TMT企业如何拥抱生成式人工智能转型浪潮？

随着强大的生成式人工智能模型的发布,人工智能领域的发展取得重大突破,发生前所未有的转变。尽管人们对技术的快速发展已有期待,但这一突破的到来还是早于大多数人的预期,围绕它的一系列创造与想象相关的自动化、智能化将为许多行业带来宝贵潜力,也同样带来潜在危机。其中,TMT行业作为技术发展前沿,在全价值链中又会受到怎样的冲击与影响?企业应如何理解并应用生成式人工智能,从而拥抱本次转型浪潮?

蓬勃发展的新技术与新市场

与之前的人工智能不同,基于大型语言模型(LLM)等基础模型,生成式人工智能能够创造文本、代码、音频、图像、视频、流程乃至蛋白质3D结构等多种形式的内容,改变了传统的“鹦鹉学舌”式机器学习,赋予人工智能更生动、更人性化、更贴近人脑的决策、创造与学习能力。目前,国内外多家厂商已在此领域发力,国际市场上,OpenAI和微软领跑技术研究,国内的百度文心一言、阿里通义千问等也紧随其后,技术研究和商业化双管齐下。可以预见,未来几年内生成式人工智能市场将会持续发展。

跨行业、跨领域的全面收益

生成式人工智能在TMT行业中应用分布广泛,除半导体、基础设备、硬件与软件外,在通信、广播、媒体出版乃至游戏行业都有相关用例。根据内容产出,最常用的用例可分为文本、代码、图片、视频和音频。根据当前生成式人工智能技术发展的阶段,企业对生成式人工智能的应用可分为两类:

一类是将其作为文本、图片或视频等内容的生成工具,直接单独应用于工作中。该类应用范围非常广泛,常见用例可见于产品设计、营销与销售乃至客户管理的全流程中。例如,三星的生成式人工智能工具MyBespoke,可以协助人类艺术家为产品的外观设计快速生成多种方案,同时,消费者可以借助该工具,自主设计产品部分外观,获取更加贴心和个性化的服务及产品。

另一类则是将生成式人工智能与其他工具结合,产生1+1>2的效果,更有效帮助企业发展。例如,生成式人工智能可以完成类人的、交互式互动,而传统人工智能则可以进行流量控制与准确性检测,二者结合,即可生成自动化的、生成式人工智能赋能的呼叫中心,极大地节省人力成本并提高效率。可以预见,该类应用将产生更多收益,尤其在硬件制造、半导体等科技含量较高、对准确性与精度要求较高的企业中,结合生成式人工智能、传统人工智能与人力调优的方式,将有助于进一步释放生产力。在半导体研发过程中生成式人工智能可以创造并迭代多种芯片设计方案,提供多种维度的数据,而传统人工智能可以根据决策模型进行对比择优,最后通过人工把关判断,能够在最短时间内获得最优设计,缩短产品开发的生命周期,并可以将目前最优设计输入模型,作为下一次优化的基础,加速产品升级。

在同一家企业内,生成式人工智能也拥有跨领域的应用,如软件工程开发、人力资源、营销与销售等。生成式人工智能之所以被称为颠覆性技术,正是因为其可以从底层改变未来的工作方式。例如,在软件开发中,通过生成式人工智能,可以自动进行代码生成、不同编程语言间的代码转换、代码解释与存档,以及代码的后续维护,从而获得更高效率和更佳的跨平台协同。根据德勤的经验,在生成式人工智能的应用下,自然语言处理和代码转换准确性高达70%,项目整体速度可提升至少30%,其中,仅开发阶段即可节省30%～80%的时间,测试时间也可节省10%～50%。

因此,显而易见,生成式人工智能的应用可以帮助企业迅速降本增效,实现突破性变革。然而生成式人工智能的应用并非毫无风险,仅凭好的用例并不能奠定企业应用成功的基础。在着手实施生成式人工智能之前,企业仍需进行反复评审与研讨,充分了解其风险以及对各利益相关方的影响。

风险与影响决定应用效果

作为近期火爆全球的新兴技术,生成式人工智能本身还存在一定的不成熟与监管漏洞。德勤总结以下9大主要风险:

偏差性:由于生成式人工智能依赖投喂的训练数据,若训练数据本身带有偏差性,如人口、种族等偏见,则输出结果也无法做到公平公正,因此仍需要人工监督与调整。

成本:复杂模型的使用成本通常较高,大型模型的调整与运行成本甚至以数万美元计,因此对于中小企业,借助第三方工具或许是更佳选择。

使用道德:生成式人工智能的使用是否道德,取决于使用方式与使用目的。例如,在专利研究与学术发表时,人工智能的使用尤其要关注其道德性。

AI幻象:生成式人工智能生成的内容通常看起来极具说服力且专业,然而,由于用户无法获得来源和引文,需要时刻对内容的正确性保持警惕,并认真进行调查和验证。

IP保护:若企业用第三方生成式人工智能应用,则尤其需要注意保护企业的机密数据安全,否则企业机密数据将有可能被用来进行二次训练,从而丧失其保密属性,影响企业竞争力。

恶意行为:随着生成式人工智能的发展,对于安全性和客户信任的运维保护也愈发重要,企业应主动将网络恶意行为的风险进行管控。

模拟性能:模型越大,输出质量越好,同时生成时间也越长,企业需要在两者中不断尝试,方可找到平衡。

隐私:若使用云上服务的生成式人工智能提供商,数据可能面临隐私泄露与出境问题,需要考虑当地监管。

规模限制:尽管基础模型在不断进步,但其对可处理文档规模仍有限制。

综上所述,尽管生成式人工智能是当前热门话题,也势必成为未来企业应用发展方向,但企业决策者仍需保持理智,规避“跟风”式投入与应用,以免效果无法达到预期。同时,作为价值链和生态中的一员,企业不应独自前行,而应积极保持与合作伙伴和第三方互通有无,获取知识与经验,从而最大化利用生成式人工智能投入,产生最佳效果。

（编辑：马慧彬）