---

新智元報道  

• 效率和成本節約：生成式AI不僅優化了工作流程和成本，還顯著提高了生產力。例如，一家技術提供商開發的虛擬工程師透過即時資料最佳化建築管理，將HVAC能源成本降低了25%，並將維護計劃時間減少了90%
• 收入增長：率先採用Ai的公司在收入方面已經比同行高出15%，預計到2026年這一數字將翻倍。生成式AI透過個性化設計工具幫助設計師快速生成多樣化的圖案，直接推動了銷售和收入的增長。
• 客戶體驗提升：AI已經從獨特的差異化因素轉變為所有企業保持競爭力的基本要求。例如，倫敦證券交易所集團使用AI驅動的問答服務（QAS）將客戶查詢的解決時間減少了50%。

• 行業採用：電信、金融服務和消費品行業在AI採用方面處於領先地位。生成式AI在依賴人類資本的行業中尤為突出，如醫療保健、金融服務和媒體娛樂行業。
• 功能採用：市場營銷和銷售、產品和服務開發、服務運營和風險管理是AI採用率最高的功能。這些功能通常生成或數字化大量結構化和非結構化資料，使得AI模型能夠更有效地訓練和擴充套件。
• 組織採用：儘管AI投資和使用激增，但大多陣列織的AI採用仍處於早期階段。74%的公司報告在規模化採用AI方面面臨挑戰，只有16%的企業準備好進行AI驅動的全面改革。

• 複雜任務的全面自動化：AI智慧體可以協同工作，實現複雜重複任務的全面自動化，使人類能夠專注於更高階的任務。例如，到2028年，製造和金融服務等行業將看到AI智慧體管理生產線、最佳化供應鏈操作和處理客戶支援的顯著收益。
• 更情境化和個性化的決策：將高階推理能力整合到生成式AI應用中，將使AI系統在協助人類導航複雜環境和做出情境感知決策方面更加有效。例如，在醫療保健行業，AI將支援個性化治療方案。
• 增強個人效率和能力：AI整合的手持裝置、先進的邊緣AI和緊湊語言模型有可能透過自動化任務、管理日程和提供即時資訊來徹底改變工作方式。

• 生態系統合作：公司越來越多地與雲提供商、AI技術公司、初創企業和公共機構合作，以獲取資源和專業知識。
• 利益相關者對AI的信任：信任是AI成功的關鍵。61%的人對依賴AI系統猶豫不決，主要是由於對資料安全和第三方參與的擔憂。
• 行業自我治理：組織正在建立自我治理框架，以補充法規，確保AI部署與公司價值觀和區域法規保持一致。
• 人才和組織：組織需要優先考慮員工發展，使員工能夠應對技術變化並領導AI驅動的價值創造。
• 網路安全：AI驅動的網路攻擊如深度偽造、定向釣魚和資料洩露是新興威脅。組織需要將AI網路風險納入跨組織風險管理。
• 數字核心：部署可擴充套件的AI戰略依賴於建立強大的數字核心，包括AI應用和數字平臺、資料和AI“骨幹”以及物理和數字基礎設施。

1. 構建基礎：包括可持續的AI基礎設施、高質量資料集、負責任的AI模型和有效的資本投資渠道。
2. 發展新智慧經濟：透過嵌入智慧的應用、工作流程、裝置和機器人，重新構想各行業的核心活動。
3. 以人為本：透過高質量教育、技能發展和勞動力培訓，提升人類潛力，並建立道德、安全和安全的護欄。

1. 構建可持續的AI基礎設施
1. 挑戰：高能耗、大規模投資需求、不安全的AI供應鏈、數字鴻溝、高成本的網際網路裝置。
2. 成功案例：微軟與美國簽署了購買無碳能源的協議，重新開放三哩島核電站，為其資料中心提供綠色能源。世界銀行啟動了100億美元的可再生能源計劃，旨在增加15吉瓦的可再生能源容量。
3. 關鍵能力：可持續和負責任的綠色能源、安全的網路和彈性的AI供應鏈、高速連線、可擴充套件和可負擔的計算能力、AI就緒裝置。

2. 策劃多樣化和高質量的資料集
1. 挑戰：高質量資料的獲取、資料不平等、資料所有權、AI技術進步、對AI的信任。
2. 成功案例：日本的Fugaku LLM是一個開源的大型語言模型，至少60%的訓練資料來自日本。阿聯酋政府與G42合作開發了基於現代標準阿拉伯語的LLM“Jais”。
3. 關鍵能力：可用和可訪問的資料、多樣化和包容性的資料、資料所有權和共享、資料保護和隱私、資料生命週期管理。

3. 建立道德、安全和安全的護欄
1. 挑戰：減輕偏見、應對不斷變化的監管環境、確保AI安全、實施負責任的AI實踐、AI智慧財產權和法律不確定性。
2. 成功案例：歐盟的《人工智慧法案》將AI應用分為風險等級，設定高風險領域的要求。美國和英國透過AI安全研究所合作，開發共享的AI模型測試框架。
3. 關鍵能力：道德護欄、負責任的使用的護欄、安全和安全標準、AI法規、法律框架。