生成式 AI 的狂野西部：企业如何驾驭这股浪潮？
生成式 AI 的浪潮席卷而来，如同狂野西部般充满着机遇与挑战。新工具层出不穷，但技术发展迅速，市场上充斥着各种承诺，让企业决策者难以抉择。
为了帮助企业理清思路，GAI Insights 发布了首份大型语言模型 (LLM) 和生成式 AI 购买指南。这份指南对 29 家供应商进行了评估，并确定了 7 家新兴领导者（OpenAI 遥遥领先）。此外，专有模型、开源模型和小型模型将在 2025 年迎来高需求，因为企业高管们将优先考虑 AI 投资。
“我们看到企业从最初的了解阶段，逐渐过渡到早期实验，并最终将系统投入生产，”GAI Insights 首席执行官兼联合创始人 Paul Baier 表示，“这是一种爆炸式增长，AI 正在彻底改变整个企业 IT 架构。”
GAI Insights 旨在成为“生成式 AI 领域的 Gartner”，对 29 家供应商在客户服务、销售支持、营销和供应链等常见企业生成式 AI 应用场景进行了评估。他们发现，OpenAI 仍然牢牢占据主导地位，市场份额高达 65%。
GAI Insights 指出，OpenAI 与众多内容和芯片供应商（包括 Broadcom，与之合作开发芯片）建立了合作伙伴关系。“显然，他们是第一批进入这个领域的，他们定义了这个类别，”Baier 说。然而，他指出，该行业正在“分裂成细分领域”。
七家新兴领导者
GAI Insights 确定的另外六家新兴领导者（按字母顺序排列）：
- 亚马逊（Titan、Bedrock）：采取供应商中立的策略，是部署的“一站式商店”。它还提供定制的 AI 基础设施，例如 Trainium 和 Inferentia 等专用 AI 芯片。
- Anthropic（Sonnet、Haiku、Opus）：是 OpenAI 的“强大”竞争对手，其模型拥有较长的上下文窗口，在编码任务中表现出色。该公司还高度重视 AI 安全，今年发布了多个面向企业的工具，包括 Artifacts、Computer Use 和上下文检索。
- Cohere（Command R）：提供面向企业的模型和多语言功能，以及私有云和本地部署。其 Embed 和 Rerank 模型可以通过检索增强生成 (RAG) 改善搜索和检索，这对希望利用内部数据的企业至关重要。
- CustomGPT：提供无代码解决方案，其模型具有高精度和低幻觉率。它还提供企业功能，例如单点登录和 OAuth，并提供有关员工和客户如何使用工具的分析和见解。
- Meta（Llama）：提供“一流”的模型，从小型和专业模型到前沿模型。其 Meta 的 Llama 3 系列拥有 4050 亿个参数，在推理、数学、多语言处理和长上下文理解等复杂任务上与 GPT-4o 和 Claude 3.5 Sonnet 相媲美。
- 微软（Azure、Phi-3）：采取双重策略，利用 OpenAI 的现有工具，同时投资于专有平台。该公司还在通过开发自己的芯片（包括 Maia 100 和 Cobalt 100）来减少对芯片的依赖。
GAI Insights 评估的其他供应商包括 SambaNova、IBM、Deepset、Glean、LangChain、LlamaIndex 和 Mistral AI。
供应商的评级基于多种因素，包括产品和服务创新；产品和服务的清晰度以及优势和功能；推出产品和合作伙伴关系的往绩；定义的目标买家；技术团队的质量和管理团队的经验；战略关系和投资者的质量；筹集的资金；以及估值。
与此同时，英伟达继续占据主导地位，市场份额为 85%。该公司将继续在硬件和软件堆栈中提供产品，并在 2025 年以“惊人”的速度进行创新和发展。
虽然生成式 AI 市场仍处于起步阶段——只有 5% 的企业将应用程序投入生产——但 GAI Insights 预计，2025 年将出现大幅增长，33% 的公司将推动模型投入生产。在过去 18 个月，AI 计算成本下降了 240 倍，生成式 AI 成为 CIO 和 CTO 的首要预算优先事项。
有趣的是，90% 的当前部署使用专有 LLM（与开源模型相比），该公司称之为“拥有自己的智能”。这是由于对数据隐私、控制和监管合规性的更高需求。生成式 AI 的主要用例包括客户支持、编码、摘要、文本生成和合同管理。
但最终，Baier 指出，“目前几乎所有用例都出现了爆炸式增长。”
他指出，据估计，90% 的数据是非结构化的，包含在电子邮件、PDF、视频和其他平台中，并惊叹于“生成式 AI 使我们能够与机器对话，它使我们能够释放非结构化数据的价值。我们以前无法以经济高效的方式做到这一点。现在我们可以了。现在正在发生一场惊人的 IT 革命。”
2025 年还将出现更多垂直领域特定的小型语言模型 (SLM)，开源模型也将受到需求（尽管其定义存在争议）。即使是更小的模型，例如 Gemma（20 亿到 70 亿个参数）、Phi-3（38 亿到 70 亿个参数）和 Llama 3.2（10 亿和 30 亿个参数），也将表现出更好的性能。GAI Insights 指出，小型模型具有成本效益和安全性，并且字节级标记化、权重修剪和知识蒸馏方面的关键发展正在最小化尺寸并提高性能。
此外，语音助手预计将在 2025 年成为“杀手级界面”，因为它们提供更个性化的体验，并且预计设备上的 AI 将获得显著提升。“我们预计明年当智能手机开始搭载嵌入式 AI 芯片时，将出现真正的繁荣，”Baier 说。
虽然 AI 代理目前是企业界热议的话题，但它们在未来一年的可行性还有待观察。Baier 指出，还有许多障碍需要克服，例如不受监管的传播、代理 AI 做出“不可靠或有问题的”决策以及在低质量数据上运行。
他说，AI 代理尚未完全定义，目前部署的 AI 代理主要局限于内部应用程序和小规模部署。“我们看到围绕 AI 代理的所有炒作，但它们在公司中被广泛采用还需要数年时间，”Baier 说。“它们很有前景，但明年不会有前景。”
企业如何开始使用生成式 AI
由于市场如此拥挤，工具如此多样，Baier 为企业提供了一些关键建议，帮助他们入门。首先，要警惕供应商锁定，并接受企业 IT 架构将在未来 15 年内继续发生巨大变化的现实。
由于 AI 计划应该来自高层，Baier 建议企业高管与董事会进行深入审查，以探索机遇、威胁和优先事项。首席执行官和副总裁也应该拥有实践经验（至少从开始的三个小时开始）。在部署之前，可以考虑使用公共数据进行无风险的聊天机器人试点，以支持实践学习，并尝试将设备上的 AI 用于现场操作。
Baier 建议，企业还应该指定一名高管负责监督集成、建立卓越中心并协调项目。同样重要的是，要执行生成式 AI 使用策略和培训。为了支持采用，发布使用策略，进行基本培训，并确定哪些工具是经过批准的，以及哪些信息不应该输入。
最终，“不要禁止 ChatGPT；你的员工已经在使用它，”GAI 断言。
