根据周三发布的Gartner报告,微软凭借其广泛的合作伙伴和平台生态系统在企业级AI领域占据主导地位,而谷歌的集成AI智能体技术栈和可扩展的企业采用支持使其成为企业智能体AI领域的领跑者。这家研究公司在近30个AI技术竞赛中突出了当前的领跑者。
Gartner的领先企业类别包括数据和基础设施、模型和智能体、行业、解决方案和网络安全,其中包括AI安全平台的领导者。Palo Alto Networks在网络安全类别中名列前茅,而OpenAI因其模型创新被评为大语言模型提供商中的领导者。
根据Gartner集团副总裁Anthony Bradley的说法,领先企业是根据其技术能力、客户实施、客户基础、商业模式、合作伙伴关系和周围生态系统来确定的。
包括微软和谷歌在内的科技巨头已投入数十亿美元扩展AI基础设施,为现有产品添加智能体功能,并协助企业进行采用。尽管如此,随着2025年即将结束,企业的AI价值困境依然存在。
当首席信息官们进入2026年时,AI采用将继续是首要任务,但据Rimini Street最近的一份报告显示,高管们并不期望他们在AI上的投资回报在未来六年或更长时间内达到一半。高管们预计在未来一到两年内仅能看到27%的投资回报。
与此同时,三分之二的企业表示他们被困在生成式AI试点阶段,正在努力将这些工具转入生产环境。根据Informatica调查,近97%的受访者在展示该技术的业务价值方面遇到困难。
企业还将面临超大规模云服务商在现有产品中添加AI功能所带来的成本上升。微软本月早些时候表示,将从2026年7月1日开始提高Microsoft 365套件订阅的商业定价,该公司将这一变化归因于AI可用性的扩大。Salesforce今年也表示将提高其产品价格,包括Agentforce和Slack,以便为客户提供更便捷的AI工具访问。
IDC AI变现、定价策略和商业模式研究总监Tiffany McCormick在发给CIO Dive的电子邮件中表示:"随着AI嵌入到每个企业产品中,我预计会看到价格上涨,但这些涨价需要与透明、可衡量的业务价值相匹配。"
尽管如此,据Gartner称,像微软这样在企业应用和基础设施方面拥有广泛影响力的公司,更容易在企业前端和后端工作流程中集成AI。
同样,根据Gartner的说法,谷歌的企业级智能体AI产品和基础AI技术使其在企业平台领域领先于竞争对手。然而,该公司尚未采取额外步骤构建能够解决特定业务问题的专业智能体,这为其他公司进入领导地位留下了机会。
虽然微软和谷歌目前在企业AI领域占据顶级位置,但Gartner表示,这两家科技巨头以及AWS都是"领跑者"主导地位的竞争者,这种地位随时可能发生变化。
Q&A
Q1:Gartner报告中微软和谷歌在企业AI领域的优势分别是什么?
A:微软凭借其广泛的合作伙伴和平台生态系统在企业级AI领域占据主导地位,能够更容易地在企业前端和后端工作流程中集成AI。谷歌则凭借其集成AI智能体技术栈和可扩展的企业采用支持,在企业智能体AI领域成为领跑者。
Q2:企业在AI投资回报方面面临什么挑战?
A:根据Rimini Street报告,高管们并不期望在未来六年或更长时间内AI投资回报能达到一半,预计在未来一到两年内仅能看到27%的投资回报。同时,三分之二的企业被困在生成式AI试点阶段,近97%的企业在展示AI技术的业务价值方面遇到困难。
Q3:AI技术普及对企业成本有什么影响?
A:企业将面临超大规模云服务商在现有产品中添加AI功能所带来的成本上升。微软将从2026年7月1日起提高Microsoft 365套件订阅的商业定价,Salesforce也表示将提高包括Agentforce和Slack在内的产品价格,以便为客户提供更便捷的AI工具访问。
好文章,需要你的鼓励
最新调查显示,近半数CIO将AI采用和自动化提升列为未来五年的首要任务。超过三分之一的受访者将加强业务连续性和灾难恢复作为重点,同等比例的企业将人才技能发展列为优先事项。尽管AI投资成为焦点,但投资回报率仍不明朗,近三分之二的商业领袖估计AI投资回报率仅为50%或更低。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
红帽公司宣布收购伦敦AI公司Chatterbox Labs,该公司专注于模型测试和生成式AI护栏技术。此次收购将为红帽AI产品组合增加自动化AI风险评估、安全测试和治理功能。Chatterbox Labs的AI风险指标帮助企业验证数据和模型是否符合国际法规,提供模型无关的稳健性、公平性和可解释性测试。收购将增强红帽的AI安全能力,包括生成式AI护栏、模型透明度和预测性AI验证等功能。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。