2023 年全球趋势人工智能报告的主要要点

人工智能在商业领域的未来以人机协作为中心。人工智能可以管理重复性任务并实现流程自动化，使人类能够专注于创造力、战略和复杂的决策。人工智能的发展仍在继续。对于 B2B 企业和技术前沿的 C-suites 来说，了解人工智能趋势至关重要。本文概述了指导智能投资、风险管理和创新的《2023 年全球人工智能趋势报告》。报告对当前趋势和未来方向进行了深入分析，使领导者能够指导其组织走向人工智能驱动的成功。该报告由标准普尔全球市场情报公司（S&P Global Market Intelligence）撰写并受Weka委托。它提供了当前人工智能领域的全面概况。

来自《2023 年人工智能趋势报告》的见解：

• 69%的组织已从人工智能试点项目过渡到在企业规模实施计划。
• 69%的受访者关注收入驱动因素，表明人工智能已从节约成本的措施转变为重要的收入驱动因素。
• 随着人工智能的成熟，企业遇到了各种挑战，其中数据管理是一个主要障碍，32% 的受访者认为这是主要的技术障碍，超过了对安全和计算性能的担忧。
• 人工智能先驱采用混合方法，平均利用 3.2 个地点进行训练。
• 68%的企业对人工智能/移动计算对能源使用和碳足迹的影响表示担忧，74%的企业将云视为实现人工智能可持续性的关键解决方案。
• 报告强调了老化的数据基础设施对可持续发展绩效的直接影响，77% 的受访者承认这一点。报告强调，拥有现代数据架构的企业更有能力引领人工智能/移动互联网的发展。

2023 年全球人工智能趋势报告的要点

1. 人工智能的采用和组织影响

在全球范围内，人工智能已从一项新兴技术转变为业务转型的核心组成部分，许多组织已不再局限于试点项目，而是将人工智能嵌入其核心业务流程。这反映了人工智能技术的成熟及其与企业运营的融合，表明人工智能已在各行业和地区得到广泛应用。这一趋势表明，人们正在转向利用人工智能来促进顶线增长和创新，这标志着人工智能在竞争激烈的商业环境中的重要性。

2. 人工智能推动业务转型

• 环境影响和挑战： AI/ML 的绿色解决方案会对环境造成影响，特别是 GPT-3 等训练模型产生的碳排放。考虑到即将出台的法规，在人工智能的优势和环境成本之间取得平衡至关重要。
• 人工智能在基础设施中的作用： 人工智能通过自动配置、工作负载优化和任务自动化提高了基础设施的效率。人工智能先行者认识到了公有云对可持续发展的影响，40%的先行者强调了公有云的关键作用，而在人工智能探索者中，这一比例仅为 25%。
• 基础设施现代化和可持续性： 基础设施的现代化，尤其是高性能计算（HPC）基础设施的现代化，对于可持续发展至关重要（重要性占 84%）。广泛实施的人工智能通过数据架构对可持续性产生了重大影响（53%）。
• 人工智能扩展带来的基础设施挑战： 非优化的 IT 基础设施是人工智能扩展的瓶颈。挑战包括高昂的过渡成本（46%）和项目启动（45%）。对 IT 和数据基础设施的初始投资对于未来的增长和可持续性至关重要。
• 拥有优化数据/基础设施的企业： 拥有现代数据架构（通常通过公共云）的企业有望成为未来的人工智能领导者。现代数据架构可促进不同地点之间的无缝数据交换，这对于在生产中扩展人工智能至关重要。
• 地区、行业和规模差异： 人工智能的价值因地区、行业和规模而异。

3. 人工智能实施中的挑战

建立一个强大的数据架构对于成功实施人工智能至关重要，企业越来越多地将公共云作为一种促进手段。由于人工智能/ML 生命周期要求在多个部署地点进行处理，因此采用混合方法变得至关重要，这一点尤其受到人工智能先驱的重视，他们在战略上平均利用 3.2 个训练地点和 2.5 个推理地点。这种动态部署策略符合人工智能/ML 工作负载根据使用案例和生命周期阶段对不同位置的自然引力。值得注意的是，AI/ML 与边缘计算之间的共生关系成为一种催化剂，释放了下一代数据密集型 AI 用例。成功的扩展取决于优化的基础设施，人工智能先驱将高性能计算（HPC）作为人工智能/ML 应用的关键要求。拥有现代数据架构的企业在多个领域展示了高效的 AI/ML 数据生命周期管理，从而为有效的 AI 项目扩展奠定了基础。

4. 全球和地区人工智能趋势

人工智能投资的影响和价值因公司规模、地区动态和行业特点而呈现出明显的差异。值得注意的是，企业规模对扩大人工智能计划所遇到的挑战有重大影响。大型企业虽然拥有丰富的资源，但却面临着更高的复杂性，包括遗留系统限制、变革管理障碍以及确保利益相关者的支持。这种模式在采用率上显而易见，收入在 1 亿至 4.99 亿美元之间的企业中，有 58% 已将人工智能投入生产，收入在 5 亿至 50 亿美元之间的企业中，这一比例大幅上升至 82%，收入在 50 亿美元及以上的企业中，这一比例稳定在 76%。地缘政治因素、对自由市场的支持、监管环境和人才的可获得性等决定性因素对人工智能影响的地区差异具有明显的影响。

5. 人工智能的未来：预测与趋势

人工智能未来的特点是从主要作为一种节约成本的工具演变为创造新收入来源和重新定义市场动态的催化剂。人们越来越关注人工智能在开发新产品、服务和商业模式方面的创新应用。这种演变要求重新评估数据管理和 IT 基础设施，以支持先进人工智能技术不断增长的需求，特别是生成式人工智能，这既带来了机遇，也带来了计算方面的挑战。

6. 对企业的建议

为了充分利用人工智能的潜力，建议企业将其人工智能战略与整体组织目标相结合。建议投资现代数据架构和混合云环境，以支持人工智能技术的多样化和不断发展的需求。这种战略调整有助于提高可扩展性，并确保企业处于有利地位，可利用人工智能实现各种目的，包括可持续发展努力、运营效率和实现市场竞争优势。

结论

2023 年全球人工智能趋势报告强调了一个关键时刻，即人工智能不再是遥远的未来，而是当下的现实，敦促企业迅速适应以利用其变革潜力。报告揭示了这样一种格局：企业，尤其是 “人工智能先驱”，已做好优化基础设施和简化数据管理的准备，随时探索人工智能的能力，而不仅仅是节约成本。这些企业站在最前沿，利用人工智能实现可持续发展并创造新的收入来源，这表明它们正朝着将人工智能视为长期增长的关键驱动力的方向发生重要转变。报告强调了立即行动、将可持续发展融入人工智能战略的重要性，以及基础设施的可扩展性以适应各种人工智能应用的必要性。

常见问题解答

1. AI如何驱动B2B领域的业务转型？

通过融入工作流程和价值主张，人工智能正在迅速成为 B2B 领域业务转型的催化剂，69% 的组织至少有一个正在投入使用的人工智能项目。人工智能正在超越试点项目，通过企业规模的实施推动巨大的商业价值。

2. 未来人工智能对B2B行业的影响可以做出哪些预测？

该报告指出，未来人工智能将继续在各行业加速发展，强调创收而不是节省成本。组织预计将利用人工智能实现营收增长，从而快速推动市场发展。

3. 对于 B2B 企业有效利用人工智能有哪些建议？

建议 B2B 企业对其 IT 基础设施和数据架构进行现代化改造，以适应跨多个部署场所的 AI 工作负载。强调数据管理并利用 AI/ML 工作负载的混合方法可以满足 AI 应用程序的需求。

4. 不同 B2B 行业和地区的人工智能采用有何不同？

不同行业和地区的人工智能采用情况存在显着差异，人工智能项目的规模及其对商业价值的影响也存在差异。公司规模、地缘政治力量、监管环境和人才获取都会影响采用率。

5. B2B企业成功进行AI整合的关键因素是什么？

B2B 公司中成功的人工智能集成涉及优化的基础设施、现代数据架构和扩展人工智能项目的战略方法的结合。关键因素包括将数据管理作为主要技术抑制因素，利用混合和多个部署位置，以及解决与人工智能能源使用和碳足迹相关的可持续性问题。

6. B2B 公司如何为人工智能的采用准备 IT 基础设施？

准备工作涉及 IT 和数据基础设施现代化，以支持人工智能工作负载的数量和复杂性。这包括过渡到云和混合环境、投资高性能计算以及确保数据架构能够有效管理人工智能应用程序的生命周期。

7. 数据管理在 B2B 业务的人工智能实施中发挥什么作用？

数据管理对于人工智能的实施至关重要，是人工智能/机器学习部署的首要技术障碍。有效的数据管理策略对于解决数据来源、准备、标准化和治理挑战是必要的。

8. B2B公司在采用人工智能时可能面临哪些挑战，以及如何克服这些挑战？

挑战包括数据管理的复杂性、对高计算能力的需求以及可持续性问题。克服这些挑战需要投资现代数据架构、探索混合云解决方案以及关注可持续的人工智能实践。

9. B2B 公司如何衡量人工智能对其组织的影响？

衡量人工智能的影响涉及评估其在推动收入增长、运营效率和可持续发展成果方面的作用。组织应跟踪这些关键领域的绩效，利用人工智能/机器学习来优化运营、提高产品和服务质量并实现可持续发展目标。

原文：https://cioinfluence.com/it-and-devops/key-takeaways-from-the-2023-global-trends-ai-report/