新智元報(bào)道
編輯：LRS【新智元導(dǎo)讀】2024年，企業(yè)對(duì)AI的投資激增至138億美元，顯示了行業(yè)從實(shí)驗(yàn)到實(shí)際應(yīng)用的轉(zhuǎn)變，AI技術(shù)正逐漸滲透到各行業(yè)核心，推動(dòng)效率和創(chuàng)新。同時(shí)，企業(yè)在AI應(yīng)用上趨向于采用多模型策略，且越來(lái)越重視自主智能體技術(shù)。
2024即將結(jié)束，今年依然是AI發(fā)展突飛猛進(jìn)的一年，市場(chǎng)前景也變得更加清晰。
最近，風(fēng)投公司Menlo Ventures的三位合伙人和投資者發(fā)布了一報(bào)告，調(diào)查了600名美國(guó)企業(yè)IT決策者，全面揭示了AI產(chǎn)業(yè)的現(xiàn)狀。
作者列表：Tim Tully, Joff Redfern, Derek Xiao
報(bào)告鏈接：https://menlovc.com/2024-the-state-of-generative-ai-in-the-enterprise/
2023年報(bào)告：https://menlovc.com/2023-the-state-of-generative-ai-in-the-enterprise-report/
總的來(lái)說(shuō)，2024年的人工智能投資激增至138億美元，是2023年23億美元的六倍多，表明企業(yè)正在從實(shí)驗(yàn)階段轉(zhuǎn)向執(zhí)行階段，切實(shí)地將人工智能嵌入到核心商業(yè)戰(zhàn)略中。
支出的激增也反映了組織的樂(lè)觀情緒：72%的決策者預(yù)計(jì)在不久的將來(lái)會(huì)更廣泛地采用生成式人工智能工具，而且這些工具已經(jīng)走入了程序員、醫(yī)療保健等專(zhuān)業(yè)人員的日常工作中。
盡管前景樂(lè)觀且投資不斷增加，但許多決策者仍不清楚到底什么是對(duì)自己企業(yè)有利的，超過(guò)三分之一的受訪者對(duì)于如何在其組織中實(shí)施生成式人工智能沒(méi)有明確的愿景。
我們?nèi)蕴幱诖笠?guī)模轉(zhuǎn)型的早期階段，企業(yè)領(lǐng)導(dǎo)者才剛剛開(kāi)始認(rèn)識(shí)到生成型人工智能將對(duì)其組織產(chǎn)生的深遠(yuǎn)影響。
應(yīng)用層正在升溫
2024年，大部分AI大事件都發(fā)生在「應(yīng)用程序」層，利用LLMs跨領(lǐng)域的能力來(lái)提升效率。
投資者在全年面向應(yīng)用層投入46億美元，比去年的6億美元增長(zhǎng)了近8倍。
在公司側(cè)，企業(yè)家的目標(biāo)也更高了，公司不僅增加了支出，想法也變多了，平均每個(gè)企業(yè)都確定了10個(gè)潛在用例，其中近四分之一（24%）被優(yōu)先考慮在近期實(shí)施；只有少數(shù)用例在生產(chǎn)中，而其中三分之一仍處于原型設(shè)計(jì)和評(píng)估階段（33%）。
最有價(jià)值的用例
雖然AI應(yīng)用仍然是一片實(shí)驗(yàn)場(chǎng)，但部分應(yīng)用場(chǎng)景下，已經(jīng)證實(shí)了其能夠提高生產(chǎn)力和運(yùn)營(yíng)效率。
Code Copilots
以51%的采用率遙遙領(lǐng)先，也使得開(kāi)發(fā)人員成為了AI領(lǐng)域最早的資深用戶(hù)。
GitHub Copilot的收入迅速攀升至3億美元，Codeium和Cursor等新興工具也在快速增長(zhǎng)。
除了通用編碼助手之外，企業(yè)還會(huì)購(gòu)買(mǎi)特定任務(wù)的編程助手應(yīng)用，例如Harness的AI DevOps Engineer、可用于管道生成和測(cè)試自動(dòng)化的QA助理，以及類(lèi)似All Hands這樣能夠執(zhí)行更多端到端操作的AI智能體軟件開(kāi)發(fā)。
Support chatbots
企業(yè)采用率為31%，可以為內(nèi)部員工和外部客戶(hù)提供可靠、24/7、基于知識(shí)的支持，產(chǎn)品包括Aisera、Decagon和Sierra，能夠直接與終端客戶(hù)互動(dòng)；Observe AI在通話期間為聯(lián)絡(luò)中心座席提供實(shí)時(shí)指導(dǎo)。
企業(yè)搜索/檢索+數(shù)據(jù)提取/轉(zhuǎn)換
采用率分別為28%和27%，企業(yè)需要利用上數(shù)據(jù)孤島中的寶貴知識(shí)。
Glean和Sana等解決方案可連接到電子郵件、即時(shí)通訊工具和文檔存儲(chǔ)，從而實(shí)現(xiàn)跨不同系統(tǒng)的統(tǒng)一語(yǔ)義搜索，并提供基于AI的知識(shí)管理能力。
會(huì)議總結(jié)
在使用案例中排名第五，采用率為24%，通過(guò)自動(dòng)化生成筆記和要點(diǎn)來(lái)節(jié)省時(shí)間并提高生產(chǎn)力。
產(chǎn)品包括Fireflies.ai、Otter.ai和Sana等，能夠捕獲并總結(jié)在線會(huì)議；Fathom從視頻中提取關(guān)鍵點(diǎn)；Eleos Health將這一創(chuàng)新應(yīng)用于醫(yī)療保健，自動(dòng)化記錄時(shí)間并直接與EHR集成，以便醫(yī)療保健提供者可以專(zhuān)注于患者護(hù)理。
智能體
當(dāng)前的實(shí)踐模式表明，與完全自動(dòng)化相比，用戶(hù)更傾向于輔助增強(qiáng)人工流程，但行業(yè)目前正在向更加自主、完全自動(dòng)化的解決方案進(jìn)行過(guò)渡。
現(xiàn)有工具包括金融后臺(tái)工作流程Forge、Sema4，以及上市工具Clay，展現(xiàn)了「完全自主的生成式人工智能系統(tǒng)」能夠改變傳統(tǒng)上以人類(lèi)為主導(dǎo)的部門(mén)，有望走向未來(lái)「服務(wù)即軟件」（Services-as-Software）的時(shí)代。
自研還是買(mǎi)？
兩種方案的公司比例幾乎持平：47%的公司選擇內(nèi)部開(kāi)發(fā)，53%選擇供應(yīng)商。
與2023年相比，變化相當(dāng)明顯，當(dāng)時(shí)80%的企業(yè)仍然依賴(lài)第三方生成式人工智能軟件，表明現(xiàn)在的企業(yè)越來(lái)越有信心和能力建立自己的內(nèi)部AI工具。
AI是一場(chǎng)長(zhǎng)期游戲
只有1%的買(mǎi)家將低價(jià)作為主要關(guān)注點(diǎn)，現(xiàn)在企業(yè)更關(guān)注那些能夠提供可衡量?jī)r(jià)值（30%）并具有獨(dú)特研發(fā)背景（26%）的AI工具。
不過(guò)，雖然價(jià)格不是主要考慮因素，但還是有不少買(mǎi)家（26%）低估了AI的使用成本，導(dǎo)致AI戰(zhàn)略失敗；數(shù)據(jù)隱私障礙 (21%) 和過(guò)低投資回報(bào) (ROI) (18%) 是次要原因；在技術(shù)方面，主要影響因素是模型幻覺(jué)（15%）。
在規(guī)劃和選擇階段主動(dòng)解決這些潛在陷阱，可以增加成功的可能性。
老牌公司不香了
雖然64%的客戶(hù)仍然更喜歡從老牌供應(yīng)商那里購(gòu)買(mǎi)產(chǎn)品，理由是「信任」和「開(kāi)箱即用」的功能，但趨勢(shì)已經(jīng)開(kāi)始發(fā)生變化。
18%的決策者對(duì)現(xiàn)有產(chǎn)品表示失望；40% 的受訪者質(zhì)疑大公司當(dāng)前的解決方案無(wú)法真正滿足需求，表明創(chuàng)新型初創(chuàng)公司有很大的機(jī)會(huì)介入，并提供更貼合用戶(hù)需求的服務(wù)。
AI生態(tài)破圈
除了更大的規(guī)模外，生成式AI已經(jīng)開(kāi)始破圈，企業(yè)內(nèi)各個(gè)部門(mén)都開(kāi)始增加了AI工具的預(yù)算。
不過(guò)技術(shù)部門(mén)仍然占據(jù)了最大的支出份額，其中 IT (22%)、產(chǎn)品+工程 (19%) 和數(shù)據(jù)科學(xué) (8%) ，合計(jì)占所有投資的近一半。
剩余預(yù)算主要分配給面向客戶(hù)的職能部門(mén)，如支持 (9%)、銷(xiāo)售 (8%) 和營(yíng)銷(xiāo) (7%)、包括人力資源和財(cái)務(wù)在內(nèi)的后臺(tái)團(tuán)隊(duì)（各 7%），以及較小的部門(mén)，如設(shè)計(jì) ( 6%）和法律（3%）。
垂直AI應(yīng)用興起
第一個(gè)生成式人工智能應(yīng)用是用于文本和圖像生成的橫向解決方案，但到了2024年，越來(lái)越多的垂直領(lǐng)域得到擴(kuò)展。
醫(yī)療保健
以5億美元的企業(yè)支出引領(lǐng)生成式AI應(yīng)用：Abridge、Ambience、Heidi和Eleos Health等環(huán)境抄寫(xiě)器（aimbient scribes）已經(jīng)成了醫(yī)生辦公室的主要產(chǎn)品；自動(dòng)化解決方案也在整個(gè)臨床生命周期中不斷涌現(xiàn)，從分類(lèi)和攝入（Notable ）到編碼（SmarterDx、Codametrix），再到收入周期管理（Adonis、Rivet）。
法律
歷來(lái)最抵制技術(shù)的法律行業(yè)，其企業(yè)人工智能支出也達(dá)到3.5億美元，主要用生成式AI來(lái)管理大量非結(jié)構(gòu)化數(shù)據(jù)并自動(dòng)化復(fù)雜的、基于模式的工作流程，大致可以分為訴訟法和交易法。
Everlaw植根于訴訟，專(zhuān)注于法律保留、電子證據(jù)開(kāi)示和審判準(zhǔn)備；Harvey和Spellbook則通過(guò)合同審查、法律研究和并購(gòu)解決方案推進(jìn)交易法。
具體的實(shí)踐領(lǐng)域也有針對(duì)性的人工智能創(chuàng)新：EvenUp專(zhuān)注于傷害法，Garden專(zhuān)注于專(zhuān)利和知識(shí)產(chǎn)權(quán)，Manifest專(zhuān)注于移民和就業(yè)法，Eve則重新發(fā)明（re-invent）從客戶(hù)接收到解決的原告案件工作。
金融服務(wù)
憑借其復(fù)雜的數(shù)據(jù)、嚴(yán)格的法規(guī)和關(guān)鍵的工作流程，金融服務(wù)的支出也達(dá)到了1 億美元。
Numeric和Klarity等初創(chuàng)公司正在徹底改變會(huì)計(jì)行業(yè)；Arkifi和Rogo通過(guò)先進(jìn)的數(shù)據(jù)提取加速金融研究；Arch正在使用人工智能來(lái)擾亂RIA和投資基金的后臺(tái)流程；Orby和Sema4是從對(duì)賬和報(bào)告開(kāi)始的，提供更廣泛的橫向解決方案；Greenlite和Norm AI提供實(shí)時(shí)合規(guī)性監(jiān)控，以跟上不斷變化的法規(guī)。
媒體和娛樂(lè)
從好萊塢的大屏幕到智能手機(jī)，生成式 AI 正在重塑媒體和娛樂(lè)，支出達(dá)1億美元。Runway已經(jīng)是工作室級(jí)別的工具；Captions和Descript為獨(dú)立創(chuàng)作者提供了支持；Black Forest Labs、Higgsfield、Ideogram、Midjourney和Pika等平臺(tái)讓普通人也能擁有專(zhuān)業(yè)的圖像和視頻創(chuàng)作能力。
基礎(chǔ)設(shè)施和現(xiàn)代人工智能堆棧
經(jīng)過(guò)一年的快速發(fā)展，AI技術(shù)堆棧也逐漸趨于穩(wěn)定。
基礎(chǔ)模型仍然占主導(dǎo)地位，LLM層需要65億美元的企業(yè)投資。
通過(guò)反復(fù)試驗(yàn)，企業(yè)越來(lái)越了解數(shù)據(jù)腳手架（data scaffold）和復(fù)合架構(gòu)方面的重要性，更重視在生產(chǎn)中可靠地執(zhí)行，而不僅僅是一次性演示。
LLM趨勢(shì)：多模型策略盛行
企業(yè)不再依賴(lài)單一提供商，而是采用務(wù)實(shí)的多模型方法。
研究表明，組織通常在其人工智能堆棧中部署三個(gè)或更多基礎(chǔ)模型，然后根據(jù)用例或結(jié)果路由到不同模型。
目前81%的市場(chǎng)方案為閉源模型，而開(kāi)源替代方案（以Meta的Llama 3為首）穩(wěn)定在19%，比2023年僅下降了1個(gè)百分點(diǎn)。
在閉源模型中， OpenAI的先發(fā)優(yōu)勢(shì)有所削弱，企業(yè)市場(chǎng)份額從50%下降至34%，一些企業(yè)在選擇模型時(shí)從GPT-4轉(zhuǎn)向Claude 3.5 Sonnet，主要受益者Anthropic的企業(yè)占有率從12%翻了一番至24%
當(dāng)選擇新模型時(shí)，企業(yè)的主要考慮因素包括安全 (46%)、價(jià)格 (44%)、性能 (42%) 和擴(kuò)展功能 (41%) 。
設(shè)計(jì)模式：RAG，而非微調(diào)
企業(yè)人工智能設(shè)計(jì)模式用于構(gòu)建高效、可擴(kuò)展人工智能系統(tǒng)的標(biāo)準(zhǔn)化架構(gòu)正在迅速發(fā)展。
RAG（檢索增強(qiáng)生成）目前以51%的采用率占據(jù)主導(dǎo)地位，比去年的31%大幅上升；而之前常用的微調(diào)，尤其是在領(lǐng)先的應(yīng)用程序提供商中，已經(jīng)非常少見(jiàn)了，大約只有9%的生產(chǎn)模型進(jìn)行了微調(diào)。
智能體架構(gòu)也開(kāi)始發(fā)力，在12%的實(shí)踐場(chǎng)景中提供技術(shù)支持。
矢量數(shù)據(jù)庫(kù)、ETL和數(shù)據(jù)管道：RAG的基礎(chǔ)
為了支持 RAG，企業(yè)必須有效地存儲(chǔ)和訪問(wèn)相關(guān)查詢(xún)知識(shí)。
雖然Postgres (15%) 和MongoDB (14%) 等傳統(tǒng)數(shù)據(jù)庫(kù)仍然很常見(jiàn)，但人工智能原生矢量數(shù)據(jù)庫(kù)也開(kāi)始普及，Pinecone已占據(jù)18%的市場(chǎng)份額。
傳統(tǒng)ETL平臺(tái)（如Azure 文檔智能）仍占部署的28%，但Unstructe等專(zhuān)用工具（處理PDF和HTML等文檔中非結(jié)構(gòu)化數(shù)據(jù)）也占據(jù)了16%的市場(chǎng)份額。
預(yù)測(cè)
智能體將推動(dòng)下一波AI架構(gòu)轉(zhuǎn)型
智能體自動(dòng)化（agentic automation）可以處理復(fù)雜的多步驟任務(wù)，而這些任務(wù)無(wú)法被當(dāng)前專(zhuān)注于「內(nèi)容生成」和「知識(shí)檢索」的系統(tǒng)所解決。
Clay和Forge等平臺(tái)的成功，證明了先進(jìn)的智能體可以擾亂4000億美元的軟件市場(chǎng)，并蠶食10萬(wàn)億美元的美國(guó)服務(wù)經(jīng)濟(jì)。
但這種轉(zhuǎn)變需要新的基礎(chǔ)設(shè)施：智能體身份驗(yàn)證、工具集成平臺(tái)、人工智能瀏覽器框架以及人工智能生成代碼的專(zhuān)用運(yùn)行時(shí)。
更多「上位者」倒臺(tái)
ChatGPT今年戰(zhàn)績(jī)斐然：Chegg 的市值蒸發(fā)了85%，Stack Overflow的網(wǎng)絡(luò)流量減半。
其他類(lèi)別的顛覆時(shí)機(jī)也已經(jīng)成熟，像Cognizan這樣IT外包公司和UiPath等傳統(tǒng)自動(dòng)化公司也應(yīng)該對(duì)AI顛覆做好準(zhǔn)備。
隨著時(shí)間的推移，即使是Salesforce和Autodesk這樣的軟件巨頭也將面臨人工智能原生的挑戰(zhàn)者。
沒(méi)有緩解的跡象：AI人才短缺加劇
隨著人工智能系統(tǒng)的激增，且變得越來(lái)越復(fù)雜，行業(yè)目前還處于大規(guī)模人才短缺的邊緣，科技行業(yè)將面臨嚴(yán)重的稀缺。
不僅僅是數(shù)據(jù)科學(xué)家的短缺，能夠?qū)⑾冗M(jìn)的人工智能能力與特定領(lǐng)域的專(zhuān)業(yè)知識(shí)聯(lián)系起來(lái)的專(zhuān)家也嚴(yán)重不足。
人才庫(kù)已經(jīng)低得危險(xiǎn)。
參考資料：https://x.com/deedydas/status/1859318303308886188https://x.com/kimmonismus/status/1859344416193888390
