圖片來源@視覺中國
文 | 適道
千呼萬喚，麥肯錫公司終於發布了2023Q3人工智慧洞察報告TOP10，其中關於生成式AI的報告就占了半壁江山。
報告《The state of AI in 2023: Generative AI’s breakout year》分析了在全球各個地區和行業內，企業對人工智慧的部署和使用情況，並且認為人工智慧的廣泛使用將對各行各業產生重大影響。
下面，適道將和大家從中國視角出發，一起瀏覽該篇報告。
01 全球生成式AI採用：領先企業強在哪裡
第一，儘管生成式AI公開不久，但人們對它並不陌生。
從個人層面來說，79%的受訪者表示，他們至少接觸過AIGC，22%的受訪者表示他們經常在自己的工作中使用AIGC。
從企業層面來說，AIGC也得到了廣泛使用，三分之一的受訪者表示，他們所在的企業已經在至少一項功能中定期使用AIGC。
在表示其企業使用人工智慧的受訪者中，40%的人表示，由於AIGC的應用，他們的公司預計將在人工智慧方面投入更多資金，28%的人表示，AIGC的使用已經列入公司董事會的議程。
第二，AI高績效企業更傾向於在產品和服務開發中使用人工智慧。不同於大多數將AIGC作為降本手段的企業，AI高績效企業對AIGC的首要目標是創造全新業務或收入來源，並基於人工智慧的新功能提高現有產品的價值。
這些企業的受訪者指出他們面臨的首要挑戰是模型和工具，例如在生產中監控模型的性能，並根據需要重新訓練模型。相比之下，其他受訪者提到的則是相對寬泛的戰略問題。
關於AI領先企業和其他企業的區別，適道曾在文章中指出：AI領先企業在治理、部署、合作夥伴、人員和數據可用性等5方面存在一定共性。感興趣可以點擊查看。
第三，人工智慧相關人才的需求發生轉變。過去一年裡，採用人工智慧的企業最常僱傭的人員是：數據工程師、機器學習工程師和人工智慧數據科學家。與以往的調查相比，現在招聘人工智慧相關軟體工程師的比例要小得多（最新調查為28%，低於上次調查的39%）。另外，隨著AIGC的廣泛應用，企業對提示工程(Prompt Engineering)技能的需求也在增加。
適道認為，人工智慧人才儲備可能也在影響國內企業部署AI的速度。麥肯錫另一份報告指出，中國企業側重於招募軟體工程師、數據工程師等技術人才，卻忽視了AI轉譯員、設計師等關鍵人才。據悉，2022年，近半數中國企業聘用了軟體工程師，而招募轉譯員的公司僅有6%，遠低於領先國家的14%。這個數據值得關注。
第四，報告指出：雖然AIGC工具的使用正在迅速普及，但數據並沒有顯示這些新工具正在推動企業全面採用人工智慧。就目前而言，採用人工智慧的企業在比例上總體保持穩定， 55%的受訪者表示他們的企業已經採用了人工智慧。
不過，大多數受訪者表示，在應用人工智慧的每個業務功能中，人工智慧相關的收入都有所增加。展望未來，儘管AI整體採用率保持在55%左右，但超過三分之二的人預計其所在公司將在未來三年增加對AI的投資。
02 中國生成式AI行業：尚處於早期階段
生成式AI已進入高速成長期。就目前來看，中國的市場規模約是全球總量的1/10，預計到2025年將達到2000億元人民幣，平均年增速超過60%。
毫無疑問，未來投資者將紛紛入場，潛在企業、個人用戶對生成式AI工具的功能抱有期待，這些無不說明，行業的春天已經到來。
那麼，當前國內的GenAI（生成式AI）行業呈現出哪些特點？
專用硬體：基礎建設資源受限，但國產化進程不斷加速。
由於無法獲得高端GPU晶片A100與H100，國產大模型研發機構在算力上遭遇瓶頸。雖然中國本土晶片研發廠商加強科研，新開發晶片的算力規模可達到2000TOPS（目前國產GPU的算力規模大多在1000TOPS以內），但距離國際領先的H100晶片4000TOPS算力仍有一定差距。
基礎模型：行業大模型可能是國產GenAI的出路。
一方面，通用大模型需要海量數據用來訓練，但中文網站數量的全球占比僅為1.4%，可用作訓練的公開中文語料庫數量有限、質量不均。另一方面，國內用戶在網站和移動端App產生的海量數據，基於保護用戶隱私，大部分數據不能應用在大模型訓練上，從而對模型訓練的效率和精度都造成不利影響。
因此，相較於適用於多領域、多任務的通用大模型，行業大模型更依賴於開發者對垂直場景的理解和海量行業數據支持。在算力受限的背景下，行業大模型更有可能成為中國GenAI廠商的制勝賽道。
應用：中國創業公司尚處於早期階段，聚焦領域相對集中。
國內GenAI領域的創業公司融資輪次靠前，集中在天使輪到Pre-A輪之間，融資金額大多小於1億元人民幣，正處於方興未艾的發展初期，行業潛力巨大。
反觀海外GenAI行業，科創企業規模體量相對較大，湧現出多家細分應用領域獨角獸企業，其中某總部位於倫敦的全球化AI研究型企業估值高達38億美元。
另外，國內GenAI垂直應用領域主要聚焦文本、圖像和音視頻生成，海外市場則在上述領域以外出現了大量基於GenAI的開發平台、數據分析平台及代碼編寫平台，其原因在於海外以早期程序語言編寫的系統較多，許多企業面臨較高編程人力成本，因此對編程輔助軟體有較高需求。
03 行業分布集中，大部分企業還在摸索商業模式
中國GenAI行業的商業化應用呈現出了兩大特點：
一是行業分布集中，主要集中在商業化發展較成熟的優勢產業。
在國內，GenAI應用發展最快的領域包括電商、傳媒、娛樂和遊戲，尤其是數字虛擬人和電商視頻營銷，而大部分傳統行業（如金融、能源、教育等）仍處於小規模試點階段。
而GenAI應用之所以能在網際網路電商平台蓬勃發展，原因就在於中國擁有優質的電商和供應鏈生態以及龐大的消費者群體，為GenAI應用落地提供了契機。
典型的行業應用案例包括：視頻行業某生成式AI的3D短視頻內容廠商、電商行業的某領先GenAI視頻大模型研發企業、遊戲行業的某網際網路平台旗下遊戲與AI研究和應用機構等。
在上述企業中，生成式AI的3D短視頻內容廠商能夠基於文本生成3D視頻內容，並通過抖音、快手、B站等短視頻平台進行推廣，極大提高了短視頻內容生產者的創作效率。
GenAI視頻大模型研發企業則深耕電商行業，以AI生成虛擬人主播，賦能各行業、各品牌電商。
遊戲與AI研究和應用機構則利用人工智慧打造AI陪玩、AI競技機器人，並通過自然語言技術賦予非玩家角色人設，使其能夠在遊戲中與玩家互動對話。
二是大部分企業處於積極探索自身商業模式的早期階段。
聽著很美好，但問題也出在這裡：行業分布過於集中，且更多是面向C端用戶。
正如適道探討過的：網際網路時代不同於大模型時代。在網際網路時代，「流量」是免費的，在總運營成本不變的情況下，用戶越多，網絡的價值就越大。而在大模型時代，算力有成本的，每多增加一個用戶，就要實打實地付出算力，這就導致補貼沒有任何意義。你的新用戶越多，你反而可能越賺不到錢。
因此，面向B端企業客戶或許更能代表未來人工智慧公司的方向。
在歐美市場，大規模企業客戶群體是主流。SaaS付費訂閱模式已基本成熟，一眾海外GenAI企業利用成熟的SaaS市場，將GenAI應用到高科技、通信及各種傳統行業（如醫療、教育等），應用範圍更加廣泛。
在國內市場， GenAI企業目標客群多為終端。用戶企業對軟體的付費意願不高、市場有待進一步培育，且企業對SaaS部署方式存在數據安全方面的顧慮，大規模應用GenAI的商業模式仍有待探索。
目前，國內市場主流的商業模式包括雲資源售賣、模型API調用、SaaS收費、素材收費等。
總的來說，大部分國內市場的GenAI創業公司剛剛完成標準化產品輸出，開始進入初級商業化探索階段。而隨著中國SaaS市場成熟以及企業付費意願的提升，國內文本生成和圖像生成初創企業預計將快速拓展至企業客戶市場。
04 六個靈魂拷問：AI技術潛力如何變為經濟效益
研究顯示，僅9%的中國企業計劃憑藉部署AI實現超10%的營收增長，而領先國家有19%的企業有望實現這一目標。同樣，就利潤貢獻率而言，僅有7%的中國企業稱AI對EBIT的貢獻率突破20%，而領先國家有14%的企業突破了這一比例。
結果表明，中國企業亟需提高變現能力，將AI技術的潛力轉化為切實的經濟效益。
除了上述的AI轉譯員儲備不足，中國企業部署AI較領先國家落後的原因還可能是：
- 總體AI戰略欠佳：在受訪的中國企業中，AI戰略與公司總體戰略相契合的企業不足30%；在受訪高管中，完全認可AI戰略的高管僅有25%。
- 不重視內部培訓：僅30%左右的中國企業依靠內訓培養AI人才，明顯低於45%的全球均值。
那麼，為儘快部署生成式AI並從中成功發掘價值，企業必須首先思考六大關鍵問題：
- 在什麼業務環節部署生成式AI才能創造最高的價值？能夠幫助您增強競爭優勢的關鍵用例有哪些？
- 您最重要且可供AI學習的數據資產有哪些？
- 您的技術運營模式是怎樣的？
- 您是否擁有需要的AI人才，可實現業務與技術的無縫整合，並將AI的潛力轉化為價值？
- 您是否已制定風險協議，以化解生成式AI的模型風險（如應對模型「幻覺」）？
- 您計劃如何推進變革管理，從而推廣生成式AI，達成業務目標？
麥肯錫認為，企業必須回答上述問題，攻克種種挑戰，才能快速構建所需的能力，充分釋放生成式AI的潛力，及時獲取這一顛覆性技術可創造的經濟效益。
儘管目前國內外市場在諸如大模型開發、應用布局、商業模式等多個領域都存在較大差異，但我們能看到中國GenAI行業正在不斷追趕國際領先水平，預計未來中國GenAI相關技術和應用將逐漸成熟，並進一步探索出適合自身發展的商業模式。