2024年2月16日，Open AI再次以文生视频大模型Sora震惊全球。从文生文、文生图，再到如今文字可以生成长达60s、含有多镜头机位、复杂角色的连贯视频，Sora重新定义了人类和数字世界的互动方式。
AI研究和应用的一路狂飙，正在持续打开各行各业对于AI应用想象的天花板。IDC预计到2027年，中国在AI领域的投资规模将达到381亿美元的庞大规模，占据全球总投资的近9%。
但在AI技术应用于数字化业务的现阶段中，仍然存在着诸多不确定性。基于此，IDC给出了2024-2029年有关人工智能与自动化市场的十大预测，帮助IT和业务决策者更好地制定人工智能和自动化领域的相关战略。
预测一：GenAI安全治理与服务绑定
到2025年，40%的云和软件平台提供商将把GenAI安全和治理与其主要服务进行绑定，从而把GenAI所带来的风险降低3倍。
预测二：AI监管差异逐渐显现
到2026年，不同地区的AI监管差异将给跨地区企业带来重大挑战，应对敏感事件的时间和精力将增加20%。
预测三：数字助理替代软件交互界面
到2027年，GenAI数字助理将会代替20%的企业软件(包括软件开发)交互界面，并在业务流程中发挥更大作用。
预测四：企业自动化转为结果导向
在关注到GenAI的技术之后，到2024年，50%的企业将重点关注最终GenAI带来的结果而非具体技术的实施。
预测五：AI占IT支出的30%
到2026年，中国500强企业将把30%以上的核心IT支出用于AI，从而使产品创新和流程改进的速度达到两位数的增长。
预测六：AI对经济影响日益稳定
到2028年，AI对经济的总体影响将趋于平稳，因为各企业已解决基本问题，会将资源重新聚焦于创新和新的商业机会上，从而推动稳定发展。
预测七：自动知识检索实际落地
到2027年，2/3的企业将利用生成式AI和RAG的组合来支持特定领域的自动知识检索，从而将决策效率提高55%。
预测八：颠覆性商业模式
到2025年，50%的中国500强企业将利用创新商业模式，使生成式AI的盈利潜力翻倍。
预测九：AGI影响深远
到2027年，25%的中国500强企业将尝试使用AGI系统，这将对社会产生变革性影响，同时带来重大机遇和挑战。
预测十：加速芯片收入逆转
到2028年，加速芯片(GPU、FPGA、ASIC或ASSP)与传统芯片CPU的支出将发生逆转，达到55/45的比例。
同时，IDC也对现阶段GenAI在生产力、销售和行业三个主要的数字化业务应用场景上的影响和价值进行了深入分析：
1通过GenAI提高生产力
通过自动化任务和流程，GenAl 可以显著提高生产力效率，使员工能够将精力用于战略性和价值驱动型任务，并且减少人为错误，提高整体产出，从而提高整体业务绩效。
目前，各行各业中已经有多个“先锋”率先应用GenAI于提高生产力中。如教育部直属的国家开放大学、国内净水器行业领航者安吉尔、全球领先的制药公司阿斯利康等：
(1)根据IDC报道，国家开放大学已经在智慧伴学方面落地生成式AI应用，由生成式AI为学生出题、批改作业、辅助学生学习线上课程，以数字化方式更高效地服务师生和开展日常管理。
(2)目前，安吉尔已经落地的AI应用有：数字人直播、覆盖经营运营的智能问答、NLP与知识图谱和RPA，帮助安吉尔达到了提效降本、业务知识资产沉淀、解放重复性员工劳动等业务预期。
2借助GenAI实现高效销售
通过将 GenAl 整合到销售流程，企业不仅能提高运营效率，还能提供无与伦比的用户体验，培养客户忠诚度并推动可持续增长。应用场景包括提供超个性化的销售和营销建议、针对个人客户需求量身定制的资产和投资知识管理，以及生成式产品设计和原型开发，以确保提供的产品符合客户的偏好。
IDC认为，当公司拥有良好的机构数据、内部人才储备、可用预算和中等风险偏好时，就可以考虑采用GenAl 来实现高效销售。
在实际实施过程中，公司将需要定期更新模型，以保障长期的高度个性化服务和运营效率，在无形中提高了对模型治理、数据安全、隐私和合规性的适度控制，从而让企业在未来竞争中实现差异化优势的打造，领跑其他企业。
3利用GenAI实现行业转型
通过在特定行业背景下部署GenAl，企业可以获得无与伦比的创新机会，增强竞争力，并在颠覆性市场中占据主导地位。然而，这些实施需要大量投资和细致的管理，才能充分发挥其变革潜力。
目前，可以采取两种方法在特定行业场景中实施 GenAl， 第一种是对现有的第三方模型进行微调使其符合行业要求。第二种是企业选择定制模型，以满足最大程度的行业相关性。而在面临严格的监管和隐私要求时，拥有内部人才或可靠的合作伙伴资源，以及可用于训练的高质量、实质性的机构数据，是行业用户能成功落地GenAl 的关键。
相比起过去在AI领域的摸爬滚打，AI大模型的诞生真正降低了技术应用的难度，并显著提高了AI的泛化能力，从而让AI从“概念”到落地于实际有了更多可能性。
未来，通过“模型即服务”的商业模式，有极大可能改变现有的市场格局，引领中国进入全新的数字化业务发展时代。
(2)目前，安吉尔已经落地的AI应用有：数字人直播、覆盖经营运营的智能问答、NLP与知识图谱和RPA，帮助安吉尔达到了提效降本、业务知识资产沉淀、解放重复性员工劳动等业务预期。
2借助GenAI实现高效销售
通过将 GenAl 整合到销售流程，企业不仅能提高运营效率，还能提供无与伦比的用户体验，培养客户忠诚度并推动可持续增长。应用场景包括提供超个性化的销售和营销建议、针对个人客户需求量身定制的资产和投资知识管理，以及生成式产品设计和原型开发，以确保提供的产品符合客户的偏好。
IDC认为，当公司拥有良好的机构数据、内部人才储备、可用预算和中等风险偏好时，就可以考虑采用GenAl 来实现高效销售。
在实际实施过程中，公司将需要定期更新模型，以保障长期的高度个性化服务和运营效率，在无形中提高了对模型治理、数据安全、隐私和合规性的适度控制，从而让企业在未来竞争中实现差异化优势的打造，领跑其他企业。
3利用GenAI实现行业转型
通过在特定行业背景下部署GenAl，企业可以获得无与伦比的创新机会，增强竞争力，并在颠覆性市场中占据主导地位。然而，这些实施需要大量投资和细致的管理，才能充分发挥其变革潜力。
目前，可以采取两种方法在特定行业场景中实施 GenAl， 第一种是对现有的第三方模型进行微调使其符合行业要求。第二种是企业选择定制模型，以满足最大程度的行业相关性。而在面临严格的监管和隐私要求时，拥有内部人才或可靠的合作伙伴资源，以及可用于训练的高质量、实质性的机构数据，是行业用户能成功落地GenAl 的关键。
相比起过去在AI领域的摸爬滚打，AI大模型的诞生真正降低了技术应用的难度，并显著提高了AI的泛化能力，从而让AI从“概念”到落地于实际有了更多可能性。
未来，通过“模型即服务”的商业模式，有极大可能改变现有的市场格局，引领中国进入全新的数字化业务发展时代。
027年，2/3的企业将利用生成式AI和RAG的组合来支持特定领域的自动知识检索，从而将决策效率提高55%。
预测八：颠覆性商业模式
到2025年，50%的中国500强企业将利用创新商业模式，使生成式AI的盈利潜力翻倍。
预测九：AGI影响深远
到2027年，25%的中国500强企业将尝试使用AGI系统，这将对社会产生变革性影响，同时带来重大机遇和挑战。
预测十：加速芯片收入逆转
到2028年，加速芯片(GPU、FPGA、ASIC或ASSP)与传统芯片CPU的支出将发生逆转，达到55/45的比例。
同时，IDC也对现阶段GenAI在生产力、销售和行业三个主要的数字化业务应用场景上的影响和价值进行了深入分析：
1通过GenAI提高生产力
通过自动化任务和流程，GenAl 可以显著提高生产力效率，使员工能够将精力用于战略性和价值驱动型任务，并且减少人为错误，提高整体产出，从而提高整体业务绩效。
目前，各行各业中已经有多个“先锋”率先应用GenAI于提高生产力中。如教育部直属的国家开放大学、国内净水器行业领航者安吉尔、全球领先的制药公司阿斯利康等：
(1)根据IDC报道，国家开放大学已经在智慧伴学方面落地生成式AI应用，由生成式AI为学生出题、批改作业、辅助学生学习线上课程，以数字化方式更高效地服务师生和开展日常管理。
(2)目前，安吉尔已经落地的AI应用有：数字人直播、覆盖经营运营的智能问答、NLP与知识图谱和RPA，帮助安吉尔达到了提效降本、业务知识资产沉淀、解放重复性员工劳动等业务预期。
2借助GenAI实现高效销售
通过将 GenAl 整合到销售流程，企业不仅能提高运营效率，还能提供无与伦比的用户体验，培养客户忠诚度并推动可持续增长。应用场景包括提供超个性化的销售和营销建议、针对个人客户需求量身定制的资产和投资知识管理，以及生成式产品设计和原型开发，以确保提供的产品符合客户的偏好。
IDC认为，当公司拥有良好的机构数据、内部人才储备、可用预算和中等风险偏好时，就可以考虑采用GenAl 来实现高效销售。
在实际实施过程中，公司将需要定期更新模型，以保障长期的高度个性化服务和运营效率，在无形中提高了对模型治理、数据安全、隐私和合规性的适度控制，从而让企业在未来竞争中实现差异化优势的打造，领跑其他企业。
3利用GenAI实现行业转型
通过在特定行业背景下部署GenAl，企业可以获得无与伦比的创新机会，增强竞争力，并在颠覆性市场中占据主导地位。然而，这些实施需要大量投资和细致的管理，才能充分发挥其变革潜力。
目前，可以采取两种方法在特定行业场景中实施 GenAl， 第一种是对现有的第三方模型进行微调使其符合行业要求。第二种是企业选择定制模型，以满足最大程度的行业相关性。而在面临严格的监管和隐私要求时，拥有内部人才或可靠的合作伙伴资源，以及可用于训练的高质量、实质性的机构数据，是行业用户能成功落地GenAl 的关键。
相比起过去在AI领域的摸爬滚打，AI大模型的诞生真正降低了技术应用的难度，并显著提高了AI的泛化能力，从而让AI从“概念”到落地于实际有了更多可能性。
未来，通过“模型即服务”的商业模式，有极大可能改变现有的市场格局，引领中国进入全新的数字化业务发展时代。