根据联想委托的一项调研显示,尽管 AI 行业投入巨资进行技术开发并急需收回成本,但许多企业领导人仍然对 AI 是否值得投资持怀疑态度。
这项调研访问了近 3,000 名企业高管和 IT 高层决策者,证实量化 AI 的投资回报率仍是阻碍其推广应用的最大障碍之一。
这凸显出一个明显的矛盾:微软、谷歌等公司在 AI 领域投入的资金不断增加,但决策者对这项技术的价值普遍存疑,其中 37% 的受访者表示对签署采购协议持保留态度。
这份名为《AI 经济学的时代》的报告基于 IDC 对全球 2,920 名高管和 IT 决策者的调查,涵盖了从大型企业到拥有约 250 名员工的小型组织在内的各个行业。
联想表示,大多数 AI 应用案例都达到了业务预期,但证明投资回报仍然具有挑战性,受访者普遍提到财务风险和不确定性。
据称,早期成功主要体现在 IT 运营、软件开发和市场营销领域,26% 的采用者表示其组织实施的 AI 项目超出预期,另有 68% 表示达到预期。
然而,报告也显示只有 5% 的受访者在企业范围内采用了 AI,另有 25% 正在进行试点项目,21% 表示仍处于早期阶段。
近半数受访者尚未采用 AI,其中 36% 表示计划在未来 12 个月内开始使用,另有 13% 仍在考虑或评估阶段,尚无具体计划。
报告还指出,概念验证项目 (POC) 数量众多,但转化为生产的比率较低,表明"组织在数据、流程和 IT 基础设施方面的准备程度不足"。
不过联想预计,未来 12 个月内 AI 计划的支出将"近乎翻三倍",主要投资于数据科学、商业智能以及 IT 咨询和服务。
受访的 IT 领导者预计,到 2025 年 AI 将占技术预算的近 20%,这对于一项许多人尚不确定的技术来说似乎比例很高。联想表示,这主要由生成式 AI 应用案例的加速采用推动,相比解释性 AI 和预测性 AI 系统而言。
解释性 AI 旨在为决策提供解释,主要应用于医疗、金融和法律等行业,而预测性 AI 则在 IT 运营等市场找到立足点。
正如 The Register 此前指出的,AI 持续需要高额投资使许多股东感到担忧。去年的一项调查显示,从概念验证转入生产的 AI 项目数量实际上有所下降,显示显著投资回报的项目比例也有所下滑。
上个月,Gartner 的一份报告表明,企业对 AI 的幻灭感正在增长,该公司杰出分析师 John-David Lovelock 表示:"我们对生成式 AI 能做什么和将要做什么的期望开始降低。"
尽管如此,供应商仍在大力推进 AI 发展。微软上月表示今年将投资 800 亿美元用于训练和部署 AI 模型的基础设施,Meta 计划投入超过 600 亿美元用于更多 AI 资源,而 Stargate 项目的支持者声称准备在未来四年投入高达 5,000 亿美元。
所有这些投资都需要从某处收回成本,而这个"某处"就是客户,即使像微软这样的供应商需要花时间"向客户展示并帮助他们认识到价值"。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。