始于2022年底的生成式AI浪潮，最近兩年深刻影響著每一個行業、每一家企業甚至每一個人。但通往通用人工的巨大期許、百模大戰的無比喧囂、愈發龐大的持續投入以及各種場景的艱難驗證，讓越來越多企業迷失在GenAI的混亂使用中，AI賦能“做事”似乎可望而不可及。
那么，企業應該如何走出“GenAI混亂使用”階段，真正實現AI賦能業務？未來熱門的AI應用場景有哪些？面向未來，企業需要什么樣的人工智能整體戰略規劃？近日，IDC一份《Data & AI Pulse:Asia Pacific 》調研報告（以下簡稱：《報告》）吸引亞太地區廣大用戶的密切關注。
該《報告》直言，亞太地區未來五年的AI支出將保持24%年復合增長率，預測型AI、解釋型AI和生成式AI三項AI投資將趨于均衡；企業需盡快制定人工智能長期戰略，加速提升自身的AI成熟度，走出“GenAI使用混亂”階段，在未來市場競爭中與AI浪潮同頻共振，從而實現AI賦能。
是時候關注AI成熟度！
2024年諾貝爾經濟學獎獲得者、MIT教授西蒙·約翰遜認為，AI應該更加注重如何提高生產力，而非單純追求技術的自動化和智能化。
的確，西蒙·約翰遜教授的觀點道出了企業對于AI賦能的核心目的和正確方向。自上個世紀50年代提出概念以來，人工智能經歷三起三落，直到GenAI和大語言模型的突然崛起，人們才充分認識到人工智能技術所帶來的變革性影響。近年來，全球多個國家更是大刀闊斧、快馬加鞭制定人工智能戰略規劃，寄希望人工智能推動生產力的飛躍。
以中國為例，今年初的政府工作報告首次將“人工智能+”寫入，強調“深化大數據、人工智能等研發應用，開展“人工智能+”行動，推動各行各業以“智”提“質”，加速發展新質生產力和推動產業變革。
事實上，GenAI崛起的如此迅速，以至于很多企業有點猝不及防。固然，GenAI已在客戶體驗、企業運營、員工生產力、內容創作效率等方面展現出不錯的應用潛力。但亦不可否認，各行各業用戶對于GenAI有種“唯恐不及”的心態，生怕錯失這次重要的技術變革浪潮，爭相擁抱GenAI的同時，不可避免地陷入一定的“混亂”。
《報告》將2023-2024年定義為GenAI的混亂使用階段：大部分企業通常雜亂無章、爭先恐后地開展各類概念驗證（POC）；同時會產生五花八門的戰略，在技術層面也是各自為政；雖然以生產力場景為主，但AI主要靠“買”而不是靠“建”。
“現在所有組織與企業都面臨著使用AI的壓力，包括技術層面、市場競爭層面和監管層面等。”SAS公司亞太地區與歐洲、中東和非洲新興地區高級副總裁Shukri Dabaghi直言道。
《報告》就指出，大多數亞太地區企業現階段都處于AI成熟度早中期，都著力于建設短期項目和業務案例，處于AI高級成熟階段的企業很少；2025-2026年將進入到AI轉型的“采用階段”，2027年及以后將加速開啟AI賦能型企業的階段。
本質上，AI是一個創造業務價值的過程，需要具備數據、技術、流程、技能和治理等方面的綜合能力，這也就決定AI的投資與建設絕非一蹴而就，而是一個長期過程，需要有著更加清晰的策略與規劃。此時此時，企業提升自身的AI成熟度勢在必行，需要盡快走出“混亂使用”階段。
《報告》則認為提升AI成熟度需要遵循構建強大的技術系統和平臺、以數據為中心和以模型為中心的流程、強大的治理、AI人才和AI倫理道德，以及高質量數據的可用性等五大原則。
如何與AI浪潮同頻共振
隨著全球邁向AI驅動的時代，充分釋放AI潛力就成為各行各業未來取得商業成功的重中之重。
當前，GenAI展現出巨大的應用潛力。麥肯錫分析當前應用于各個行業的63種GenAI應用之后，預測GenAI將為全球經濟每年帶來2.6萬億至4.4萬億美元的增長。但GenAI≠AI的全部，也不適用于所有業務場景，預測型AI和解釋型AI依然大有用武之地。因此，企業要想提高市場競爭力和適應性，必須與AI浪潮同頻共振，更好地適應AI時代的發展趨勢。
首先，AI應用場景未來必然走向豐富化，尤其是基于GenAI技術的場景會持續涌現，像文案寫作、業務流程和工作流自動化、代碼生成等。但像預測型AI和解釋型AI等在金融、制造、醫療等行業同樣有著廣泛的應用前景。因此，企業需要整合不同類型的AI技術，并創建戰略級的AI場景組合，而非聚焦開發單獨場景。
《報告》也介紹，亞太地區企業的計劃在未來12個月采用AI的企業會將重點放在數據驅動的AI場景上，如預測性分析/欺詐偵測、產品/服務創新和數據增強等，而不是代碼生成或文案寫作等。例如，金融機構除了GenAI應用之外，也非?？粗仡A測型AI技術，用其來偵測風險和欺詐。
其次，隨著企業AI成熟度的不斷提升，企業們對于生成式AI、預測性AI和解釋性AI的認知與判斷也會更加清晰，投資回歸理性成為必然趨勢?！秷蟾妗返恼{研數據就顯示，2023年預測型AI、解釋型AI和生成式AI所占AI投資比分別為34%、47%和19%，2024年比例則標尺34%、32%和34%，企業投資從解釋型AI流向生成式AI的趨勢明顯，各項AI技術的投資也趨于均衡。
不過，GenAI當前尚未產生出足夠大的商業價值，并且需要耗費巨大的GPU算力投資，也讓部分企業陷入“困境”。
Shukri Dabaghi直言，無需過于擔憂GPU算力昂貴等挑戰，“20年前，最昂貴產品是數據倉庫，但只有少數企業使用數據倉庫來存儲和管理數據。隨著時間推移，數據處理技術的不斷發展，數據處理成本持續下降，越來越多企業能夠處理、管理和分析數據?，F在人工智能出現的現象，與過去出現的情況類似，GPU處理數據成本會越來越低，企業無需過于擔憂。”
第三，很多企業低估了AI與業務融合以及實施的難度，AI猶如一個復雜且長期的工程化問題，不僅涉及數據、技術、基礎設施、業務、監管等諸多方面，更需要在技術適配、實施路徑、團隊協作、評估測試等方面著力。因此，制定長期AI長期投資計劃和使用戰略，是企業走向AI高級成熟階段的關鍵。
《報告》也認為，在AI驅動的時代，企業分為AI領先者和AI跟隨者，AI領先者與AI跟隨者最大的區別就是是否具備長期的AI戰略。
Shukri Dabaghi則強調數據是一切人工智能的基礎，企業需要尤為重視數據的價值與作用，“一切都需要從數據開始，企業需要理解數據、管理數據和確保數據安全且合規的使用。做好數據治理，是大規模應用AI技術的前提。”
中國企業還需做什么
《報告》顯示，27%的中國企業被評為AI領導者，表明相比于亞太其他地區，AI在中國市場的發展更為成熟；中國企業正在大力投資AI，超過四分之一的企業在AI能力方面處于領先地位，有59%的企業計劃在未來一年內大幅增加AI投資，只有極少數企業尚未開發AI。
事實上，與其他國家和地區相比，中國在AI領域有著更為獨特的優勢：中國是全球數據量最大、數據類型最豐富的國家之一；IDC預測到2025年，中國有望成為全球最大的數據圈，可源源不斷為AI技術提供豐富的數據資源。另外，中國行業豐富、產業布局完整，有著極為豐富多樣的行業應用場景，是AI技術天然優良的“試驗土壤”和“培育基地”。更加關鍵的是，“人工智能+”、“數據要素X”等政策陸續出臺，標志著中國在政策導向層面上注重AI與實體經濟的融合與應用。
不過，《報告》調研數據顯示，中國企業在AI技術實施與應用上目前存在著缺乏成熟專業的AI人才、數據缺乏足夠治理流程和缺乏AI治理框架與風險管理實踐，另外數據訪問受限和效率低下也是導致一些AI項目失敗的關鍵原因。
《報告》也強調，中國企業除了注重AI專業人才儲備、AI治理框架與風險管理之外，利用數據平臺和ModelOps是未來AI能力不斷成熟提升的一大有效路徑。數據平臺對于改善數據質量、建立堅實的數據基礎以及確保數據安全合規使用大有裨益，而ModelOps則對于模型的集成與部署、模型版本的控制與管理、資源優化和團隊協作等發揮著重要作用。
作為全球領先的數據分析與AI公司，SAS公司多年以來一直深耕中國市場，并且在金融、制造、生物醫藥、教育等多個行業擁有龐大的用戶群，SAS數據分析平臺和結果成為很多行業的事實標準。例如，在生物醫藥行業，藥企在新藥申報提供的藥物臨床實驗結果分析與評估，優先以SAS分析結果成為行業默認的規定。
對于中國企業在AI發展的現狀以及未來龐大的AI應用前景，SAS公司一如既往的重視，并且將從AI行業解決方案、降低產品門檻以及國產技術環境適配三個方面發力，全面推動領先的數據分析與AI產品在中國行業用戶中的落地與應用。
首先，中國正在加速推動數字經濟與實體經濟的融合，AI、數據分析等技術是數實融合的重要抓手，AI技術走向垂直行業是大勢所趨，AI行業解決方案在中國市場未來將是強需求。而SAS公司去年即宣布了未來三年將投入10億美元打造AI行業解決方案，推動AI在行業用戶中的使用。
Shukri Dabaghi介紹：“SAS AI行業解決方案的基礎是 SAS Viya。SAS將確保云原生AI平臺 SAS Viya版本每年持續創新、更新與優化。并在SAS Viya基礎上專注于定制化的AI和高級分析解決方案，以滿足銀行、政府、保險、生命科學等行業的特定需求。”
其次，SAS在銀行、生命科學等專業化場景中一直以安全、可靠穩定和兼容性強著稱，并且獲得眾多行業用戶的青睞。為進一步降低數據分析等工作的門檻，從而加速推動AI、數據分析等技術在各個行業中的普及，SAS將從產品層面融入大模型等技術，讓產品體驗和使用門檻進一步降低，讓數據分析更加大眾化。
SAS大中華區首席數據科學家馬寧博士直言：“SAS Viya馬上將推出Copilot，能夠將自然語言轉化為SAS代碼，將SAS公司在數據分析、行業知識等領域的多年積累融入到Copilot之中。SAS將廣泛支持全球商業或者開源大模型，并且支持大模型的切換，用戶按需使用即可。”
第三，中國自身數字化技術體系崛起已成為不爭的客觀事實，從芯片、操作系統到數據庫、中間件，再到大模型等均取得長足的進步，并且逐步在各個行業中得到應用。對此，SAS公司的思路是兼容并蓄和高度重視，持續投入研發去適配整個國產化的數字技術體系，讓廣大行業用戶能夠平滑、高效地使用SAS產品。
綜合觀察，管理學巨擘彼得·德魯克認為，戰略規劃不是規劃“未來做什么”，而是規劃“當前必須做什么”，才能準備好迎接充滿不確定性的未來。在今天這個充滿不確定性的市場中，企業全面擁抱AI已是當下必須做的一道必答題。IDC《Data & AI Pulse:Asia Pacific 》報告從亞太地區企業實際使用AI情況出發，在技術、產品、策略等給出諸多切實可行的建議，值得所有正在實施AI的企業思考、借鑒和學習。
2025北京智能科技產業展覽會（簡稱:世亞智博會）擬于2025年6月份在北京舉辦，本次展會劃分了智慧城市、物聯網、大數據、人工智能、機器人、軟件、自動駕駛等展區，通過線上線下相結合的展會模式，竭力打造集技術交流、產品展示、成果交易、招商引資于一體的專業級智能科技盛會。如果您有意愿成為展商或希望了解更多信息可關注“www.lsjsh.cn”也可直接致電185 1555 6762，我們期待您的參與！
始于2022年底的生成式AI浪潮，最近兩年深刻影響著每一個行業、每一家企業甚至每一個人。但通往通用人工的巨大期許、百模大戰的無比喧囂、愈發龐大的持續投入以及各種場景的艱難驗證，讓越來越多企業迷失在GenAI的混亂使用中，AI賦能“做事”似乎可望而不可及。
那么，企業應該如何走出“GenAI混亂使用”階段，真正實現AI賦能業務？未來熱門的AI應用場景有哪些？面向未來，企業需要什么樣的人工智能整體戰略規劃？近日，IDC一份《Data & AI Pulse:Asia Pacific 》調研報告（以下簡稱：《報告》）吸引亞太地區廣大用戶的密切關注。
該《報告》直言，亞太地區未來五年的AI支出將保持24%年復合增長率，預測型AI、解釋型AI和生成式AI三項AI投資將趨于均衡；企業需盡快制定人工智能長期戰略，加速提升自身的AI成熟度，走出“GenAI使用混亂”階段，在未來市場競爭中與AI浪潮同頻共振，從而實現AI賦能。
是時候關注AI成熟度！
2024年諾貝爾經濟學獎獲得者、MIT教授西蒙·約翰遜認為，AI應該更加注重如何提高生產力，而非單純追求技術的自動化和智能化。
的確，西蒙·約翰遜教授的觀點道出了企業對于AI賦能的核心目的和正確方向。自上個世紀50年代提出概念以來，人工智能經歷三起三落，直到GenAI和大語言模型的突然崛起，人們才充分認識到人工智能技術所帶來的變革性影響。近年來，全球多個國家更是大刀闊斧、快馬加鞭制定人工智能戰略規劃，寄希望人工智能推動生產力的飛躍。
以中國為例，今年初的政府工作報告首次將“人工智能+”寫入，強調“深化大數據、人工智能等研發應用，開展“人工智能+”行動，推動各行各業以“智”提“質”，加速發展新質生產力和推動產業變革。
事實上，GenAI崛起的如此迅速，以至于很多企業有點猝不及防。固然，GenAI已在客戶體驗、企業運營、員工生產力、內容創作效率等方面展現出不錯的應用潛力。但亦不可否認，各行各業用戶對于GenAI有種“唯恐不及”的心態，生怕錯失這次重要的技術變革浪潮，爭相擁抱GenAI的同時，不可避免地陷入一定的“混亂”。
《報告》將2023-2024年定義為GenAI的混亂使用階段：大部分企業通常雜亂無章、爭先恐后地開展各類概念驗證（POC）；同時會產生五花八門的戰略，在技術層面也是各自為政；雖然以生產力場景為主，但AI主要靠“買”而不是靠“建”。
“現在所有組織與企業都面臨著使用AI的壓力，包括技術層面、市場競爭層面和監管層面等。”SAS公司亞太地區與歐洲、中東和非洲新興地區高級副總裁Shukri Dabaghi直言道。
《報告》就指出，大多數亞太地區企業現階段都處于AI成熟度早中期，都著力于建設短期項目和業務案例，處于AI高級成熟階段的企業很少；2025-2026年將進入到AI轉型的“采用階段”，2027年及以后將加速開啟AI賦能型企業的階段。
本質上，AI是一個創造業務價值的過程，需要具備數據、技術、流程、技能和治理等方面的綜合能力，這也就決定AI的投資與建設絕非一蹴而就，而是一個長期過程，需要有著更加清晰的策略與規劃。此時此時，企業提升自身的AI成熟度勢在必行，需要盡快走出“混亂使用”階段。
《報告》則認為提升AI成熟度需要遵循構建強大的技術系統和平臺、以數據為中心和以模型為中心的流程、強大的治理、AI人才和AI倫理道德，以及高質量數據的可用性等五大原則。
如何與AI浪潮同頻共振
隨著全球邁向AI驅動的時代，充分釋放AI潛力就成為各行各業未來取得商業成功的重中之重。
當前，GenAI展現出巨大的應用潛力。麥肯錫分析當前應用于各個行業的63種GenAI應用之后，預測GenAI將為全球經濟每年帶來2.6萬億至4.4萬億美元的增長。但GenAI≠AI的全部，也不適用于所有業務場景，預測型AI和解釋型AI依然大有用武之地。因此，企業要想提高市場競爭力和適應性，必須與AI浪潮同頻共振，更好地適應AI時代的發展趨勢。
首先，AI應用場景未來必然走向豐富化，尤其是基于GenAI技術的場景會持續涌現，像文案寫作、業務流程和工作流自動化、代碼生成等。但像預測型AI和解釋型AI等在金融、制造、醫療等行業同樣有著廣泛的應用前景。因此，企業需要整合不同類型的AI技術，并創建戰略級的AI場景組合，而非聚焦開發單獨場景。
《報告》也介紹，亞太地區企業的計劃在未來12個月采用AI的企業會將重點放在數據驅動的AI場景上，如預測性分析/欺詐偵測、產品/服務創新和數據增強等，而不是代碼生成或文案寫作等。例如，金融機構除了GenAI應用之外，也非?？粗仡A測型AI技術，用其來偵測風險和欺詐。
其次，隨著企業AI成熟度的不斷提升，企業們對于生成式AI、預測性AI和解釋性AI的認知與判斷也會更加清晰，投資回歸理性成為必然趨勢?！秷蟾妗返恼{研數據就顯示，2023年預測型AI、解釋型AI和生成式AI所占AI投資比分別為34%、47%和19%，2024年比例則標尺34%、32%和34%，企業投資從解釋型AI流向生成式AI的趨勢明顯，各項AI技術的投資也趨于均衡。
不過，GenAI當前尚未產生出足夠大的商業價值，并且需要耗費巨大的GPU算力投資，也讓部分企業陷入“困境”。
Shukri Dabaghi直言，無需過于擔憂GPU算力昂貴等挑戰，“20年前，最昂貴產品是數據倉庫，但只有少數企業使用數據倉庫來存儲和管理數據。隨著時間推移，數據處理技術的不斷發展，數據處理成本持續下降，越來越多企業能夠處理、管理和分析數據。現在人工智能出現的現象，與過去出現的情況類似，GPU處理數據成本會越來越低，企業無需過于擔憂。”
第三，很多企業低估了AI與業務融合以及實施的難度，AI猶如一個復雜且長期的工程化問題，不僅涉及數據、技術、基礎設施、業務、監管等諸多方面，更需要在技術適配、實施路徑、團隊協作、評估測試等方面著力。因此，制定長期AI長期投資計劃和使用戰略，是企業走向AI高級成熟階段的關鍵。
《報告》也認為，在AI驅動的時代，企業分為AI領先者和AI跟隨者，AI領先者與AI跟隨者最大的區別就是是否具備長期的AI戰略。
Shukri Dabaghi則強調數據是一切人工智能的基礎，企業需要尤為重視數據的價值與作用，“一切都需要從數據開始，企業需要理解數據、管理數據和確保數據安全且合規的使用。做好數據治理，是大規模應用AI技術的前提。”
中國企業還需做什么
《報告》顯示，27%的中國企業被評為AI領導者，表明相比于亞太其他地區，AI在中國市場的發展更為成熟；中國企業正在大力投資AI，超過四分之一的企業在AI能力方面處于領先地位，有59%的企業計劃在未來一年內大幅增加AI投資，只有極少數企業尚未開發AI。
事實上，與其他國家和地區相比，中國在AI領域有著更為獨特的優勢：中國是全球數據量最大、數據類型最豐富的國家之一；IDC預測到2025年，中國有望成為全球最大的數據圈，可源源不斷為AI技術提供豐富的數據資源。另外，中國行業豐富、產業布局完整，有著極為豐富多樣的行業應用場景，是AI技術天然優良的“試驗土壤”和“培育基地”。更加關鍵的是，“人工智能+”、“數據要素X”等政策陸續出臺，標志著中國在政策導向層面上注重AI與實體經濟的融合與應用。
不過，《報告》調研數據顯示，中國企業在AI技術實施與應用上目前存在著缺乏成熟專業的AI人才、數據缺乏足夠治理流程和缺乏AI治理框架與風險管理實踐，另外數據訪問受限和效率低下也是導致一些AI項目失敗的關鍵原因。
《報告》也強調，中國企業除了注重AI專業人才儲備、AI治理框架與風險管理之外，利用數據平臺和ModelOps是未來AI能力不斷成熟提升的一大有效路徑。數據平臺對于改善數據質量、建立堅實的數據基礎以及確保數據安全合規使用大有裨益，而ModelOps則對于模型的集成與部署、模型版本的控制與管理、資源優化和團隊協作等發揮著重要作用。
作為全球領先的數據分析與AI公司，SAS公司多年以來一直深耕中國市場，并且在金融、制造、生物醫藥、教育等多個行業擁有龐大的用戶群，SAS數據分析平臺和結果成為很多行業的事實標準。例如，在生物醫藥行業，藥企在新藥申報提供的藥物臨床實驗結果分析與評估，優先以SAS分析結果成為行業默認的規定。
對于中國企業在AI發展的現狀以及未來龐大的AI應用前景，SAS公司一如既往的重視，并且將從AI行業解決方案、降低產品門檻以及國產技術環境適配三個方面發力，全面推動領先的數據分析與AI產品在中國行業用戶中的落地與應用。
首先，中國正在加速推動數字經濟與實體經濟的融合，AI、數據分析等技術是數實融合的重要抓手，AI技術走向垂直行業是大勢所趨，AI行業解決方案在中國市場未來將是強需求。而SAS公司去年即宣布了未來三年將投入10億美元打造AI行業解決方案，推動AI在行業用戶中的使用。
Shukri Dabaghi介紹：“SAS AI行業解決方案的基礎是 SAS Viya。SAS將確保云原生AI平臺 SAS Viya版本每年持續創新、更新與優化。并在SAS Viya基礎上專注于定制化的AI和高級分析解決方案，以滿足銀行、政府、保險、生命科學等行業的特定需求。”
其次，SAS在銀行、生命科學等專業化場景中一直以安全、可靠穩定和兼容性強著稱，并且獲得眾多行業用戶的青睞。為進一步降低數據分析等工作的門檻，從而加速推動AI、數據分析等技術在各個行業中的普及，SAS將從產品層面融入大模型等技術，讓產品體驗和使用門檻進一步降低，讓數據分析更加大眾化。
SAS大中華區首席數據科學家馬寧博士直言：“SAS Viya馬上將推出Copilot，能夠將自然語言轉化為SAS代碼，將SAS公司在數據分析、行業知識等領域的多年積累融入到Copilot之中。SAS將廣泛支持全球商業或者開源大模型，并且支持大模型的切換，用戶按需使用即可。”
第三，中國自身數字化技術體系崛起已成為不爭的客觀事實，從芯片、操作系統到數據庫、中間件，再到大模型等均取得長足的進步，并且逐步在各個行業中得到應用。對此，SAS公司的思路是兼容并蓄和高度重視，持續投入研發去適配整個國產化的數字技術體系，讓廣大行業用戶能夠平滑、高效地使用SAS產品。
綜合觀察，管理學巨擘彼得·德魯克認為，戰略規劃不是規劃“未來做什么”，而是規劃“當前必須做什么”，才能準備好迎接充滿不確定性的未來。在今天這個充滿不確定性的市場中，企業全面擁抱AI已是當下必須做的一道必答題。IDC《Data & AI Pulse:Asia Pacific 》報告從亞太地區企業實際使用AI情況出發，在技術、產品、策略等給出諸多切實可行的建議，值得所有正在實施AI的企業思考、借鑒和學習。
2025北京智能科技產業展覽會（簡稱:世亞智博會）擬于2025年6月份在北京舉辦，本次展會劃分了智慧城市、物聯網、大數據、人工智能、機器人、軟件、自動駕駛等展區，通過線上線下相結合的展會模式，竭力打造集技術交流、產品展示、成果交易、招商引資于一體的專業級智能科技盛會。如果您有意愿成為展商或希望了解更多信息可關注“www.lsjsh.cn”也可直接致電185 1555 6762，我們期待您的參與！
