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
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。