企业生成式AI应用需求、落地及挑战分析

生成式AI勾勒企业 智慧未来。

1.大模型技术发展迅速，激发企业生成式AI应用需求

伴随2022年末ChatGPT的问世，以大模型为代表的生成式AI技术得到各行各业的高度关 注和热议。最早由谷歌提出了Transformer架构，随后，谷歌相继发布了基于Transformer架 构的Bert、T5等预训练模型，同时OpenAI也推出了GPT预训练模型。模型的参数量迅速提升 至千亿甚至万亿级别，成为超大规模参数模型，同时通过对丰富知识数据的学习，大模型技术 在泛化能力、多模态能力、开放域交互和模型可解释性等方面均有巨大提升。

2020年，GPT3.0发布，在文本生成方面的能力表现优异。其生成的文本准确、连贯，并 且更加贴近人类的表达方式，这使得大模型在内容创作、对话交互等场景具备实用性。2022 年，Midjourney发布，大模型的图像生成能力得到广泛认可，应用于广告、游戏等创意设计 场景。2024年，Sora发布，可以根据文本、图像生成逼真且具有想象力的视频。教育和娱乐 等行业正在积极应用Sora制作视频。

2020年，GPT3.0发布，在文本生成方面的能力表现优异。其生成的文本准确、连贯，并 且更加贴近人类的表达方式，这使得大模型在内容创作、对话交互等场景具备实用性。2022 年，Midjourney发布，大模型的图像生成能力得到广泛认可，应用于广告、游戏等创意设计 场景。2024年，Sora发布，可以根据文本、图像生成逼真且具有想象力的视频。教育和娱乐 等行业正在积极应用Sora制作视频。

2.生成式AI应用落地处在探索阶段

生成式AI技术在极短时间内快速渗透到各个工作场景之中，并在改变以往的工作方式。这 种新技术的普及将不可避免地诞生新的商业模式和产业生态，并带来全新的机遇。在这个变革 的过程中，企业都在积极融入新技术的潮流，并期望在竞争中脱颖而出。 根据Gartner调研数据，44%企业CIO表示已经落地或将在未来12个月落地生成式AI， 68%企业CIO表示已经落地或将在未来24个月内落地生成式AI。

目前，经过初步对生成式AI技术的观望学习，企业认为抓住这一变革性新技术将改变行业 竞争格局。大量企业开始转向尝试探索将生成式AI技术应用在自己的业务流程中。 首先，生成式AI有望大幅实现降本增效，从而彻底改变行业成本结构。生成式AI打造的智 能助手使得企业为每位员工配备了“专家智囊”，员工个人产能得以倍数级提升，重塑了企业 人力资源成本结构。 其次，生成式AI有望实现客户交互方式的变革，使得企业在客户争夺战中抢得先机。一方 面，生成式AI的交互体验与真人无差，且个性化更强，年轻客户更青睐新一代的交互方式。另 一方面，全新的交互方式之上有可能孕育全新的消费模式。

3.企业落地生成式AI应用面临两大挑战

生成式AI为企业描绘了美好的未来前景，然而，要将其真正应用于实际业务中，企业仍然 面临着场景价值、落地可行性等诸多挑战。 在场景价值方面，企业担心新技术应用价值不及预期，面临如何规划应用落地场景的挑 战。企业需要确定生成式AI在特定业务场景下的实际应用和价值，这涉及到对业务需求、用户 体验的全面分析和评估。但面对场景价值如何分类与遴选、生成式AI能够解决到何种程度等问 题时，企业仍缺少成熟的方法支撑。

在落地可行性方面，企业担心生成式AI技术人才储备不足、数据基础设施不成熟等问题， 面临如何选择适合自身情况落地技术路线的挑战。尽管生成式AI技术非常先进，但要在企业内 部或产品中实际落地应用，需要充分考虑哪些评估维度，以及可以选择哪些落地路线，企业亟 待解决。 针对以上两大挑战，企业需要梳理落地场景，从中优选适合自身的应用落地。并且，企业 需要审慎评估技术、预算、风险等维度，寻找合理的落地方式。为此，基于Gartner的研究方 法，腾讯云结合自身的大模型应用落地实践经验，为企业提供生成式AI应用场景矩阵和生成式 AI应用落地路线图，帮助企业解决场景价值、落地可行性等挑战。