者越多，網路的價值就越大。而在大模型時代，算力有成本的，每多增加一個用戶，就要實打實地付出算力，這就導致補貼沒有任何意義。你的新用戶越多，你反而可能越賺不到錢。
因此，面向B端企業客戶或許更能代表未來人工智慧公司的方向。
在歐美市場，大規模企業客戶群是主流。 SaaS付費訂閱模式已基本成熟，一眾海外GenAI企業利用成熟的SaaS市場，將GenAI應用到高科技、通訊及各種傳統行業（如醫療、教育等），應用範圍更加廣泛
在國內市場， GenAI企業目標客群多為終端。用戶企業對軟體的付費意願不高、市場有待進一步培育，且企業對SaaS部署方式存在資料安全方面的顧慮，大規模應用GenAI的商業模式仍有待探索。
目前，國內市場主流的商業模式有雲端資源銷售、模型API呼叫、軟體即服務收費、素材收費等
總的來說，國內市場的GenAI新創公司大部分剛完成標準化產品產出，開始進入初級商業化探索階段。 而隨著中國SaaS市場成熟以及企業付費意願的提升，國內文字產生和圖像生成新創公司預計將快速拓展至企業客戶市場。
六個靈魂拷問：人工智慧技術如何轉化為經濟效益？
研究顯示，僅有9%的中國企業計劃憑藉部署AI實現超10%的營收成長，而領先國家有19%的企業有望實現這一目標。同樣，就利潤貢獻率而言，僅7%的中國企業稱AI對EBIT的貢獻率突破20%，而領先國家有14%的企業突破了這一比例。
結果表明，中國企業亟需提高變現能力，將AI技術的潛力轉化為切實的經濟效益。
除了上述的AI轉譯員儲備不足，中國企業部署AI較領先國家落後的原因還可能是：
那麼，要盡快部署生成式AI並從中成功發掘價值，企業必須先思考六大關鍵問題：
麥肯錫指出，企業必須回答上述問題，並克服各種挑戰，以便能夠快速建立所需的能力，充分釋放生成式人工智慧的潛力，並及時獲得這項顛覆性技術所能創造的經濟效益
儘管目前國內外市場在諸如大模型開發、應用佈局、商業模式等多個領域都存在較大差異，但我們能看到中國GenAI行業正在不斷追趕國際領先水平，預計未來中國GenAI相關技術和應用將逐漸成熟，並進一步探索出適合自身發展的商業模式。
以上是如何充分利用麥肯錫發布的人工智慧10大洞見？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
