圖片由AI生成

《全球首席信息官（CIO）報告》中指出，盡管已有近半數(shù)企業(yè)啟動了AI部署，但多數(shù)仍處于早期階段，普遍面臨ROI不明確、數(shù)據(jù)基礎(chǔ)薄弱、專業(yè)能力不足等關(guān)鍵困境。

在聯(lián)想集團高級副總裁、首席信息官、方案服務(wù)業(yè)務(wù)集團首席技術(shù)與交付官胡貫中（Art Hu）看來，中國與海外在AI交付方面的路徑不盡相同。

海外依托傳統(tǒng)SaaS模式打下的牢固基礎(chǔ)，通過SaaS“消費”AI服務(wù)成為主流。相比之下，中國市場對軟件與SaaS的認(rèn)知度與成熟度不如海外，不過這也為中國市場提供AI交付提供了一些機會。

機會與挑戰(zhàn)并存

無論從國家，還是企業(yè)層面，都在積極推動AI技術(shù)在ToB領(lǐng)域的應(yīng)用。

國家層面，8月26日，國務(wù)院印發(fā)《關(guān)于深入實施“人工智能+”行動的意見》，明確將智能體列為重點發(fā)展領(lǐng)域，并提出了三個階段的發(fā)展目標(biāo)：2027年，實現(xiàn)人工智能與六大重點領(lǐng)域廣泛深度融合，新一代智能終端、智能體等應(yīng)用普及率超過70%；2030年，新一代智能終端、智能體應(yīng)用普及率進一步提升至90%以上；2035年，我國將全面步入智能經(jīng)濟和智能社會發(fā)展新階段。

《意見》中也明確提出，要“創(chuàng)新服務(wù)業(yè)發(fā)展新模式”，推動服務(wù)業(yè)從數(shù)字賦能的互聯(lián)網(wǎng)服務(wù)向智能驅(qū)動的新型服務(wù)方式演進。包括探索無人服務(wù)與人工服務(wù)相結(jié)合的新模式，在金融、法律、交通、物流、商貿(mào)等領(lǐng)域，推動新一代智能終端、智能體等廣泛應(yīng)用。

在優(yōu)化應(yīng)用發(fā)展環(huán)境方面，《意見》提出了一系列創(chuàng)新舉措，為智能體技術(shù)的發(fā)展提供了強有力的支撐保障。通過布局建設(shè)一批國家人工智能應(yīng)用中試基地，搭建起連接技術(shù)創(chuàng)新與產(chǎn)業(yè)應(yīng)用的橋梁，加速智能體技術(shù)從實驗室走向產(chǎn)業(yè)化。這些中試基地將成為智能體技術(shù)驗證、成果轉(zhuǎn)化和商業(yè)模式探索的重要平臺。

同時，通過推動軟件信息服務(wù)企業(yè)智能化轉(zhuǎn)型，重構(gòu)產(chǎn)品形態(tài)和服務(wù)模式，培育一批專注于人工智能應(yīng)用的服務(wù)商，發(fā)展“模型即服務(wù)”“智能體即服務(wù)”等創(chuàng)新模式，打造人工智能應(yīng)用服務(wù)鏈。形成從技術(shù)研發(fā)、產(chǎn)品化到商業(yè)化應(yīng)用的完整產(chǎn)業(yè)生態(tài)，打破技術(shù)應(yīng)用門檻，使更多企業(yè)能夠以較低成本享受到智能體技術(shù)帶來的紅利。

企業(yè)層面，除了以阿里、華為、騰訊、聯(lián)想、百度為代表的科技行業(yè)頭部企業(yè)在積極推動“模型即服務(wù)”“智能體即服務(wù)”等創(chuàng)新模式，并結(jié)合應(yīng)用場景，挖掘AI+場景之外，諸如中信、中遠(yuǎn)海運這樣的傳統(tǒng)行業(yè)的龍頭企業(yè)，央國企，也在積極結(jié)合自身所處領(lǐng)域的行業(yè)Know-how，在垂類領(lǐng)域不斷挖掘應(yīng)用場景。

雖然AI應(yīng)用、AI服務(wù)有著很多機會，市場仍有很大的括展空間，但對于絕大多數(shù)企業(yè)而言，企業(yè)級AI真正落地，還有很多挑戰(zhàn)。

據(jù)麥肯錫2024年企業(yè)AI應(yīng)用調(diào)研，全球73%的企業(yè)在AI落地過程中遭遇“預(yù)期與現(xiàn)實偏差”，超40%的項目因無法規(guī)?；騼r值模糊而終止。當(dāng)AI從“技術(shù)熱詞”走向“產(chǎn)業(yè)剛需”，企業(yè)級AI落地的復(fù)雜性遠(yuǎn)超預(yù)期。技術(shù)、數(shù)據(jù)、組織、成本的多重挑戰(zhàn)交織，正在重構(gòu)企業(yè)智能化轉(zhuǎn)型的底層邏輯。

AI落地仍有諸多挑戰(zhàn)

具體來看，AI在企業(yè)側(cè)落地的過程中，仍存在很多挑戰(zhàn)。

首當(dāng)其沖的就是幻覺問題?；糜X問題自從生成式AI出現(xiàn)，就一直是阻礙AI前進腳步的“絆腳石”。與C端應(yīng)用不同的是，企業(yè)級AI的應(yīng)用對“幻覺”存在幾乎是“零容忍”的，一個幻覺的錯誤很可能導(dǎo)致企業(yè)業(yè)務(wù)，甚至決策受到極大影響。

對此，胡貫中表示，幻覺問題是這一代AI架構(gòu)中普遍存在的現(xiàn)象，且在短時間內(nèi)是不可避免的，但隨著技術(shù)的推進，大模型的幻覺率一直在下降?！按蠹叶际窃谥鸩降?，盡可能去降低幻覺率，但即便如此，一定還會有小概率的幻覺存在?！焙炛兄赋?。

胡貫中認(rèn)為，企業(yè)可以通過圍繞幻覺問題設(shè)計一些相應(yīng)的場景解決方案，應(yīng)對出現(xiàn)幻覺后企業(yè)面臨的難題，而針對大模型生成內(nèi)容的人工復(fù)核是當(dāng)下比較常見的方法。

“目前在很多場景中，針對智能體處理結(jié)果，都需要進行風(fēng)險評估。比如智能體跑出一個結(jié)果之后，無論是小任務(wù)，還是大任務(wù)，如果任務(wù)涉及到企業(yè)核心決策，就需要有人來判斷是否接受這一結(jié)果，或是評判這個結(jié)果是否達標(biāo)?！焙炛信e例道。

與此同時，聯(lián)想集團副總裁，方案服務(wù)業(yè)務(wù)集團業(yè)務(wù)應(yīng)用服務(wù)交付負(fù)責(zé)人陳敏儀也向筆者表示，幻覺問題絕對不是僅僅依靠大模型能力的提升就能解決的。

“從應(yīng)用角度出發(fā)，想要解決整體精準(zhǔn)度和幻覺率的問題，一定需要一套從上到下的、一體化的解決方案。”陳敏儀進一步指出，“這其中包括從模型，到工程化，到各種體驗層和UI層，各個環(huán)節(jié)去系統(tǒng)性解決問題?！?/p>

幻覺問題一方面體現(xiàn)在模型能力和體系化解決方案能力的不足，另一方面，缺乏高質(zhì)量的數(shù)據(jù)集用于訓(xùn)練、微調(diào)模型，也是絕大多數(shù)企業(yè)在應(yīng)用AI大模型過程中感覺“不好用”的關(guān)鍵所在——因為AI的本質(zhì)是“數(shù)據(jù)驅(qū)動的決策”。對此，胡貫中認(rèn)為，數(shù)據(jù)和數(shù)字化基礎(chǔ)的準(zhǔn)備程度是目前絕大多數(shù)企業(yè)應(yīng)用AI的困境之一。

目前從數(shù)據(jù)的準(zhǔn)備程度上看，多數(shù)企業(yè)的數(shù)據(jù)分散在ERP、CRM、IoT設(shè)備等分散的，各自成”孤島“的數(shù)十個系統(tǒng)中，格式涵蓋結(jié)構(gòu)化表格、非結(jié)構(gòu)化文檔、時序傳感器數(shù)據(jù)等多種不統(tǒng)一的格式，且存在大量“臟數(shù)據(jù)”。

此外，即便企業(yè)投入資源清洗數(shù)據(jù)，垂直領(lǐng)域的“隱性知識”仍難以結(jié)構(gòu)化：例如，半導(dǎo)體制造中的“晶圓良率波動”可能與上百個工藝參數(shù)相關(guān)，但工程師的經(jīng)驗判斷（如“某臺設(shè)備近期維護記錄異?！保┩幢挥涗?，導(dǎo)致數(shù)據(jù)無法完整反映業(yè)務(wù)邏輯。

據(jù)BCG統(tǒng)計，企業(yè)可用于AI訓(xùn)練的有效數(shù)據(jù)占比普遍低于10%，“數(shù)據(jù)豐富但信息匱乏”成為常態(tài)。

另一方面，即便是數(shù)據(jù)內(nèi)部流通，現(xiàn)在仍有很多企業(yè)并沒有打破內(nèi)部部門間的數(shù)據(jù)孤島，究其原因，技術(shù)標(biāo)準(zhǔn)不統(tǒng)一、利益分配機制缺失，導(dǎo)致了“數(shù)據(jù)孤島”難以打破。而唯有打破企業(yè)內(nèi)部的數(shù)據(jù)孤島，才能真正讓企業(yè)級AI發(fā)揮價值。

除了幻覺、數(shù)據(jù)這類技術(shù)上的難題之外，ROI不能確定也是阻礙企業(yè)級AI落地關(guān)鍵。胡貫中告訴筆者，通過聯(lián)想對市場上用戶的反饋得出——企業(yè)在大幅增加AI投入的同時，也越來越關(guān)注可量化的業(yè)務(wù)成效?！巴顿Y流向生成式AI過程中，企業(yè)也從對技術(shù)先進性的追求，逐漸轉(zhuǎn)變?yōu)樽非笄袑嵉纳虡I(yè)價值?！焙炛兄赋觥?/p>

這個觀點并不是聯(lián)想“一家所言”，在此前的紅杉資本大會上，全球超過150名頂尖AI企業(yè)的創(chuàng)始人共同得出了“下一輪 AI，賣的不是工具，而是收益”這樣的結(jié)論。

在企業(yè)普遍追求降本增效的時代，企業(yè)雖然對AI會加大投入，但同時企業(yè)也更希望看到AI為他們帶來“既得利益”，“AI在企業(yè)中應(yīng)用，要么給企業(yè)帶來新的增長，要么為企業(yè)節(jié)省開支，這兩個都不能帶來的技術(shù)，是沒有意義的。”此前筆者在與某零售行業(yè)CIO交流中，他曾向筆者多次強調(diào)。

一體化交付的誤區(qū)與解法

在諸多的挑戰(zhàn)面前，企業(yè)在落地AI應(yīng)用過程中，需要的事一體化交付的能力。

以一體機舉例，年初DeepSeek火出圈的同時，也帶火了一體機的市場，但經(jīng)過多半年的發(fā)展，有不少企業(yè)當(dāng)初購買的一體機處于了“吃灰”的狀態(tài)，究其原因，首先是企業(yè)認(rèn)知上的錯誤——這部分企業(yè)認(rèn)為“購買了一體機=擁抱AI”；其次是有了硬件，軟件、場景沒有，也讓一體機“無用武之地”。

一體機反應(yīng)的不僅是硬件的采購熱潮，其背后是企業(yè)對一體化交付能力的渴望。企業(yè)需要一個整套的數(shù)智化的解決方案，這套方案中，硬件只是載體，而軟件和服務(wù)才是核心。

而這種一體化的服務(wù)也成為了很多具備這樣能力的AI服務(wù)商布局的重點。

以聯(lián)想為例，前不久，聯(lián)想就宣布全面升級其“聯(lián)想混合式人工智能優(yōu)勢集”，進一步拓展其全棧AI能力。據(jù)了解，本次升級重點包括：強化AI基礎(chǔ)設(shè)施解決方案、完善全周期AI服務(wù)組合，并擴展與全球技術(shù)伙伴深度融合的混合式AI工廠平臺，助力各行業(yè)在多元化應(yīng)用場景中高效部署AI，釋放生產(chǎn)力，提升業(yè)務(wù)靈活性，實現(xiàn)可量化的投資回報。

針對聯(lián)想混合式人工智能優(yōu)勢集，胡貫中表示，AI的突破不只是技術(shù)層面的革新，更是一項系統(tǒng)工程。真正推動企業(yè)走向智能化，需要的不僅是算法能力，更需要從基礎(chǔ)設(shè)施、平臺工具到行業(yè)場景的全棧布局與實踐經(jīng)驗。

聯(lián)想希望通過混合式人工智能優(yōu)勢集，讓各個模塊可靈活組合，在滿足定制需求的同時，實現(xiàn)快速部署、可擴展、可復(fù)制，加速 AI 從試點到規(guī)?；涞??！拔磥?，我們也將繼續(xù)推動 AI 在更多行業(yè)中規(guī)?；涞?，真正實現(xiàn)“從技術(shù)創(chuàng)新到價值創(chuàng)造”的跨越?！?/p>

當(dāng)AI從“單點實驗”走向“規(guī)?；瘧?yīng)用”，企業(yè)需要的不再是單一技術(shù)模塊的供應(yīng)商，而是具備整合能力的，從“數(shù)據(jù)-模型-算力-場景-運維”多維度出發(fā)的，能提供全鏈路一體化交付服務(wù)商。需求背后，是企業(yè)應(yīng)對AI落地復(fù)雜性、降低試錯成本的必然選擇。（本文首發(fā)于鈦媒體APP，作者｜張申宇，編輯丨蓋虹達）