扫描或点击关注中金在线日,在百度智能云GENERATE全球生态大会上,IDC中国区副总裁兼首席分析师武连峰作了以《抓住大模型应用与生态的无限商机》为主题的分享。

　　3、当前全球投资人最关注、最有盈利“钱景”的场景主要分为三大类,知识管理方向的AI专家,数字人、智能客服等AI员工,图片生成、视频生成等AI设计师,目前这三类场景已走出商业模式。

　　4、未来4年,AI给中国市场带来的整体经济增量预计超过2万亿美元,做到认知到位、定位清晰、找到合适伙伴,是企业抓住大模型商机的三大关键。其中,未来选对平台伙伴很关键,绝大多数企业需要背靠平台加快变现。

　　5、大模型的影响是颠覆性的,所有应用、生态伙伴、交互模式、数据价值、基础设施等都需要重构。拿生态来说,以前整个生态被已被生成式AI“打碎”,未来如何做好重构考验着模型厂商、伙伴。

　　过去一段时间有两个应用非常火爆,分别是文生视频的Sora,以及文生音乐、文生歌曲的Suno,业内也有很多人试用它们。

　　南方电网基于百度智能云一站式知识管理平台“甄知”打造的AI原生应用“南方电网技术标准数字化应用”,提升查阅标准文档效率50%以上,同时提升标准编写效率2倍以上。

　　在鱼你在一起、冒二麻一、李先生牛肉等餐饮品牌的直播间,真人与百度智能云“曦灵数字人平台”制作的数字人接力直播,用户竟然没有丝毫察觉。在6个小时的直播中,数字人的直播成本仅有线%左右,却可以达到线%的GMV。

　　百度智能云在今年3月发布了智能代码助手Baidu Comate2.0,并面向个人开发者免费使用。Comate支持100多种开发语言,已经编写了百度内部四分之一的代码,而且还在喜马拉雅、软通动力等10000家企业应用,企业客户的采纳率达近50%,覆盖金融、汽车等行业。

　　第二是投资转型。2026年,全球技术服务商50%的研发、人员配备、资本支出等要素都会用于人工智能相关用途。

　　第三是服务转型。到2025年,40%的服务,包括行业用户,也包括技术厂商,都会用生成式AI来支持交付,影响从合同谈判到IT运营、风险评估的方方面面。

　　毫无疑问,支出转型、投资转型、服务转型正在推动整个IT产业进入AI大转型的阶段。这将带来巨大的市场机会、拉动经济增长。

　　IDC预计,2024—2027年AI给经济带来的增量可达11万亿美元,相当于全球GDP的2%-3%左右。2027年,全球企业的AI支出将达到5120亿美元左右。AI给中国市场带来的整体经济增量未来4年预计超过2万亿美元,2027年中国的整体AI市场可达400亿美元左右。

　　由此可以看出,今天生成式AI已经成为影响商业和社会的最重要的颠覆者。IDC每个月都会对全球的行业用户做调研,每次样本在800-1500左右。根据该调研的结果,全球有37.4%的企业认为生成式AI将会颠覆他们的竞争地位。所以今天企业如果不为AI做好准备,可能明天后天就会被颠覆。

　　整体而言,全球大约34%的企业已经在投资AI,并在未来18个月内制定了获取生成式AI增强软件和咨询服务的支出计划;对生成式AI做POC(概念验证)的企业也有接近1/3;什么都没做的企业,在全球仅仅只有10%左右。

　　过去一年,在跟很多行业用户沟通的时候,有几点观察。  首先,企业的管理层、业务人员对生成式AI的认知基本到位,大家都已经深刻认识到,可以把它直接用起来。第二,企业部署大模型差异会非常大。包括泛互联行业在内的有些企业很前卫,做了很多投资,但有很多传统行业目前的部署情况总体比较落后。第三,生成式AI的价值体现目前还相对模糊,这是很多新技术在应用过程中一定会有的现象。第四,AIGC方面的投资自2023年下半年以来变得有点谨慎,因为目前的应用价值有点模糊。但绝大多数企业都认为未来非常可期,也在担心自己被颠覆,甚至寻找自己的第二增长曲线)this.width=500 align=center hspace=10 vspace=10 rel=nofollow/>

　　500)this.width=500 align=center hspace=10 vspace=10 rel=nofollow/>

　　500)this.width=500 align=center hspace=10 vspace=10 rel=nofollow/

　　对于大模型提供商而言,如何更好地做好数据准备是一大挑战,高质量的数据是大模型落地产生价值的基石。第二大挑战是算力不足,大模型训练和推理需要庞大的算力支持。最后一大挑战则是如何帮助B端更快推进,使用户能够更好地看清大模型和生成式AI的商业价值,形成良性循环。

　　对企业用户和使用者来说,最核心的挑战是如何能够借鉴一些成功的部署经验,选择合适的场景,同时确保隐私安全。

　　对开发者来说,包括数据集成比较复杂,如何选择合适的模型,如何满足安全要求,都是需要面对的问题。

　　500)this.width=500 align=center hspace=10 vspace=10 rel=nofollow/>

　　500)this.width=500 align=center hspace=10 vspace=10 rel=nofollow/

　　多模态、多模型(大模型、小模型、场景专属模型等)、多方法(RAG+Agent+企业其他应用)、强推理(模型在处理数据时具有高级的认知能力,包括推理逻辑、抽象思维、解决问题能力)、高可靠(稳定地提供准确、一致、可信的结果)、可定制(根据特定用户或应用场景需求进行调整和优化的能力)这五点非常关键。今天没有一个模型能够满足所有的应用需求,如何采用多种方法做更好的编排整合也是帮助企业落地的要点。

　　再来看生成式AI未来的整体支出规模和增长趋势。前面提到,宏观层面AI对全球整体经济的增量会达到11万亿美元,中国至少有2万亿美元左右,那么具体到行业层面的市场机会有多大?  生成式AI软硬服务的全球市场规模在2024年大约有387亿美元,到2027年会上涨到1453亿美元。生成式AI在2024年占全球整体AI市场的16.7%,而到2027年可达28.4%。中国市场在2024年的规模约为35.3亿美元,2027年可达129亿美元,占整体AI市场的比例分别是16%和32.3%,与全球趋势基本同步。

　　具体到市场机会,行业的初期阶段,也就是2024-2025年,市场机遇主要同算力、基础设施相关。从2025年到2026年,整个平台与解决方案的机会更大一些。2026年以后,很多产品有可能会以生成式AI服务的形式,通过用户订阅的方式来获取商机。

　　今天全球投资人比较关注的、可以盈利的场景,可以分为三大类: 一个是AI专家,主要在法律、医疗等领域,核心是知识管理。大模型加持的知识管理,可通过对话式交互激发创意,让搜索、推荐、问答更加准确,为企业提供强大知识管理能力。

　　第三个是AI相关的设计师,用AI技术帮助做设计图生成、做视频生成等。当前在文生图大模型方向,面向设计师、创意需求等人群的AI 绘画的应用已经十分广泛。

　　可以看到,这三个领域目前确实走出了商业模式,但中间还有非常大的改进空间,还是有非常大的机会,因为这三大场景跟企业结合更紧密。

　　未来更大的场景应该会同整个行业的具体场景相结合,所以这里给出不同行业2022—2027年的年增长率预估,下图的气泡大小代表这个行业的规模大小。可以看到2023年支出比较高的行业有互联网、金融、运营商及汽车。2023-2027年,运营商、汽车、交通运输、零售、教育行业的机会比较明显。所以如果企业在从行业中寻找市场机会,这是一个非常好的参考。

　　结合生成式AI的整体机遇与不同行业的机遇,我们可以总结出企业抓住生成式AI和大模型机遇的举措。  首先,认知要到位。今天的生成式AI主要涉及听、说、读、写、画、创、思、动几个层面,除了思和动,特别是动还很弱之外,前面几个层面中,大模型已经达到了人类的平均水平。所以今天有很多公司开始深入智能化,未来还会把大模型跟机器人结合起来,在思和动方面可能有更好的成长空间。所以未来生成式AI在所有行业、所有产业都会产生颠覆式的影响,这种认知一定要到位。

　　2、所有的业务应用也需要重构,要探索AI原生应用如何同现在的老应用更好地编排、结合、整合起来。

　　4、数据的价值也在重构,所以从“数据要素计划”中可以很明显地看到国家对这块越来越重视。对于企业而言,数据可以变成资源,数据真正产生价值现在也是刚刚开始。

　　5、生态伙伴也需要重构,以前的整个生态已经被生成式AI打碎了,未来如何在这方面做好重构是个挑战。

　　1、用户定位。行业的挑战很大,但机会实在太多,首先要思考如何做好用户定位,究竟是2B、2C,也许要2P。如果是医疗、法律等行业,可能应用、产品面向的是专业人士,所以用户定位会非常关键。有些公司说今天他们只做2C应用,因为资源一定有限,所以一定要做好用户定位。

　　2、场景定位。究竟要帮助用户落实哪些应用场景,是生产力提升的,还是行业专属场景的?这也需要企业做好定位。

　　4、链条定位。企业要思考在行业链条上,是帮助链条上下游伙伴训练提供算力,还是帮助推理提供算力,还是做产品开发,还是做应用实施、运营维护,还是服务。

　　5、问题定。