原創 | 文 BFT機器人

01

人工智能的發展迎來新拐點

(資料圖)

ChatGPT 正在喚醒全球對人工智能 (AI)變革潛力的認知，激發起前所未有的關注和創造力浪潮。

該技術可以模仿人類的對話和決策能力，使我們站上了公眾采用人工智能的第一個真正拐點。最終，所有人，所有地方都將切實感受到這項技術的顛覆性潛力。ChatGPT 推出僅兩個月，月活躍用戶就達到了 1 億，成為有史以來增長最快的消費應用程序。

基礎模型是大型模型的通稱，此類模型擁有數十億項參數。最近的進展使企業現在能夠依托這些基礎模型，構建出專門的圖像和語言生成模型。而大語言模型 (LLM)既屬于生成式人工智能，也是一種基礎模型。

ChatGPT 背后的大語言模型標志著人工智能發展的重要轉折點和里程碑。

大語言模型正在憑借兩項優勢改變著市場規則。第一，這類模型破解了語言復雜性的密碼。如今，機器擁有了前所未有的能力，可以學習語言、上下文含義和表述意圖，并獨立生成和創建內容。第二，在利用大量數據 (文本、圖像或音頻) 進行預訓練后，這些模型能夠針對眾多不同的任務做出調整或微調。這使得用戶可以將多種方式，對模型按原樣重復使用或稍加修改后再次使用。

商界領袖們已經普遍認識到了這一時刻的重要性。

他們預見到大語言模型和生成式人工智能將如何從根本上改變商界、學術界乃至社會本身，開辟新的能力前沿。這些新技術對人類創造力和生產力產生了巨大的積極影響。例如埃森哲研究發現，所有行業中 40% 的工作時間都將得到 GPT-4 等大語言模型的協助。

這是因為，語言任務占到了企業人員工作總時長的 62%，其中 65% 的時間可以借助人員強化和自動化技術來提升工作活動的生產力。

02

發展歷程：生成式人工智能的發展里程碑

機器學習:分析和預測階段

21 世紀的頭十年，各類機器學習技術都迅速發展，能夠對海量在線數據進行分析，從輸出信息中得出結論，或進行學習”。從那時起，企業就將機器學習視為極其強大的人工智能領域，用于分析數據、發現模式、形成洞見、建立預測，并以遠超以往的速度和規模實現任務自動化。

深度學習:視覺和言語處理階段

進入第二個十年，人工智能的感知能力取得了長足進步，這一機器學習領域被稱為深度學習。在此期間，深度學習取得了突破性進展。一方面，計算機視覺的實現，有助于搜索引整和自動駕駛車輛對物體的分類和檢測:同時，它還可支持語音識別，使廣泛應用的人工智能語音助手以更自然的方式和用戶交互。

生成式人工智能:邁入掌握語言的新階段

基于深度學習模型指數級增長的規模與能力，未來的十年將是機器掌握語言的時代。由 OpenAl 開發的 GPT-4 語言模型，標志著基于語言的人工智能應用程序邁入了嶄新的功能階段。諸如此類的模型將對商業產生深遠影響，因為語言與企業所有日常工作的方方面面都密不可分一-機構知識、互動交流和運作流程皆有賴于此。

03

使用或定制：生成式人工智能的普及與應用

ChatGPT、文心一言、通義千問 34DALL·E、StableDiffusion 等一系列易于使用的生成式人工智能應用程序，正在迅速推動技術在商業領域和社會公眾中的普及，這將對企業產生極為深遠的影響。

由于大語言模型具有處理大規模數據集的能力，它可以“掌握”企業長期以來積累的所有信息，包括創辦至今的發展歷程、發展背景、業務特點和商業意圖，甚至細致到產品、市場和客戶。所有用語言記錄傳達的內容，如應用、系統、文檔、電子郵件、聊天、視頻和音頻等等都將進行創新、優化和重塑，最終走向全新的高度。

97% 的全球受訪高管認為，人工智能基礎模型將實現跨數據類型的互聯，徹底改變人工智能的使用環節和方式。

我們正進入技術采用周期的下一個階段，大多數企業后開始通過購買“模型即服務”來開展業務應用。不過對許多企業來說，最大的價值源于使用自己的數據定制或微調模型，以滿足其獨特需求。

使用

現在，我們隨時均可便捷地獲取和使用生成式人工智能及大語言模型應用程序。企業可以通過應用編程接口 (API) 調用這些程序，并運用提示學習(prompt tuning)和前綴學習 (prefix learning)等提示工程技術，針對自身的具體需求在較小程度上加以定制。

定制

但大多數企業需要定制模型，用自己的數據對模型進行微調，以擴大其用途和價值。這使模型能夠支持整個業務中一些具體的下游任務。通過此舉，企業可以有效地利用人工智能實現績效的飛躍發展一-提升員工能力、改善客戶滿意度、引入新型商業模式，及時感知即將發生的變化。

04

展望日新月異的技術、監管和商業

企業將利用這些模型來重塑工作方式。隨著員工與人工智能副手協同工作成為常態，每家企業中的每個角色都有可能被完全改造，這顯著拓展了單憑人類自身可以取得的成就。在任何特定的工作中，一些任務將實現自動化，一些能夠得到輔助，還有一些基本與技術無關。

除此以外，大量新任務有待人類執行，例如確保準確、負責任地使用新型人工智能系統。

企業要特別關注人工智能對以下這些崗位的影響:

內容創建:

生成式人工智能將成為人們必不可少的創意伙伴，不但可以揭示接觸和吸引受眾的新方法還能在生產設計、設計研究、視覺識別、名稱擬定副本生成與測試以及實時個性化等領域中，帶來前所未見的速度和創新。

企業正紛紛引入最完善的人工智能系統 DALL·E，用于社交媒體推廣。DALL·E 基于文本描述來創建逼真的圖像和藝術品，在將文字轉換為圖片時，可以處理多達 120 億項參數，創建的圖片更可在Instagram 和推特 (Twitter) 上分享。

編寫代碼:?

軟件代碼編寫人員將借助生成式人工智能來大幅提高生產力一-快速將一種編程語言轉換為另一種語言，掌握各種編程工具和方法，實現代碼編寫自動化，預測和預先防范問題，以及管理系統文檔。

埃森哲正在嘗試使用 OpenAl 大語言模型，通過自動生成文檔提高開發人員的工作效率。例如，明確 SAP 系統配置的理據以及設定各種功能或技術參數。這一解決方案使用戶能夠在工作時通過微軟Teams 的聊天對話提交請求;然后，正確組合的文檔會被快速返回一這一典型范例很好地說明了如何增強特定任務的完成能力并實現自動化，而無需改變整個工作。

自動化:

生成式人工智能對歷史背景、下一步最佳行動、總結能力和預測智能的成熟理解力，將同時在后臺和前臺辦公環境中催生出一個超高效、超個性化的新時代，將業務流程自動化推升到具有變革意義的新水平。

一家跨國銀行正在使用生成式人工智能和大語言模型，改變其大量交易后處理電子郵件的管理方式，如自動起草帶有行動建議的消息，并發送給收件人。這不只是減少了工作量，還能讓客戶交流更加順暢。

安全防護:?

隨著時間推移，生成式人工智能將支持企業加強治理和信息安全、防止欺詐、完善監管合規，并通過在組織內部和外部均建立跨域聯系和推斷能力，主動識別風險。

在戰略性網絡防御體系中，大語言模型可以提供多種有用的功能，例如解釋惡意軟件和快速分類網站。?但在短期內，企業很可能看到，黑客利用生成式人工智能的特長來生成惡意代碼或編寫完美的網絡釣魚電子郵件。

當前這樣的時刻并不常見。未來幾年，針對生成式人工智能、大語言模型和基礎模型的投資將極為龐大。和以往不同的是，技術、監管和商業應用將并行發展，且發展速度越來越快。而在以往的創新曲線中，技術發展通?？煊趹煤捅O管。

技術堆棧

支持生成式人工智能的復雜技術預計將在每一堆棧層級上迅速發展，這具有廣泛的商業影響。訓練頂級人工智能模型所需的計算量正呈指數級增長一根據各類報告，現在每 3.4 個月到 10 個月其便會翻一番。因此,成本和碳排放已成為采用能源密集型生成式人工智能的核心考量因素。

“最熱門的新型編程平臺便是餐巾紙。杜保洛 (Paul Daugherty) --埃森哲技術服務全球總裁兼首席技術官

他指的是，創業者正紛紛使用 OpenAl根據在餐巾紙上畫出的創意草圖來搭建工作網站。

風險和監管環境

企業將有成千上萬種方法來應用生成式人工智能和基礎模型，以最大程度地提高效率并增強競爭優勢。很明顯，在這條新賽道上，各家公司都在摩拳擦掌。企業需要從整體戰略出發，除了生成式人工智能和大語言模型之外，必須全面考慮所有類型的人工智能、及其有意使用的相關技術。

ChatGPT 進一步引發了人們對人工智能健康發展和規范應用的思考。當技術發展和采用速度快于立法時，企業尤其要密切關注可能面臨的任何法律、道德和聲譽風險。

很重要的一點是，包括 ChatGPT 在內的生成式人工智能技術在設計時已納入了負責任和合規等要素，確保此類模型和應用程序不會給業務帶來無法承受的風險。

作為負責任人工智能方面的行業領軍者，埃森哲早在 2017 年就已定義和實施了負責任人工智能的原則，進而將其融入我們的業務實踐和客戶服務中。負責任人工智能是一種遵循明確原則來設計、構建和部署人工智能的實踐方式，在賦能業務的同時維護公眾利益并造福社會。企業也能因此給予人工智能充分信任，滿懷信心地擴展人工智能使用范圍。

人工智能系統需要利用多樣化和包容性的輸入數據集來加以“完善”，從而體現更廣泛的商業和社會責任、公平性和透明度。如果人工智能可以在道德框架內設計并付諸實施，就能加速發揮負責任的協作化智能工具的潛力，使人類智慧與智能技術緊密融匯在一起。

此舉不僅為消費者、職場人士以及整個社會奠定了信任的基石，還能提升企業績效并開辟新的增長來源。

企業采用生成式人工智能的規模

為了創造人工智能的價值，企業必須全面轉變工作方式。企業領導者需要立即開始，用新的思路設計工作和任務、以及對人員開展技能再培訓。最終，企業中的每一個角色都很可能被重塑，今天的工作將被分解為一組可以自動化完成或得到人工智能助力的任務，并重新構想人機協作的未來。

隨著我們對生成式人工智能的了解越來越深入，它將顛覆傳統的工作模式，開創人類和人工智能合作的新時代。大多數工作者都將擁有得力的“助手”，從根本上改變工作的完成方式和完成內容。

幾乎所有的工作都會受到影響，而許多新型工作亦將不斷涌現。企業若能立即采取措施，將工作拆分為任務，并投資培訓員工與機器協作，以不同以往的方式開展工作，那么將實現績效飛躍，遠超短視對手。

近六成的企業打算將 ChatGPT 用于學習目的，而計劃在 2023 年進行試點的企業超過半數。超過 40% 的企業愿意為此傾力投入。

05

積極迎接生成式人工智能時代：六大技術應用要點

業務驅動

即使創新技術有諸多優勢，但在整個組織中全面推廣并非易事，尤其當新技術會徹底改變現有工作方法時，會遇到特別多的阻力。

企業可以先通過嘗試生成式人工智能的諸多功能，累積早期成功并得到變革倡導者和意見領袖的支持，不斷提高員工對新技術的接納程度，為進一步普及創造所需條件，進而啟動轉型和技能再培訓議程。

企業必須雙管齊下地進行嘗試。其一，專注于容易獲得的機會，使用可消費的模型和應用迅速實現回報。其二，著力使用根據自身數據定制的模型來重塑業務、客戶洽談、以及產品和服務。業務驅動型思維是定義并成功建立應用模式的關鍵。

隨著企業深入開展人工智能重塑業務的各種探索，他們將切實收獲價值，明確各種應用場景下最為匹配的人工智能類型，厘清投資規模和復雜程度。他們還能測試和改進有關數據隱私安全、增強模型準確性、防止偏見和保護公平的方法，并知曉何時需要采取“由人主導迭代”(human in the loop) 的保護措施。

98% 的全球高管均認同，未來三到五年內，人工智能基礎模型將在自身的企業戰略中發揮重要作用。

某銀行使用增強型搜索工具，為員工提供所需信息

某大型歐洲銀行集團啟用微軟 Azure 云平臺和 GPT-3 大語言模型來幫助員工進行電子文檔檢索。這一舉措使用戶可以快速獲得問題的答案，大大節省了時間，并提高準確性和合規性。

為了進一步提升員工技能，這家銀行構建了三年創新計劃，后續還會在合同管理、對話型報告、以及票據分類等領域應用生成式人工智能。此舉不僅將內部知識庫進行了升級、幫助員工獲取所需信息，更有助推進自身向數據驅動型機構的目標邁進。

以人為本

為了使生成式人工智能取得成功，企業需要像重視技術那樣，關注人員及培訓工作。因此，他們應當大幅增加對人才的投資，以應對兩類不同的挑戰: 創建人工智能和使用人工智能。這意味著一方面在人工智能設計和企業架構等技術能力方面培養人才，同時培訓整個組織的人員，使他們有效地與人工智能化的流程合作。

例如，在我們對 22 個工作類別的分析中，我們發現大語言模型會影響所有類別，最低程度為每個工作日的 9%，最高可達 63%。在22 種職業中，有 5 種可以利用大語言模型來革新一半以上的工作時長。

事實上，一項獨立機構開展的經濟研究表明，企業在幫助員工跟上人工智能發展步伐方面的投資嚴重不足，這需要更綜合的認知和基于判斷的任務設定。即使是現實世界中精通如何應用數據的各領域專家(例如，醫生對患者健康數據的解析)也缺乏足夠的技術知識來了解這些模型如何工作，以及相信技術能成為“工作伙伴”

企業還將設立全新的崗位，包括語言學專家、人工智能質量控制員、人工智能編輯和提示工程師。對于生成式人工智能最有前途的領域，企業應當首先將現有工作分解為基礎任務組合。然后評估生成式人工智能可能影響每項任務的程度一-完全自動化、人員增強，抑或與之無關。

準備專有數據

為了定制基礎模型，企業需要使用特定領域的企業數據、語義、知識和方法。在生成式人工智能時代到來之前，企業可以通過以應用模式為核心的人工智能方法從人工智能中獲得價值，而無需對其數據架構和資產進行現代化改造。然而，現在情況已經截然不同?；A模型需要大量精心組織的數據來學習，因此，破解數據挑戰已成為每家企業的當務之急。

企業需要采用一種戰略性、規范化的方法，獲取、開發、提煉、保護和部署數據。具體而言，應依托云環境構建現代化的企業數據平臺，其中包含一組可信賴、可重復使用的數據產品。憑借此類平臺的跨職能特征、企業級的分析工具、以及將數據存儲在云端倉庫或數據湖當中，數據能夠擺脫組織孤島的束縛，在整個企業中普遍使用。隨后，企業可以在某一地點或通過分布式計算策略 (如數據網格) ，統一分析所有業務數據。

投資建設可持續的技術基礎

為了充分滿足大語言模型和生成式人工智能的大規模計算需求，企業需要考慮自身是否擁有合適的技術基礎設施、架構、運營模式和治理結構，同時密切關注成本和可持續能源消耗。他們必須設法從成本和收益的角度，評估比較這些技術與其他人工智能或分析工具，后者可能更適合特定的應用模式，并且成本僅為前者的幾分之一。

隨著人工智能使用量的增加，底層基礎設施產生的碳排放也會水漲船高。因此，企業需要建立一套強有力的綠色軟件開發框架，在軟件開發生命周期的所有階段考慮能源效率和材料相關排放。人工智能還可以發揮更廣泛的作用，使業務更具可持續性并實現環境、社會和治理 (ESG) 目標。我們調研發現，在生產和運營環節成功減少排放的企業中，70% 都使用了人工智能。

加速生態系統創新

創建基礎模型很可能是一項復雜、成本高昂的計算密集型工作。除了全球頂級企業外，幾乎所有組織都無法僅憑一己之力完成該任務，這超出了他們所掌握的能力和方法。令人振奮的是，得益于超大規模云服務機構、科技巨頭和初創企業的海量投資，企業如今可以借助新興生態系統的威力。僅在 2023 年，全球對人工智能初創公司和成長階段公司的投資預計就將超過 500 億美元?！?這些合作伙伴能夠帶來經過多年打磨的最佳實踐并為特定應用模式下如何高效而有效地使用基礎模型提供寶貴洞見。擁有恰當的合作伙伴網絡一-包括技術企業、專業服務商和學術機構，將成為駕馭快速變革的關鍵。

提升自身負責任人工智能水平

生成式人工智能的快速采用為所有企業提出了新的緊迫工作: 建立一套穩健、負責任的人工智能合規體系。這包括兩方面的事項一-建立控制流程，在設計階段評估生成式人工智能應用方式的潛在風險 ;制定明確措施，在整個業務中嵌入負責任人工智能方法。埃森哲的研究表明，大多數企業仍任重而道遠。我們 2022 年面向全球 850名高管人員的調研顯示，受訪者普遍認識到了負責任人工智能和人工智能監管的重要性。但僅有6% 的企業認為，自身已打造了充分穩健的負責任人工智能基礎。

企業的負責任人工智能原則應當由高層定義和領導，并轉化為有效的風險管理和合規治理架構，包括組織原則和政策、以及適用的法律和法規。負責任人工智能的使用必須由首席執行官引領，從加強培訓和意識培養開始，然后擴展至關注執行與合規。埃森哲早在數年前就已率先采用這種方法來管理負責任的人工智能，不但設置了由首席執行官領導的議程，現在還進一步出臺了正式的合規計劃。我們自身的經驗表明，原則驅動的合規方法既能提供護欄，又足夠靈活，可以隨著技術的快速發展而更新，確保企業不會始終疲于“追趕”。

為了通過設計來實現負責，企業需要從被動響應的遵從策略，轉向主動開發完善的負責任人工智能系統。而這必須借助一套綜合框架，其中涵蓋: 原則和治理措施，風險管理、政策和控制手段，以及技術、賦能因素.文化和培訓工作。

時機就是一切。在埃森哲最近的一項技術趨勢調研中225 名受訪中國企業高管中有 72% 對人工智能基礎模型帶來的新功能表示非常、或極為興奮，但比例略低于全球平均水平，有空間對生成式人工智能的潛力和應用進行進一步探索。對于人工智能大語言模型的收益，中國企業在快速大規模的分析能力、提高員工技能、新的人工智能應用和服務的開發、溝通、流程和人才等領域的期望比全球積極，但在加速創新、提升客戶體驗和快速決策方面期望低于全球。

盡管如此，越來越多的中國企業正在積極探索生成式人工智能技術，并開始應用大型語言模型來實現更多的創新和效率提升。我們為此梳理了適用于中國企業本地部署的方式及應用建議。

在中國，大語言模型應用方式主要有三種: SaaS、私有云部署、本地化部署。

目前，SaaS化的部署方式是最為成熟的，以國外Azure OpenAl 服務為標桿。但是在國內市場，百度的文心一言和阿里的通義千問正在參與到激烈的競爭中。與Azure 提供的服務相比，國內廠商提供的 SaaS 服務更具有數據安全和合規性上的優勢，盡管在綜合能力上還有待加強。

服務于相對較為專業的客戶，充分利用客戶提供的行業知識同時保證不對競爭對手可用。更柔性的服務器使用策略也讓這種方式相較于本地化的前期投資大為降低。綜合來看，這是目前國內垂直行業客戶最可行的實現方式。

本地化部署方式有非常多的選擇。學術界中提供的有清華大學的 ChatGLM、斯坦福提供的 Alpaca，商業公司提供的有 Databricks 的 Dolly、Scale.ai 的圖像專精的大語言模型等等。相較于上述兩種方式，本地化部署方式存在著高昂的成本和無法確定使用效果等兩個問題。因此，目前處于非常早期的階段，是否可以進一步使用有待后續觀察。

總的來說，大語言模型正處于快速發展的階段，其未來的形態無法被預測，但可以肯定的是，大規模的應用一定是必然的趨勢。無論是在科研、商業還是民用等領域，大語言模型都有著廣泛的應用前景，而不斷創新和進步的技術也為其未來的應用提供了更加廣闊的發展空間。

企業需要像技術投資一樣，持續投入不斷發展的業務運營和人員技能培訓。徹底重新構想工作的完成方式，并幫助員工緊跟技術驅動型變革，將是實現人工智能技術跨越式變革全部潛力的兩項最重要因素。

目前中國企業正出于人工智能取得突破性進展的關鍵時期。人工智能不僅可以重塑企業業務，還會改變整個行業。未來前景可期。

報告來源：埃森哲報告編輯：智能機器人系統

更多精彩內容請關注公眾號：BFT機器人本文為原創文章，版權歸BFT機器人所有，如需轉載請與我們聯系。若您對該文章內容有任何疑問，請與我們聯系，將及時回應。

關鍵詞：