目前,许多领导者对其组织的生成式人工智能专业知识充满信心。44%的受访者认为其组织目前在生成式人工智能方面拥有很高(35%)或非常高(9%)的专业知识水平。
相对于其他受访者,那些将其组织的整体生成式人工智能专业知识评为“非常高”的领导者往往对这项技术感到更加积极;他们也感受到更大的压力,并将其视为对其业务和运营模式的更大威胁。
当前的生成式人工智能努力仍然更多地关注效率、生产力和降低成本,而不是创新和增长。大多数接受调查的组织目前的目标是战术效益,如提高效率/生产力(56%)和/或降低成本(35%)。此外,91%的受访者表示,他们希望生成式人工智能能够提高组织的生产力,27%的人希望生产力能大幅提高。
大多数组织主要依赖现成的人工智能解决方案。与他们目前强调生成式人工智能的战术效益相一致,绝大多数受访者目前依赖于现成的解决方案。
人才、治理和风险是缺乏生产性人工智能准备的关键领域。在最初的季度调查中,41%的领导者表示,他们的组织只是稍微或根本没有准备好解决与生成式人工智能采用相关的人才问题;22%的人认为他们的组织准备得非常充分。
领导者正在寻求更多的全球监管和合作。在打破传统商业规范的情况下,与生成式人工智能相关的独特风险促使许多商业领袖呼吁加强政府监管,并加强围绕人工智能技术的全球合作。
以下是《2024年美国生成式人工智能报告》部分内容:
好文章,需要你的鼓励
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。