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
2025年1月,OpenAI、软银、甲骨文和MGX联合宣布"星际之门"计划,承诺投资5000亿美元,部署高达10GW算力基础设施。如今,该项目已从白宫发布会上的宏大承诺,演变为一场前所未有规模的基础设施建设实验。项目已扩展至德克萨斯、威斯康星、俄亥俄等多地,并延伸至阿布扎比和挪威。然而,融资争议、合作伙伴摩擦、能源压力及政策监管收紧,正考验着这一"AI工业园"模式能否真正落地。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
加密货币交易所OKX正式推出AI智能体交易市场OKX AI,允许AI代理相互雇佣、自主结算,并建立基于区块链的可携带信誉档案。该平台经过50家早期服务商封测后向开发者开放,依托稳定币和链上支付基础设施,支持全天候微支付。OKX创始人徐明星表示,传统金融基础设施为人类而建,智能体经济需要为自主软件专门设计的基础设施。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。