显然,随着技术的巨大进步,企业家和商业领袖都在探索如何将这些技术应用于商业。
我不会详细列举这111种方式 - 这只是一种修辞手法,用来强调当今人工智能的无限可能性。正如我稍后要指出的,AI的能力范围正在不断扩大,这对商业有着重大影响。
让我们来看看企业通过人工智能实现更大价值的一些基本方式...
参与度和生产力
这是AI改变商业的两大基本支柱。一个是参与度 - 销售、客户服务、外联等,AI帮助企业与目标受众互动。
另一个是生产力 - 生产效率、员工能力、运营效率等。
这两个方面在企业运用AI方面都发挥着重要作用。例如,关注客户服务效率的资源侧重于第一组指标,而许多其他项目则更关注内部统计数据,比如人们每天可以产出多少产品。
Radar27的一位分析师写道:"借助AI,企业可以实时了解个别客户的行为、偏好和需求。这使得有针对性的信息传递和产品推荐更容易引起每个客户的共鸣。"
这更多是关于参与度方面,但生产力显然也同样重要。
所以在AI的商业应用中要关注这两个方面。
以人为本的应用
一些商业专家也指出,这些系统需要围绕如何支持人来设计。以人为本的设计很重要,因为许多AI创新都是为了辅助商业人士。它们不是要取代人,而是帮助人们更智能地工作,而不是更辛苦地工作。它们是决策支持工具,而不是能够自建公司的自动机器。
在部署过程中我们都应该牢记这一点。
试点项目的价值
通过实验性地建设项目来验证效果也很有价值。
这是我最近在与Andrew Ng讨论将AI应用于商业时提到的观点。
"实验成本已大幅下降,因为AI辅助原型设计非常高效,"Ng说。"我在达沃斯的'行动中的想象力'会议上采访他时,看到很多人聚在一起为全球性问题寻求解决方案。我看到很多企业正在重组自己,以开展多个实验,然后系统地获取资源来实现规模化发展。我认为这对许多企业来说是一个重要的过程。"
本周早些时候,我还写到了达沃斯小组讨论中提到的两个试点项目,这次讨论由Engine的Katie Rae主持,参加者都是与MIT有关的杰出人士。Sublime的Leah Ellis谈到了绿色水泥生产的试点工厂,CFS的Ally Yost则谈到了核聚变能源的试点工厂。
这两个例子都说明了Ng提到的概念:现在有了AI,原型设计变得更加可行,数字孪生技术可以帮助我们预测建设项目的结果。
其他投资回报驱动因素
Ng还向我们介绍了更多关于AI的商业背景。
"Intel正在使用AI帮助零售商进行定价分析,帮助提高盈利能力...使用AI协助跨境贸易的法律合规,在达沃斯各处,我看到很多关于AI实施的有价值讨论,这些都已经开始带来积极的商业回报,"他说。
我们讨论了AI如何能让收入翻倍或减半,这让我想起一个古老的格言:新技术应该帮助而不是阻碍员工,设计很重要。
Ng指出,在这个快速变化的时代,弄清竞争对手会做什么,思考公司的护城河是什么也很重要。
"这需要大量工作,要为你的企业、你的数据、你的客户关系、你的资产找出独特的优势,建立可持续的竞争力...因为形势已经发生变化,这也带来了竞争威胁。所以我看到所有聪明的CEO都在思考如何运行内部流程来产生创意。"
我认为这是对当前商业对话的一个敏锐观察。
两大卓越机构
在我们谈话结束时,我建议MIT和斯坦福都应该参与推动这项事业的合作努力。
Ng表示赞同。
"我认为这是一次精彩的活动,"他说。"让斯坦福和MIT这两个我们有幸与之有联系的机构参与其中,对我来说是一件很棒的事。"
这是我们1月份IIA活动中最有趣的时刻之一,让我们得以一窥AI对商业的潜在影响。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。