【最新发布】生成式人工智能全球研究报告

7月10日,美国著名的大数据分析平台和全球最大的数据分析公司之一SAS在其官网发布了一份关于生成式人工智能(AIGC)深度应用的调查报告。

本次的报告主要对以美国、中国、英国、法国、巴西、日本等为主的北美、拉美、欧洲、亚太地区主要国家的1600名企业决策者进行调查,查看这些企业对生成式AI类产品的应用情况。

* 生成式AI类产品包含但不仅限于ChatGPT、Midjourney、Copilot、DALL·E 3等。

涉及的企业涵盖了 银行、保险、公共部门、生命科学、医疗保健、电信、制造业、零售、能源和公用事业以及专业服务等领域。

这份报告主要包含以下内容:

  1. 探讨生成式AI(GenAI)的潜力和挑战。

  2. 介绍自ChatGPT发布以来,组织在使用GenAI方面取得的早期成功。

  3. 详细介绍了成功实施GenAI的四个关键要素:全面治理、战略部署、技术集成和专家指导。

  4. 分析了不同地区和行业的GenAI采用率和未来趋势。

  5. 提供了构建成功GenAI项目的策略,包括加速创新、数据保护、可信和可解释的结果以及增强治理。

我们选择了其中比较受关注的方面进行展示,如果想要查看更多内容,可以查看原文。

* 原文链接:《Generative AI Global Research Report》

https://www.sas.com/content/dam/SAS/documents/marketing-whitepapers-ebooks/ebooks/en/generative-ai-global-research-report-113914.pdf

由ChatGPT掀起的GenAI热潮

自2022年11月ChatGPT广泛推出以来,GenAI作为一项技术显示出了巨大潜力,带来了初期成功。

* 有89%的受访者表示,生成式AI改善了员工体验和满意度。82%的受访者表示,生成式AI可以节省运营成本。82%的受访者表示,生成式AI可以使客户留存率更高。

生成式人工智能的采用率将持续增长

研究显示,超过一半的企业**(54%)** 已经开始实施生成式人工智能,其中有11% 的企业已在整体层面完全整合了这一技术。绝大多数公司**(86%)** 在今年和明年都在投资生成式人工智能。其中五分之一的企业计划在整体层面推出生成式人工智能,**72%**的企业正在进行或计划开展构建自身大型语言模型(LLM)的项目。

如下面的图表所示,生成式人工智能的实施存在地区差异:中国、英国、美国、澳大利亚和德国在这一技术的采用上走在前列。美国的组织在全面实施方面更为领先。从行业来看,电信公司在采用方面处于更先进的阶段,其次是零售、保险、银行和生命科学行业。而制造业、公共部门和医疗保健组织则相对落后。

中国的生成式人工智能应用使用率全球领先

在生成式人工智能的应用上,中国以83%的应用率位居榜首,英国和美国紧随其后。

在中国,部分使用生成式AI的企业最多,但全面实施生成式AI的情况在美国最为普遍。

亚太国家(主要是中国)在遵守生成式人工智能法规的准备方面领先

在生成式人工智能的法规和监管准备方面,中国以总分70%位居全球首位。

中国政府十分重视科技创新与人工智能的发展,已经出台了一系列政策和法规以引导和推动生成式人工智能技术的健康成长。

这些政策不仅为监管提供了明确的框架,还鼓励企业和科研机构在合规的基础上积极探索生成式人工智能的应用。

同时,中国也高度重视人工智能相关知识的普及教育,通过多种途径提升公众对生成式人工智能技术的理解,增强社会对遵守法规重要性的认知。这种广泛的教育努力有助于在全社会形成支持并遵守生成式人工智能法规的良好氛围。

需要克服的难点

尽管组织已经看到了采用生成AI的显著好处,但随着对GenAI关注和投资的增加,许多组织在实施过程中遇到困难。SAS认为,生成式AI厂商和组织如果想克服落地困难取得成功,可以考虑以下4点:

  1. 增强数据使用信任与确保合规性至关重要,合规性确保数据使用获监管机构与法律认可。随数据保护法规如欧盟GDPR演变,组织须持续关注并确保生成式AI产品与流程符合最新法律标准。

  2. 释放商业价值,将应用转化为可衡量收益。组织需识别能快速带来显著投资回报的高影响力用例,如自动化客户服务、个性化营销、增强数据分析或优化供应链管理。专注这些领域可快速展示生成式AI实际商业价值,并为进一步投资扩展打下基础。

  3. 整合生成式AI与现有系统,确保不影响和限制其能力。生成式AI整合非一次性任务,而是持续过程,需不断评估优化。整合需解决技术兼容性,确保新系统与现有基础设施和谐共存,并考虑数据流、工作流程和用户界面一致性。

  4. 组织需全面评估现有系统和工具,包括系统架构、数据管理能力、处理能力和扩展性,以确定最佳整合生成式AI路径和潜在应用瓶颈。

  5. 招募合适人才支持生成式AI应用战略。需确定实现生成式AI战略关键技能,不仅包括技术如数据科学、机器学习和自然语言处理,还需软技能如创新思维、问题解决和团队合作。

同时,建立持续学习技术氛围,鼓励员工更新知识技能以适应快速变化技术环境,可通过在线课程、开发者竞赛、研讨会和会议等方式支持。

除了SAS外,包括路透社、《财富》网也在近期发布了该调查报告的结果,这些权威的媒体都表示:中国已经做好了对生成式AI应用的全面准备,并肯定了中国在生成式AI应用的全球领先地位。

go 复制代码
--- End ---

欢迎关注微软 智汇AI 官方账号



一手资讯抢先了解

喜欢就点击一下 在看 吧~
相关推荐
热爱跑步的恒川1 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程
阡之尘埃3 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
孙同学要努力5 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
Eric.Lee20215 小时前
yolo v5 开源项目
人工智能·yolo·目标检测·计算机视觉
其实吧36 小时前
基于Matlab的图像融合研究设计
人工智能·计算机视觉·matlab
丕羽6 小时前
【Pytorch】基本语法
人工智能·pytorch·python
ctrey_6 小时前
2024-11-1 学习人工智能的Day20 openCV(2)
人工智能·opencv·学习
SongYuLong的博客6 小时前
Air780E基于LuatOS编程开发
人工智能
Jina AI6 小时前
RAG 系统的分块难题:小型语言模型如何找到最佳断点?
人工智能·语言模型·自然语言处理
-派神-6 小时前
大语言模型(LLM)量化基础知识(一)
人工智能·语言模型·自然语言处理