AI正成为全球投资的重点领域,投入规模持续攀升,令人瞩目。美国正推进“Stargate”项目,计划在未来四年内投资5,000亿美元,打造全球迄今为止规模最大的AI数据中心。沙特阿拉伯和阿联酋也在近期宣布,将采购数十万枚先进的AI芯片。预计到2028年,亚太地区在AI和生成式AI方面的投资将达到1,750亿美元。
由此可见,全球对于AI所能带来的经济价值,抱有空前的期待。然而,麦肯锡近期的一项调研显示,全球超过80%的企业尚未在利润方面看到AI带来的实质性成果。[1] 这一预期与现实之间的落差,究竟源于何处?
关键在于,AI并不是一项孤立的技术。要释放其真正价值,必须将AI深度融入企业的业务流程之中。要做到这一点,企业需要构建三大核心能力:现代化的云端软件、现代化的数据管理体系,以及与两者紧密集成的AI技术体系。
首先来看软件层面:所有成功的企业都依赖软件来组织和优化其业务运营——从订单处理、采购,到生产、交付及客户服务。然而,许多企业仍在使用传统的本地部署软件,即安装在自有本地服务器上的各类程序。这类“软件生态”往往由多个分散的系统拼接而成,经过多年定制与修改,不仅彼此割裂、缺乏统一架构,也难以兼容最新的技术创新。这种复杂系统不仅维护成本高昂,还限制了企业应对挑战、把握机遇的能力,难以实现敏捷、高效的响应。
在这样的传统系统中,AI同样难以发挥应有作用:AI往往难以理解企业内部复杂的运行机制,面对分散、碎片化的数据难以整合,甚至无法获取关键信息。
因此,迈向高效的商业AI的第一步,是将传统的本地部署软件迁移至现代化的云端软件——即由专业数据中心统一管理维护、持续更新创新技术、实现高度集成的应用程序,使企业各业务环节之间的信息得以自由流动。
如今,得益于成熟的方法论和先进的数字化工具,企业能够以前所未有的效率、顺畅度和透明度完成云转型。而云转型带来的价值也前所未有:集成化的云应用可实现跨部门的端到端覆盖,天然协同、开箱即用。例如,汽车制造商可借助集成的云系统,大幅压缩从接单到生产再到交付的时间和成本。这类成效也同样适用于其他行业和各类业务流程。
因此,云转型远不只是一次IT升级工程,更是企业实现全面现代化的数字化基础,是从“合格”迈向“卓越”的关键一步。
当企业迁移至云端后,便可以快速引入先进的数据管理解决方案。可以将其想象成一个“智能文件柜”:它能够自动存储并整理所有文档、信息和数据,始终保持最新状态、精准分类、方便检索,无重复、无错误,且具备丰富的业务语境和智能标注。
集成的云应用与先进的数据管理系统相结合,不仅帮助企业管理者全方位掌握业务全貌,也使AI技术能够访问、理解并协同处理企业内的各类业务流程——不仅能协助员工完成重复性任务,还能支持深度分析和洞察。与此同时,AI的下一阶段演进也已悄然展开:基于集成的云应用与数据管理体系,AI“数字同事”(也称“AI智能体”)已能够执行更复杂的工作任务,例如识别逾期发票、分析问题原因、推动解决流程,并确保付款目标的达成。
因此,要真正释放AI的巨大价值,企业必将踏上一段系统性的转型之旅:从本地部署软件迈向云端应用,进而构建现代化的数据管理能力,并在全企业范围内部署AI智能体。正是这段转型路径,让企业得以真正激活AI所蕴藏的巨大潜能,使我们能够重新构想企业运营乃至整个经济体系的运作方式。
[1] 数据来源: 《The State of AI: Global survey》麦肯锡
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。