近期,中国人工智能初创公司 DeepSeek 凭借其先进的 AI 能力引起国际关注,其团队的惊人成功直接说明了人才的关键重要性,也凸显了为什么每个组织都需要一支 AI 就绪型的职场团队。
对于那些还不了解 DeepSeek 故事的人来说,简单概括如下:据《华尔街日报》报道,一群中国工程师,其中许多人仅有几年工作经验,创建了一个高性能的 AI 平台,据称其运行速度更快,成本仅为知名竞争对手的一小部分。这一消息在科技巨头圈引发震动,导致竞争对手股价大幅下跌。
虽然关于 DeepSeek 突然崛起成为主要 AI 参与者还有许多未解之谜,但这个故事应该引起各方警惕,因为如果连人工智能领域的最大玩家都可能措手不及,那么每个组织都可能面临风险。
因此,如果你还没有将 AI 列为首要任务——包括提升员工技能,让员工像熟悉发短信一样熟悉 AI——那么现在刻不容缓。
尽管 DeepSeek 的出现可能不会导致太多企业和投资者大幅减少对 AI 技术中心和基础设施的投资,但这有力地提醒我们:在几乎任何领域取得持续成功,最主要还是依赖于领导力、人才、文化和流程。
新的算法、技术和基础设施显然是必需的。但如果没有 AI 就绪型的员工,这些又有什么用呢?因为是人而不是机器在: - 创建、完善和维护专有的 AI 程序和技术 - 提供必要的监督和保障,向公众保证 AI 仍然是人类的工具,而不是一些人所担心的失控威胁
在 DeepSeek 事件爆出前几天,BCG 发布的一项全球高管调查显示,在 1,803 名受访者中,超过四分之三的人将 AI 列为 2025 年的首要战略重点之一,与控制成本、推动增长和应对不确定的地缘政治局势并列。三分之二的受访者表示,他们的公司计划仅在今年就在 AI 上投入高达 2,500 万美元;18% 的受访者预计 AI 支出在 2,600-5,000 万美元之间;7% 预计今年在 AI 上的支出在 5,100-10,000 万美元之间,6% 计划投入超过 1 亿美元。
提升人才技能、重塑工作方式和推动变革
当然,战略性挑战在于将资金用在正确的地方:这应该包括提升人才技能、重塑工作方式和推动组织变革——而不仅仅是算法、技术和基础设施。正如调查团队所说:"在 AI 领域取得成功,既是社会学挑战,也是技术挑战。"
我的一位资深同事这样说:未来一年 AI 领域最重要的三个词应该是专注、专注、再专注。
最大的挑战,甚至比整合技术进步更难的是,要解决组织工作方式的问题。这涉及我之前提到的四个词:领导力、人才、文化和流程。
这些都很重要。我们可以争论哪一个最重要。但归根结底,任何寻求将 AI 融入其运营 DNA 的组织都需要一支对 AI 感到自在的职场团队——而大多数公司距离这一点还很远。
根据 2024 年 10 月盖洛普的调查,只有三分之一的美国员工表示他们的组织"已开始将 AI 整合到业务实践中"。虽然 16% 的受访者表示他们"非常或比较习惯使用 AI",但有两倍数量 (32%) 的人表示他们"非常不习惯在工作中使用 AI"。
如果你对此感到惊讶,其实不应该——因为超过三分之二的受访者表示他们从未在工作中使用 AI。事实上,只有 4% 的受访者告诉盖洛普他们每天在工作中使用 AI,另有 7% 表示他们每周使用几次。
这使得技能提升成为当务之急。
建立一支 AI 就绪型的职场团队只是挑战的一部分。同样重要的是要根据 AI 的能力和潜力重新思考组织和运营模型,重新构想工作流程,培养 AI 创新文化,并重新思考工作方式——将 AI 作为工具来使用。
但如果你的员工还没有准备好将 AI 作为工作场所的伙伴,所有这些重新思考和重新构想都毫无意义。现在就要行动,而不是以后。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。