微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 普华永道:AI规模化应用,基础知识先行

普华永道:AI规模化应用,基础知识先行

2021-05-26 15:00
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2021-05-26 15:00 科技行者

普华永道:AI规模化应用,基础知识先行

人工智能(AI)是正在改变很多行业的游戏规则。据统计,人工智能有望为2030年的全球经济贡献高达15.7万亿美元,比中国和印度目前的产出之和还要多。其中的6.6万亿美元可能来自生产力的提高,9.1万亿美元则可能来自消费方面的影响。

而Pricewaterhouse Cooper(PwC,普华永道)的第三份年度人工智能预测报告则强调,在准备大规模人工智能项目时,应聚焦基础知识的重要性。

PwC报告分析了美国调查问卷的一千多名受访者(200名首席执行官)并提出一个重要的问题:业界的公司在使用人工智能方面进展如何?根据调查问卷的结果,人工智能的使用量增加,变革势头正在形成。数据显示:

1. 7% 的受访者目前未使用人工智能,但正在研究和准备

2. 14%的受访者已经测试过一些概念验证,但效果有限

3. 21%的受访者做过一些好的概念证明并正在寻求扩大规模

4.25%的受访者拥有完全由人工智能实现的流程并且得到广泛采用

5.33%的受访者已经开始实施有限的人工智能用例

这些都是良好的增长迹象,也表明业界对人工智能的信心正在增长,同时越来越多的美国公司也正在加大人工智能投资。52%的PwC受访者在COVID-19危机后加快了他们实施AI方法的速度。这些公司提到,他们的首要变化是聚焦在人工智能新应用方面(40%),以及增加人工智能投资(也是40%)。另外,有86%的受访者表示,人工智能将在2021年成为自己公司的“主流技术”。

报告提到,人工智能给企业带来的主要好处包括了:1)创造更好的客户体验;2) 改善决策;3) 创新产品和服务;4) 实现成本节约;5)更有效地运作并提高生产力。

该项研究还强调指出,要实现这些好处并不容易,原因是成本节约的优势,也就是勉强做到收支平衡。报告还强调提出:“对于一项可能是公司未来基础的投资来说,能做到收支平衡未必是件坏事。但更聪明的投资也是可能的,以期能在现在和未来很长一段时间内获得更好的回报。”

此外,该报告还定位了最终将促成转型的五个优先事项。

首先,聚焦日常人工智能。这是非常关键的信息,因为人工智能不是一场简单的马拉松长跑,而是一个长期的投资战略,每一步都会产生重大影响。

报告指出,生产力的逐步提高可以通过内部流程的自动化实现,生产力的提高也将有助于高效运作并为未来打下基础。另外其他四项如下:

1.通过用户主导方法实现技能提升以及培训,同时,务必为自己的团队提供机会和奖励,并将这些新的学习成果应用到实际能力中;

2.主动承担责任,避免低估人工智能的真正风险和挑战;

3.在所有业务中整合人工智能,务必将人工智能在所有职能和业务部门与数据和其他技术一起使用;

4.重新设计人工智能友好的商业模式。要找方法整合和衡量人工智能的认知资产,结合现有的人力和物理资产达到提供价值的目的。

人工智能必须开始跨越整个组织,这是一项紧急重点工作。当务之急是要确保自己的公司已经可以有效地共享数据,确保拥有所需的主题专业知识以及确保可以启用跨团队和职能部门的治理和人工智能模型,因为打破职能部门的操作孤岛是人工智能成功的关键。

根据笔者的经验,建立组织转型能力是推进人工智能的关键成功一个重要因素。这就是为什么我一直强调,董事会成员和首席执行官必须加快他们对人工智能知识的了解,并确保他们的领导团队可以建立新的技能,以期可以有效地领导人工智能的发展。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-