2024年,将是人工智能特别是GenAI赋能各行各业的元年。越来越多的企业开始尝试并基于GenAI创新自身业务,虽在实际应用中还有不少难题,如技术限制、成本高、需符合安全规定等,但趋势已经很明显。基于易观的一份研究报告,我们总结了如下10大趋势。
趋势1:零售行业AI应用将由点及面全面铺开,数智驱动重塑零售价值链。一方面全业态增加AI应用,形成数据触点与链接;另一方面,将渗透零售产业链各个环节,相应地,持续进行数据互联互通,形成良好的AI应用基础将变得愈发重要。同时,大型零售企业/平台将成为零售产业生态数智化升级的核心,电商平台竞争进化。趋势2:医疗行业多模态数据综合分析将趋于完善,但高质量数据沉淀与合规应用仍待提升。医疗行业独特的知识体系和丰富的多模态数据,未来在物联网的发展之下将日益产生和沉淀,包括医学成像、可穿戴以及环境生物传感器所采集的生物医学数据等,伴随高质量数据的不断积累,并在数据合规和安全保障的前提之下,对于多模态数据的综合分析将日趋完善,支撑更加丰富的AI应用落地。趋势3:医疗AI企业将探索可持续的多元盈利模式,推动医疗AI商业化落地。商业化落地 医疗A/面临着医院付费意愿不强、C端用户使用习惯和付费习惯有待培养、医保政策等配套基础设施尚不完善等问题,要实现规模商业化还 有很长一段路要走。由于医疗行业本身的复杂性,医疗AI不同应用商业化进程也呈现差异。趋势4:基于知识战略与数据战略升级AI能力,成为金融行业下一阶段技术能力分化的核心。生成式AI能力的引入一方面能够加速金融领域知识的生产和更新,使金融行业能够更快速地应对市场和客户需求的动态变化,丰富内外部应用场景的智能化水平;另一方面,将生成式AI具有的隐性知识和推理能力,与金融知识库显性知识进行的有效融合,传统金融知识体系的学习门槛和效率都将得到改善,客户的交互体验、员工的工作和学习模式也将迎来显著改变。趋势5:金融AI原生应用作为新质生产力工具大量涌现,提供全生命周期的高质量服务。金融行业的服务需求走向更加细分、专业化的场景,基于金融大模型的基础能力,将能够深入理解和探查用户需求和行为,从而催生出大量高度灵活的AI原生应用。在营销推荐、投资建议等方面为客户提供更为精细和个性化的服务。
金融AI原生应用是在设计、开发部署、运营和维护整个生命周期中,将AI作为整个应用的核心,构建实现更高效、智能安全的服务与支持。
趋势6:工业级场景需求升级,带动计算机视觉、工业知识图谱、工业数字孪生、群体智能等关键技术向多元场景纵深发展。趋势7:大模型为工业智能注入认知理解能力,将柔性融入制造流程,成为工厂智能中枢。大模型的出现为工业智能注入了更强大的认知能力,将能够深入理解适应不同的生产环境和工厂特点,实现AI与传统工业设备的高度契合。通过全面理解从生产流程到设备状态的各类应用场景,提供智能化的监控和调度能力。柔性融合更加突显了大模型对原有智能制造场景的适应性和灵活性,为制造业的持续创新提供了可能。趋势8:AI与工业大数据双向驱动将全面释放价值,成为智能制造升级关键推动力。Al 通过挖掘分析工业大数据中的潜在关联和模式,将数据转化为实质 性的智能決策和洞察,提供更准确实时的数据分析、決策支持、需求 预测等关键能力,帮助企业更好地规划生产计划、优化库存管理等, 实现降本增效,提升工业智能化水平。
趋势9:多模态技术突破将加速文娱产业AI应用落地,AI Bot、音视频互动等应用对于算力需求发生变化,催生边缘AI需求。趋势10:AI等数智技术整体提升内容生产机构工业化水平,推动内容产业竞争良性升级。一方面,AI等数智技术的应用确实有助于推动整体内容行业的工业化水平,影视、游戏等内容研发的质量与效率普遍升级。另一方面,对于AI等能力的驾驭,尤其是回溯到内容主赛道的文化素养以及风格导向将成为下一轮竞争的分水岭,头部机构与大厂在基础技术能力建设以及数据资产方面的优势更加明显,而中小机构则在后者维度上有望突围而出。同时,AIGC赋能精品内容形成IP全生态开发布局,延长优质IP生命周期,提升商业价值贡献。