易观分析：易观合伙人、企业数字化中心总经理张澄宇先生受英特尔（中国）公司和InfoQ邀请参加互联网行业技术闭门研讨会，就AIGC企业级应用的前景同国内知名互联网科技行业企业CTO, CIO和资深专家做了深入交流，持续分享易观在AI和企业数字化转型赛道的洞察和思考。2023年12月，易观分析年度报告《中国人工智能产业应用图谱 2023》正式发布，报告重点对2023年AI和大模型在金融、制造、互联网、零售、政府，医药等主要行业的企业级应用和趋势做了解析，受到相关科技厂商和各个行业数字化转型企业的关注。近期，易观合伙人、企业数字化中心总经理张澄宇先生受英特尔（中国）公司和InfoQ邀请参加互联网行业技术闭门研讨会，就AIGC企业级应用的前景同国内知名互联网科技行业企业CTO, CIO和资深专家做了深入交流，持续分享易观在AI和企业数字化转型赛道的洞察和思考
以下是张澄宇先生在本次研讨会发表主题演讲实录中的部分内容摘要（上篇）●关于生成式AI变革的能级：介于互联网和移动互联网之间的巨变
●企业级生成式AI的价值创造：生成业务资产+生成业务决策
●企业级AIGC的两大流派：机器驱动和人机协同
●易观建议：技术采买方购买生成式AI的决策要点
-------------------------------------------------------- 关于生成式AI变革的能级：介于互联网和移动互联网之间的巨变在过去几年中，我们见证了诸如Web 3.0、元宇宙、双碳等新型技术栈的兴起和炒作，而今天的生成式AI是这些技术中影响力最大的技术议题。但是生成式AI到底是怎样级别的一场创新，是非常值得讨论的话题，因为其创新能级决定了企业和个人应当多大程度上的投入去迎接这场技术变革所带来的影响。易观分析的观点是，生成式AI不是一个中短期的技术风口（相比共享经济、区块链等），而是一场深远的系统性变革，更趋近一个接近互联网诞生、或者至少移动互联网诞生这一级别的变化。这样的判断主要依据如下三点。生成式AI的变革能级技术的影响已经远超过技术可直接带来的效率提升，其影响范围从基础设施建设，产业链变化，赛道、流派的演变，到商业模式、生产关系、生态构成，再制度的构建、社会责任和伦理的大讨论，以及潜在的生活方式的变化等。从影响力的角度，生成式AI的冲击效应可能更接近互联网的诞生。因为即使过去10年移动互联网的发展，也没有给从科技精英到草根大众带来过今天这样的社会大讨论。不同于很多前沿技术经过热炒后，由于技术价值潜力无法兑现而快速转向绝望之谷，生成式AI是近年来少有的通过供给侧AI应用的爆炸式突破而快速兑现商业价值、进而被全社会广泛接纳的技术市场。对于分析机构来说，这一落地速度也几乎超出所有机构的预期。我在2021年参加一个行业分析师的闭门交流，当时某全球头部的机构把Generative AI的规模化应用时间落在了2030年，这是他们全球分析师得出的共识结论。从易观角度来说，我们是2022年开始关注并启动了生成式AI的研究。但是，当2023年OpenAI的GPT3.5/4.0以及turbo等产品带来如此轰动的效果和影响力，之前所有分析师的预测几乎都错了。2023年全球AIGC狭义市场规模将超过百亿美元，并以超过30%的年复合增长率增长。但单一的技术市场数据并不能完全揭示AIGC的真正潜力。尤其在中国，随着技术的深入发展和应用的拓展，生成式AI的企业级应用将得到大幅度提升，一方面在金融、制造、互联网、消费等产业的数字化、智能化转型中发挥关键作用，另一方面在数据资产、技术资产的创造等方面也存在巨大的潜力。易观分析预测：到2028年，80%以上中国上市公司和规模以上工业企业将部署企业级生成式AI产品，数字经济增加值中由生成式AI技术驱动的部分将达到万亿级。 企业级生成式AI的价值创造：生成业务资产+生成业务决策我们在试图理解企业级生成式AI应用对企业经营发展所带来的影响，首先需要回答一个核心问题：生成式AI在企业中到底能生成哪些东西？答案可能比预想的要丰富，我们认为在“生成业务和资产”以及“生成策略和方法”两大方向上，生成式AI都有巨大的价值创造空间。在各大AI厂商的多模态大模型相继发布的背景下，从文本、图像到复杂的多媒体内容，都将快速进入大模型的射程，进而为生成式AI带来巨大的价值创造舞台。例如，在营销领域，AIGC可以自动生成吸引人的广告文案和视觉设计；在新闻行业，它能够快速准确地生成新闻报道；而在金融分析领域，AIGC能够便的生成专家纪要、数据变化结果等。这些内容的海量和快速生成，对于人的效率提升甚至是工作替代起到非常直接的作用，对于游戏、广告、传媒、电商等基于虚拟经济商业模式的企业所带来的价值增益尤为显著。AIGC在数据资产方面的能力尤为突出。通过对企业内部的海量数据进行深度分析和处理，AI能够从中挖掘出有价值的信息和洞察。这不仅限于对现有数据的分析，更包括对数据的重新组织和解读，使其转化为企业的战略资源。比如在企业优质数据不足的情况下，利用AI深度学习企业包括邮件、OA系统、IM对话、会议记录等各种事件中留存的信息和数据，获得人类专家根本无从获取的全新洞察。同时，在数据不足的情况下，企业未来甚至可以使用生成式AI技术创造数据资产。这包括模型数据、数据集、数字孪生体等，通过对这些数据的分析，让企业级客户在“小数据”的情况下依然可以利用AI来学习和建模。并且进一步挖掘出原本数量不足、质量偏低的数据背后所隐藏的价值。这将使得企业数据资产化时代的到来至少提前3-5年。每个企业在成长中都积累了大量的信息、认知、方法等，这些构成了企业发展过程中的知识体系。以往这些知识都分散躺在内部的各种系统和软件中而无法被激活利用，这是一种事实上的虚拟资产浪费。而未来企业将有可能利用生成式AI产品将大量存放在word、PPT、图片、录音等中的静态信息转化为动态的知识库，这种转换不仅是信息格式的改变，而是通过AIGC对数据的分析和抓取能力，构建起知识网络或知识图谱，进而支持企业相关知识大模型的有效训练和调参。这样的转换使得过去零散的信息得以被有效整合和利用，让AI为企业相关决策者可以利用持续精进的模型，输出更加深入和系统的业务洞察。除了从业务和资产角度，我们认为AI在策略和方法的角度也有巨大的价值生成潜力。以决策为例，易观将企业决策分为战略决策、业务决策、运营决策三大层级，以往，每个层级的决策都依赖于各个层级的管理者利用专家知识和经验开展，这使得决策的科学性、及时性、有效性受到了非常大的挑战。未来，通过使用企业级大模型的产品，比如当下比较流行的copilot这类产品能力，决策者将具备更强的能力以对内外部获取的多维度数据进行整体分析处理，并且帮助企业的相应人员提出针对特定层级任务的业务策略建议。总结来说，AIGC的企业级应用不仅限于生成具体的内容或资产，它的价值还体现在对数据的深度分析和知识管理方面。这些能力使得企业能够更有效地管理和利用信息，从而支持更精准和前瞻性的业务决策。我们建议行业客户可以去基于上述这个框架开展AIGC落地场景和价值的思考，也就是说我们如果要把生成式AI落到企业里面，我如何去证明它的投入产出比，或者说如何能相对快速地把一些价值先创造出来，这有助于企业在使用这项技术的时候处于一个上升的良性循环中。易观团队对生成式AI在企业的落地形态进行了深入分析，以试图理清相关技术在企业的落地会是什么样的产品形态。我们把企业级生成式AI的落地形态归成两类，或者说两个技术流派，分别是人机协同和机器驱动。这个流派强调的是人和AI系统的合作。也就是说机器还是作为个人成果输出的一部分，或者说机器是为人类专家提供新的创意，新的方向，包括完成大量基础性的内容。AI的价值在于增强人创造力和分析能力，提升人的产能，但是整个的工作流还是由人类专家来去驱动才能够完成闭环。例如，在数据分析领域，AIGC可以帮助分析师处理大量数据，提炼关键信息，而最终的决策则由人来做出。这种流派的优势在于能够结合人的创造力和机器的处理能力，特别适合于那些需要高度创新和定制化的任务。在人机协同的方向上，企业其实通过一些比较小型的这种模型就可以完成对专家的支持，然后AI的定位就是提效工具。我们认为未来从这个角度会有一些AI增强型应用产生，具体形态可能是基于大厂既有大模型或开源大模型的创新开发。这个流派更加强调的是AI系统的自主性和独立性。在这种模式下，生成式AI产品不再仅仅是人类工作的辅助工具，而是更像工作中的主力承担起大量工作任务。例如，在自动化客户服务中，AI可以自主处理客户咨询，提供解决方案，甚至进行复杂的问题分析和解答。在不需要人开展决策的情况下，机器就可以完成某一个业务场景的行为价值闭环。在这个流派中，人的角色主要是进行监督、设置目标和任务，以及在必要时进行微调。这种流派的优势在于在某些特定的局部可以实现对人的完全解放，极大提高了该局部的运行效率和事务处理能力，特别适合于那些标准化程度高、任务重复性强的领域。从模型大小的角度，机器驱动的模型会更大一些，通过接入现有大模型API结合企业knowhow的方式，可以让机器更加像一个生产者，独立完成一些机器驱动工作。 两个流派在控制性和自由度上有明显的差异。如图所示。其中人机协同在左侧，对应着更高的控制性，因为人会在这里面产生非常多的输入，也对AI的走向和结果有更强的干预能力。机器驱动在右侧。对应着更高的自动化，同时也对于数据、业务和IT的准备具备更高的要求。未来AI在企业级应用的落地基本不会逃出这两大流派。具体演化的方面，虽然趋势是大家更加追求右侧的机器驱动，但在AGI时代之前，我认为在非常长的阶段（至少在2030年以前）大家基本会处在人与AI协同工作的状态。但是无论选择哪一种流派，企业都应意识到，AIGC不是一个单纯的技术问题，而是一个涉及战略、管理和文化的综合性挑战。正确地理解和应用AIGC，将为企业带来前所未有的机遇。●要点1：虽然期望AI创造业务价值，但多数企业落地AI的首要关切在成本端易观分析认为，虽然外界对AI价值的讨论和期望更多面向业务侧的潜在收益，行业客户的视角来看，约半数的企业客户引入生成式AI进程中的成本控制成为企业优先关注事项，也是当前企业决定投入AI的前提条件。企业关注成本要素的主要原因是，企业级生成式AI产品的导入对应着一系列的成本增加，这包括技术服务订阅和部署、数据治理、系统集成、员工培训等方面，这些衍生成本同员工单点使用大模型产品的成本是截然不同的。对此，企业需要在明确的成本效益分析基础上，制定合理的投资计划和期望回报。●要点2：生成式AI技术仍在进化，相应技术战略需要是动态变化的尽管当前的技术路线已经相当成熟，但各家大模型产品的能力都仍在进化，杀手级应用都还没有批量涌现，加之中国市场政策监管的逐渐完善，这些都让中国的企业级AIGC和大模型应用发展进程序充满不确定性。此外，对于大模型的技术路线也并非盖棺定论，未来真正的通用人工智能，到底是由当前这样的大模型加上各种行业konwhow输入进行不断调整和优化这样的路线，还是说未来会有一些新的技术主线代替当前的大模型，这个是不知道的。因此，企业在采用AIGC时需要小步进入和试错，保持灵活性和适应性，同时密切关注技术发展的最新趋势，以便及时调整自己的策略。●要点3：生成式AI短期被高估，但长期可能仍被低估我们认为，生成式AI已经处于市场热点的顶峰，但除了图片生成这样的消费级应用以外，真正匹配到企业级的应用价值还远低于当前所炒作的价值高度。所以易观虽然建议行业企业积极拥抱AIGC和大模型，但在相关的投资决策的中短期回报方面应当抱有合理的期望。当然，这并不影响企业端落地生成式AI的长期价值前景。从中期来看，正像我前面所说，随着模型能力、尤其是多模态的成熟，更多有价值的资产会被生成出来，这是当下可以预判到的价值增量。但我们认为，从长期来看，当前所炒作的AIGC在企业端的商业价值可能还是被低估的，因为生成式AI经过与现有的生产力和生产要素的充分融合，一些全新的商业模式和业态会涌现出来，这其中蕴含的价值潜力是当前是无法准确预设、甚至想象的。所以总体来看，生成式AI的企业级应用中所带来的总体影响是多维度的，包括成本效益、技术发展的不确定性和商业模式的变革。这些因素共同塑造了企业对生成式AI技术的看法和应对方式，同时也预示了未来技术投资布局的方向和机遇。对于处于数字化转型推进期的企业来说，我们建议保持一种“大处着眼、小处着手”的心态，也就是持续关注和思考生成式AI的能力进化和价值创造能力，同时在执行中从点状业务和场景切入，用成本和风险可控的方式做出生成式AI的落地价值闭环。以上是张澄宇的部分观点分享（上篇）。在下篇中，我们将继续分享张澄宇先生的观点，包括2024年生成式AI给企业数字化转型带来的六大变化趋势，以及企业与个人的应对策略。
联系我们商务合作
老没：13262228281（微信同号）
媒体采访
易观分析媒介：ygfxmkt（微信号）
文章转载
Lisa：18874170483（微信同号）
声明须知：易观分析在本文中引用的第三方数据和其他信息均来源于公开渠道，易观分析不对此承担任何责任。任何情况下，本文仅作为参考，不作为任何依据。本文著作权归发布者所有，未经易观分析授权，严禁转载、引用或以任何方式使用易观分析发布的任何内容。经授权后的任何媒体、网站或者个人使用时应原文引用并注明来源，且分析观点以易观分析官方发布的内容为准，不得进行任何形式的删减、增添、拼接、演绎、歪曲等。因不当使用而引发的争议，易观分析不承担因此产生的任何责任，并保留向相关责任主体进行责任追究的权利。