科技行业正面临关键时刻。
高管和董事层展现出浓厚兴趣，成果明确，且应用速度之快，使得生成式AI（GenAI）成为前所未有的存在。
在本文中，我们将探讨生成式AI的迅猛崛起对科技公司的影响，以及与AI技术相关的核心问题。
生成式AI的迅速普及正在将AI从软件领域这一崭露头角的堆栈，转变为平台转型中心的关键技术。
梅雷迪斯·韦伦（Meredith Whalen），首席研究官
GenAI- 科技行业的重要时刻
在短短的数月，GenAI已同时引发了全球科技和商业领袖的关注、想象力和担忧。
- 关注。高层管理层能轻易地预见到这项技术将如何影响生产力和利润率。布鲁金斯学会（Brookings Institution）预测，未来10年内，GenAI将使生产力和产出提高18%。
- 想象力。GenAI有广泛的应用，从横向应用，如软件开发和营销内容创建，到特定行业的应用，如药物发现和制造设计。这些应用的商业价值显而易见，企业不会等到有成熟案例才进行实验。IDC的研究显示，知识管理、营销和代码生成是最受关注的应用场景。
- 担忧。高层管理层意识到这项技术将如何迅速颠覆他们的商业模式。云计算在20年内占据核心IT支出的50%的进程，以及数字化企业在10年内实现的目标，与企业加速推进大规模生成式AI应用场景的时间表相比，显得相对缓慢。此外，关于道德、法规合规和治理的正当关切也需要被纳入到这个新的商业模式中。
潜藏于明显之间
一场深刻的变革正在悄然上演。这张图描绘了科技时代的时间轴，起始于云计算和移动技术的崛起。从2015年开始，技术创新开始迅猛发展。我们正处于人工智能的初级阶段。图中预测，AI无处不在将通过狭义人工智能、生成式人工智能实验和拓展人工智能引发科技创新的另一次飞跃。
为什么这项具有如此巨大影响力的技术会悄然逼近大多数商业领袖呢？实际上，并非如此。这些基础元素在过去十年里一直在不断发展。
- 创新倍增时代。IDC所称的创新倍增时代主要由云计算、移动性和互联网推动。低成本的半导体和虚拟化使云计算成为可能，使计算变得具有弹性和丰富性。移动性使计算无处不在。而互联网将这些计算位的成本降低到几乎为零。
- 平台与社区。在丰富、无处不在和弹性的基础设施支持下，平台、社区和数字生态系统涌现而生。这些平台触发了大规模的数据整合过程和Transformer模型架构的诞生，该架构支持创建基础人工智能模型，包括大型语言模型（LLM）。
- AI无处不在时代。生成式AI利用无监督和半监督算法从先前创建的内容中生成文本、音频、视频、图像和代码等内容，是一种触发技术，将引领计算的新时代——AI无处不在时代。这个新时代将包括从狭义人工智能到广义人工智能的过程，并彻底改变我们与数据的关系，以及我们如何从结构化和非结构化数据中提取价值。
生成式AI引领了新时代的曙光，因为它能够大幅减少与开发各种自动化和智能化相关应用场景解决方案的时间和成本。生成式AI的迅速普及将AI从软件领域这一新兴领域转变为平台转型中心的关键技术。市场普遍认为这种平台转型需要硬件的变革，类似于从大型机到客户端服务器的转变，或者从客户端服务器到云的变革。然而，IDC认为这一次将会有所不同。这次的平台转型将更加注重数据。这一次的关键在于我们如何将数据用作输入（用于训练、微调和推断基础模型）以及作为业务结果（作为新应用场景开发的一部分）。
GenAI与科技行业市场颠覆
由于生成式AI将对从半导体到专业服务等科技市场的大部分领域产生深远影响，科技供应商正在迅速调整其产品路线图，并重新思考其业务、定价和客户服务模式。
- 基础设施。当前，半导体供应商，特别是NVIDIA等公司，正在获取大部分价值，因为运行基础模型的训练和推断工作负载需要大量的图形处理器（GPU）。半导体供应商需要专门设计用于AI工作负载的芯片，这为新的竞争者创造了机会。训练AI模型还将推动存储和网络投资，使得在本地进行基础模型训练成本高昂，公有云和混合云提供商有望占据优势地位。
- 软件。在中期，专注于平台和应用供应的供应商有望在迅速调整其产品和业务模型的情况下获得优势。他们必须决定哪些生成式AI应用场景可以支持直接货币化，哪些应用场景从防御角度来看是重要的并需要实施。例如，生成式AI可能会改变我们与企业软件的互动方式。这可能是自点选设计以来用户体验设计的最大变革，并有望被GenAI原生应用初创公司颠覆。
由于管理生成式AI模型的规模、安全性和隐私性方面的许多成本似乎将落在软件供应商的肩上，因此他们正在评估以下关键决策以保护其利润：
- 他们应该自行训练基础模型，还是与模型提供商合作呢？
- 新的定价模型如何支持生成式AI能力？
- SLA是否需要覆盖一些应用场景的基础支持？因此，是否需要增加支持级别以处理上下文和数据漂移？
- 获取客户数据用于模型训练是否应该成为新的许可条款和条件的一部分？
- 是否需要为由AI生成的资产提供赔偿保障？
- 服务。尽管服务公司正忙于协助客户确定GenAI的应用场景，但同时也在研究GenAI在长期内如何影响其服务需求，以及软件开发、会计和法律服务的交付模型将如何实现自动化。越来越多的服务公司正在开发自己的AI软件平台，这使得软件和服务之间的界限变得模糊。
- 安全和信任。由于生成式AI具有生成高度逼真的伪造代码、数据和图像的能力，可能会增加身份盗窃、欺诈和伪造案件的风险。大型语言模型（LLM）也容易受到攻击和操纵。因此，安全供应商有充分的机会开发新的解决方案来应对这些新兴挑战。
- 新市场。当然，任何颠覆性技术都会催生新的技术市场。初创公司已经开始涌现，提供个性化模型的工具，为模型提供情境化，提高LLM训练速度，并协调整个过程。对于软件公司来说，市场上存在着巨大的机会。这可能意味着提供全套堆栈的翻译服务，而不仅仅是提供翻译软件。
尽管科技行业面临着许多未知因素，但重要的是要迅速理解与生成式AI相关的基本问题，以及它将如何推动未来的业务模式。
