2023年12月，易觀分析年度報告《中國人工智能產業應用圖譜 2023》正式發布，報告重點對2023年AI和大模型在金融、制造、互聯網、零售、政府，醫藥等主要行業的企業級應用和趨勢做了解析，受到相關科技廠商和各個行業數字化轉型企業的關注。近期易觀合伙人、企業數字化中心總經理張澄宇先生受英特爾（中國）公司和InfoQ邀請參加互聯網行業技術閉門研討會，就AIGC企業級應用的前景同國內知名互聯網科技行業企業CTO, CIO和資深專家做了深入交流，持續分享易觀在AI和企業數字化轉型賽道的洞察和思考。
以下是張澄宇先生在本次研討會發表主題演講實錄中的部分內容摘要（下篇）
（注：本文結合2024年的新變化新趨勢亦做了觀點更新）
●2023年AIGC和大模型發展進程總結
●2024年AIGC企業級應用的六個趨勢要點
--------------------------------------------------
對于2023年AIGC和大模型發展進程的總結
重點希望分享三方面的觀點
首先，關于AI驅動的產業發展的能級。可以明顯觀察到，盡管AIGC和大模型帶來的變革的層級可能低于計算機和互聯網的發明，但其影響力顯著高于近年來的一系列技術變革。這種變革不僅僅是技術層面的，更多的是關于生產關系和文化的深層次變化。就像移動互聯網的出現改變了我們的生活方式和工作模式，AIGC技術可能同樣會帶來與之接近的巨大變革，涉及商業和技術之外的更廣泛領域引發新的討論，甚至會產生哲學和倫理層面的一些顛覆。
第二，當前，科技供應商和行業甲方仍未就AIGC在企業級場景落地做好準備。我們在與客戶交流中感受到，目前許多企業和行業處于一種被動應對的狀態，主要是因為技術的快速產品化速度太快，還無法馬上形成在生產經營環境的普遍使用和相關機制安排。我們認為企業最需要做的是首先理解AIGC技術，然后才能確定它與自身業務的關聯。在我與客戶的交流中發現由于使用門檻、技術理解等方面的桎梏，上述第一步就走的比較慢，這導致了盡管這一波AI技術浪潮的價值潛力已經顯現，但行業對這一市場的反應仍然比較被動。
第三，技術未來的演變方向也存在一些不確定性。雖然大模型技術加上行業的know-how輸入調參可能成為未來的人工智能在企業級全面落地的可行方向，但這個路線是否代表著企業級AIGC的終極方法論，仍需在2024年進一步確認。尤其是對于非平臺型的企業來說，事實上通過大模型的蒸餾、知識挖掘、RAG等方式進行更多專業化模型構造可能對AIGC落地生產環境更加重要。
總的來看，在歲末年關的時間點看AIGC和大模型的價值，我認為目前市場對其短期價值的評估過于樂觀，因為雖然全球領先的互聯網科技公司均已開展了相關前沿研究，且初步形成了可以持續的商業模式，但在下游tob應用的企業端，由于許多絕大部分企業仍在探索適合自己的模式，很難較快形成企業級應用的落地。但這不意味著企業需要減少對相關技術應用的投入，相反應當利用窗口期盡快完成相關戰略制定和實施安排。
2024年AIGC技術應用的六個趨勢要點
隨著百模大戰推動類ChatGPT產品市場的競爭達到白熱化，2024年相關科技企業預計將更多著眼于競爭相對溫和的行業垂直模型和企業級市場。易觀認為這將帶來從技術應用變革到企業經營變革的一系列趨勢性變化。我們以如下六個重要方向為例分別做分享：
趨勢一：大模型的小型化
當前AIGC在企業生產環境難以規模化釋放價值，其中重要因素是大模型尚無法滿足企業對于更契合實際生產環境和知識背景的解決方案要求。雖然大模型具備通用特征，但在企業級應用角度大模型小型化的必要性和可行性更高。因為GPT是遷移學習模型，對于特定行業機理和企業數據的引入一定是不足的，而且由于知識的壁壘和細分，行業越聚焦，專用模型越有用武之地。目前企業用戶通過部署大模型+Fine Tunning的方式雖然可行但效率偏低。事實上企業端的數據集相對全行業全社會而言要小得多，可以通過模型蒸餾、RAG等方式低成本實現專有模型的構造。
大模型的小型化有如下幾個方面的好處
?更強的行業應用價值：專業模型由于其對特定業務流程的深度理解，能夠為企業提供更加精確的數據分析和決策支持。例如在金融領域，模型經過領域知識的有效注入，有能力針對更細顆粒度的變化提供精確的風險評估和投資建議。再比如醫療服務行業，經過大量歷史專業知識訓練的專業模型將有能力根據病人的具體情況提供可靠性顯著提升的治療方案。
?更高的模型可得性：對于企業用戶來說，變小的模型更加可得，企業可以自主訓練并私有化部署。
?基礎設施可多樣化，成本可控：相對于采購昂貴的高性能GPU，異構計算+軟硬件算法調優的AI算力平臺可能具備更高的性價比。企業可以低成本利用算力一體化產品來調度算力、存儲、網絡資源，并且內嵌所需的模型管理功能。
?自主可控：基于私有云的小型化模型降低了對第三方通用大模型的依賴，對于特定行業企業用戶來說，自主搭建私有云環境具備更好的隱私、信任、安全特征，在本行業環境下更加適用。
OpenAI推出的GPTs也是這個方向重要的標志性事件，2024年會有更多支撐小型專業模型構建的工具推向市場，也會有第一批科技廠商開始與下游行業客戶共建的行業化、垂直化專業模型產品。
趨勢二：AIGC驅動數據資產化走向現實
首先是高質量數據價值可以被有效挖掘。企業具有大量高質量數據，會議記錄、紀要、輸出的PPT、文檔、表格、設計圖、音視頻等，甚至在加密計算前提下的員工IM溝通、工作筆記等。這些數據的價值發掘潛力很大。AI帶來了數據資產化的關鍵要素 - 可用性。也就是以往數據沉淀了但不可用，今天大模型可以很好使用這些數據進行訓練，很多數據的價值將會無中生有。
第二是數據資產網絡化之后帶來的增值。企業知識價值是具備網絡放大效應的，也就是知識的價值顯然1+1>2，而100個知識點組合帶來的洞見價值是幾何倍數提升的。今天大模型將得以有效識別和結構化企業歷史中沉淀的海量信息，學習，找到規律，構建起知識圖譜。同時知識價值的放大還是持續的、自迭代的。比如新的數據集出來，馬上可以作為高權重的素材喂給模型。
第三是企業的“第四張報表”-數據資產表。易觀在2017年首次提出了數據資產構成“第四張報表”的概念，但過去數年時間始終難以規模化落地，原因是數據資產價值的不可衡量性。大模型的價值被充分認可后，由于數據是大模型的關鍵養料，可以伴隨著AIGC價值的釋放被真正有效衡量，作為第四張報表量化反應企業數據的價值。基于這站數據資產報表，CTO，CIO體系的價值創造也可以被量化地衡量，進而帶來一系列的管理和激勵的變革。
趨勢三：傳統企業軟件和SaaS市場受到沖擊
過去在企業軟件和SaaS的市場，供應商本質都在講幫助企業降本增效的故事， 從CRM、ERP、OA等，到智能化的客服、營銷、運維平臺，更多是通過賦能人來實現工作閉環的，其應用場景往往嵌入在了企業部門和員工的工作流程中。
但是，SaaS帶來降本增效的前提是基于企業特定的架構和流程的，但AIGC可能改變和簡化這些流程，尤其是在中遠期的影響會有一批現有的流程甚至崗位被替代與轉化，工作流也隨之調整和消失，這就使得SaaS存在的價值基礎將被動搖。
以低代碼無代碼開發工具為例，即使供應商把拖拉拽設計到極致，如果仍然不如直接描述一段prompt生成流程或應用來的便捷，那么低代碼的意義是什么？這是降維打擊。
所以我們認為，中短期來看AIGC和大模型仍然是為SaaS融合和賦能的，GPT的能力通過API接入是對自身軟件的增強，而且通過AI實現一些技術功能后，SaaS可以做到很專很薄，讓供應商可以更加專注業務邏輯的打造。
但長期來看，隨著GPT能力的繼續提升，突破閾值，很多SaaS所依托的企業工作流可能被更改甚至不復存在，部分工作環節被替代，進而將環節上的人和工具替代，這將持續擠壓傳統企業軟件和SaaS的價值發揮空間。AI原生應用（AIGS）替代SaaS的趨勢難以阻擋，
趨勢四：阿米巴獲得新生，作戰小組/明星個人崛起
阿米巴管理模式的興起是對傳統企業管理結構的一種革命性挑戰。這種模式通過賦予小團隊更大的自主性和決策權，能夠有效提升企業的靈活性和適應市場變化的能力。
過去20年，中國企業基于經典管理學、運籌學的規模化協作，因其整體效率更高，更可控而成為主流。阿米巴模式成功實踐并不多，那是因為小團隊作戰能力還沒有那么突出，武器庫比較有限，依賴資源，單點突破難成氣候。
未來有很大不同，小團隊/明星個人加上AI copilot，可能會戰斗力爆表。以前的話企業的架構是分為企業的高級決策層和中級管理層，然后會有規模相當大的職能員工，各司其職，一起去完成很多事情。當然后期在企業數字化轉型的背景下，很多事情會沉淀在中臺上，然后中臺又會有幾層IT基礎設施做支撐，這是一個比較經典的這樣的數字化轉型架構。
AI時代的話，這一架構可能會顯著扁平化，在頂層大家主要工作就是定目標、定方向，就大家要做一些什么事情達成共識，然后任務直接給到相應的作戰單元，并通過AI大腦配以相關AI Copilot的權限和資源進行獨立作戰。然后底層是以算力為核心的新一代的面向AI的基礎設施的支持。這可能是AIGC時代的一個經營架構。
對于這一趨勢，我認為企業其實應當有一些制度安排去應對，比如未來如何能夠支撐一些明星的團隊跟個人脫穎而出，企業應該有一個機制去支持這樣的創新廣泛發生，這是未來企業必須具備的創新土壤。
趨勢五，AI將逐漸成為企業利潤中心
AI技術在企業中的角色從成本中心到利潤中心的轉變，是對AI價值的深層次認識。這種轉變體現了企業從使用AI技術到將其作為戰略資產的過渡。在這個過程中，企業不僅看到了AI在提升效率和降低成本方面的潛力，還開始探索如何利用AI推動業務增長和開發新的市場機會。
過往，AI無法直接與業務結果掛鉤的核心原因是由于AI能夠端到端完成的任務較少，仍然作為人的輔助，加之相關的IT技術開支，綜合成本事實上仍然很高。AIGC讓企業對AI的ROI評估方式發生根本轉變，AIGC最大不同就是盡可能屏蔽掉“人”這個價值產出的瓶頸和模糊點，讓AI在大量的場景中實現端到端價值創造，企業在AI投入產出的衡量成為可能。
這也會讓企業的看待AI的思維發生變化：當AI的ROI是模糊的、不精確的，企業一定是優先考慮風險和成本控制；而一旦AI的ROI清晰可衡量了，企業就可以算清楚這筆賬，一旦收益可見，企業會持續加大投入以獲得更高水平的收益。
這種戰略轉變一方面需要AIGC和大模型的能力突破閾值，真正顯著高于其成本，另一方面也要求企業對AI投資有更深遠的考慮，包括如何整合AI技術以優化當前的業務流程，以及如何利用AI創造新的商業模式和服務。此外，這也意味著企業需要在組織結構和文化上做好準備，以便更好地融合AI技術，并充分利用其帶來的優勢。
趨勢六，AIGC驅動企業數字化轉型重新進入陡峭曲線
數字化轉型已經成為社會級的共識趨勢，但過去的企業數字化轉型進程存在很多問題，數據用不起來的問題，數字化項目一錘子買賣問題，內部思維統一問題，邊際成本有增無減的問題，等等。對于數字化轉型的企業來說，很多時候是我投入很多，但結果不太好。那為什么還要投入？是因為企業預期它未來可能會變好，或者說預期數字化的紅利會逐漸釋放出來。
但從短期來看，許多企業在數字化方面的投入產出遲遲達不到自我造血的良性循環狀態，這種負反饋會比較明顯的降低企業數字化的信心和投入。AIGC和大模型的企業級應用將很大程度上解決過往數字化轉型中的一些痛點和難點，
比如，數字化轉型積累的數據價值更加清晰。數字化很重要的價值落地就是數據的沉淀，但隨著企業的各種模態的數據量趨于龐大，對應的分析和決策難度也指數級上升，讓充分發掘數據這件事情變得難以實現，數據資產的潛力自然也就無法釋放。但大模型的屬性可以幫助企業重新利用其這些數據，找尋其中的規律性價值和意義。大量閑置的數據憑空成為了資產，這讓企業數字化過程中對數據的采集和沉淀就變得極具意義。
再比如，數字技術的賦能借助AIGC可以快速形成業務閉環。最簡單的場景就是，一個企業秘書可以很快得撰寫或潤色一篇內部工作匯報，或者輕松完成一篇非常長時間會議的一個會議紀要，并且把要點去總結出來。它的意義在于讓企業快速獲得正向的反饋，感受到技術帶來的價值創造，這就可以激勵員工進一步使用AI技術，同時也激勵企業創造更好的條件讓員工通過AI開展工作，推動數字化轉型。
所以說整個來說的話，以前企業的數字化更多是預期驅動，也就是“未來會更好”，但AIGC和大模型帶來的改變是，企業數字化轉型變成了預期加現實的雙驅動，不僅未來會更好，而且現在就會立刻看到好處，顯然“不延遲的滿足”會讓企業的數字化轉型加速。
AIGC的開放性也會推動企業在數字化戰略層面的深度思考，因為數字化不僅關乎技術的應用，更關乎企業文化和思維方式的轉變。企業如何建立AI ready的治理結構，包括一個更加靈活、開放的文化環境，鼓勵創新和實驗的文化，快速學習和適應新技術的企業基因等。此外，企業還需要重新思考其與客戶的互動方式，提升客戶同自身合作的體驗和參與度。
總結來說，2023-2024年間的這些趨勢將深刻影響企業的戰略規劃和運營方式。大模型小型化與專業化、數據資產化、AIGC技術的應用、阿米巴管理模式的崛起、AI技術角色的轉變，以及數字化轉型的加速，都是企業在未來幾年需要密切關注和適應的關鍵領域。作為分析機構，理解這些趨勢，并為我們的企業客戶提供基于這些趨勢的戰略建議，是我們的重要任務。以上是我分享的主要內容，謝謝大家
（以上是張澄宇先生的觀點分享（下篇），上篇內容請關注“易觀分析”公眾號）