4 月 9 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。
武连峰在演讲中分享了当前生成式 AI 和大模型发展的几个关键趋势:
1、IT 行业迎来 AI 大转型时代。全球 37.4% 的企业认为生成式 AI 将会颠覆他们的竞争地位。今天企业如果不为 AI 做好准备, 可能明天后天就会被颠覆。
2、落地过程中, 企业面临选模型、找场景、选平台等多重挑战, 大模型厂商要帮助 B 端企业更快推进, 让用户能更好地看清大模型的价值。
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。
以下为演讲精华内容, 经编辑。
大模型落地仍是当前最热话题
今天, 生成式 AI 和大模型落地仍然是市场最热的话题, 可能没有之一。
这里简单列举一些行业案例:
2024 年,Meta 预计要花费 100 多亿美元来购买 GPU, 核心需求就是支持生成式 AI。
苹果在 2023 年大概并购了 32 家 AI 公司, 很可能在今年 6 月份会有重大宣布。
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。
央视拍摄的《中国神话》3 月 22 日开播, 这是一部 6 集短剧, 每集四到五分钟, 其所有内容都是 AI 生成的, 效果相当震撼。
截止到去年底, 百度文心一言的用户已经突破 1 亿, 是国内同行中用户规模最大的。
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真人的 15% 左右, 却可以达到真人 85% 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。
从以上这些案例可以看出, 生成式 AI 和大模型现在还是最热门的焦点。
IT 行业进入 AI 大转型阶段:
支出、投资、服务都要转型
结合上述状况,IDC 作出判断,IT 行业正在进入 AI 大转型阶段。具体表现在三个层面:
第一是支出转型 (这也是 IDC 十大趋势预测之一)。到 2025 年, 全球 2000 强的大企业会将 40% 的核心 IT 花费用在与 AI 相关的举措上, 其效果主要体现在产品和流程的效率上, 至少达到两位数的增长。
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。
企业落地大模型现状:
三大挑战、五大机会并存
生成式 AI 的应用现状如何?
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。
企业落地大模型的挑战点在哪? 主要分三个层面:
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。
未来大模型的发展方向是什么?
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。
哪里能率先赚到钱:
AI 专家、AI 员工、AI 设计师
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。
第二个是 AI 员工, 也包括数字人, 今天在大量的客服、数字营销等场景中运用。
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。
企业如何抓住大模型风口?
认知到位、定位清晰、伙伴合适
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。
1、生成式 AI 绝不会像很多其他技术一样昙花一现, 这里需要底座的基础设施重构来更好地提供支持。
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。
3、交互模式也需要重构
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。
第二, 定位要清晰。企业需要清楚找到 8 个自我定位。
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。
3、变现定位。通过 MaaS、SaaS、API、项目制、硬件等, 要思考哪块是企业变现的点。
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、问题定位。企业要看如何能够帮助用户解决问题, 具体的问题可能会涉及能否帮助用户降低成本, 同时能否帮助用户提升效率、强化客户体验、探索新的模式或第二条增长曲线。
6、方案定位。企业自己的方案是定位成原生 AI 应用, 还是现在的 Copilot 应用? 微软去年推出了 19 个 Copilot, 未来很多企业一定是 Copilot 应用。
7、模型定位。企业的模型定位是多模态的单模型, 还是单模态的多模型, 还是多模态的多模型?
8、算力定位。还要思考企业的算力是公有云、私有云、传统 IT、还是端侧设备。
第三, 伙伴要合适。
我们做了一个选择的合作伙伴的模型, 从 5 个大的层面来做评估。明显可以看到, 选择合作伙伴时要考虑这家公司的市场表现、平台实力、服务支持、商业变现、社区建设等能力。|
需要强调地是, 平台会越来越关键, 从 2010 年到今天, 大家很明显地感受到平台在市场上的影响力非常巨大, 在生成式 AI 领域也不例外。如果企业自身能力极强, 可能需要自建一个平台, 但大多数企业需要加入平台, 利用平台的优势尽快帮助企业变现, 帮助客户创造价值。
我们对整体 AI 原生应用生态能力做了评估, 整体上百度智能云都高于行业的平均值。
（来源：News快报）
