AIGC专题报告：生成式人工智能人人可用的新时代
今天分享的AIGC系列深度研究报告：《AIGC专题报告：生成式人工智能人人可用的新时代》。
（报告出品方：埃森哲）
报告共计：21页
人工智能发展迎来新拐点
ChatGPT 正在唤醒全球对人工智能（AI） 变革潜力的认知，激发起前所未有的关注和创造力浪潮。该技术可以模仿人类的对话和决策能力，使我们站上了公众采用人工智能的第一个真正拐点。最终，所有人，所有地方都将切实感受到这项技术的颠覆性潜力。
基础模型是大型模型的通称，此类模型拥有数十亿项参数。最近的进展使企业现在能够依托这些基础模型，构建出专门的图像和语言生成模型。而大语言模型 (LLM) 既属于生成式人工智能，也是一种基础模型。
ChatGPT 背后的大语言模型标志着人工智能发展的重要转折点和里程碑。大语言模型正在凭借两项优势改变着市场规则。第一，这类模型破解了语言复杂性的密码。如今，机器拥有了前所未有的能力，可以学习语言、上下文含义和表述意图，并独立生成和创建内容。第，在利用大量数据 (文本、图像或音频) 进行预训练后，这些模型能够针对众多不同的任务做出调整或微调。这使得用户可以将多种方式，对模型按原样重复使用或稍加修改后再次使用。
商界领袖们已经普遍认识到了这一时刻的重要性。他们预见到大语言模型和生成式人工智能将如何从根本上改变商界、学术界乃至社会本身，开辟新的能力前沿。这些新技术对人类创造力和生产力产生了巨大的积极影响。例如埃森哲研究发现，所有行业中 40% 的工作时间都将得到 GPT-4 等大语言模型的协助。这是因为，语言任务占到了企业人员工作总时长的 62%，其中 65% 的时间可以借助人员强化和自动化技术来提升工作活动的生产力(请参见图 3) 。
生成式人工智能的发展里程碑
机器学习:分析和预测阶段
21 世纪的头十年，各类机器学习技术都迅速发展，能够对海量在线数据进行分析，从输出信息中得出结论，或进行"“学习”。从那时起，企业就将机器学习视为极其强大的人工智能领域，用于分析数据、发现模式、形成洞见、建立预测，并以远超以往的速度和规模实现任务自动化。
深度学习:视觉和言语处理阶段
进入第二个十年，人工智能的感知能力取得了长足进步，这一机器学习领城被称为深度学习。在此期间，深度学习取得了突破性进展。一方面，计算机视觉的实现，有助于搜索引擎和自动驾驶车辆对物体的分类和检测，同时，它还可支持语音识别，使广泛应用的人工智能语音助手以更自然的方式和用户交互。
生成式人工智能:迈入掌握语言的新阶段
基干深度学习模型指数级增长的规模与能力，未来的十年将是机那掌握语言的时代。由 penAl 开发的 GPT-4 语言模型，标志着基于语言的人工智能应用程序迈入了崭新的功能阶段。诸如此类的模型将对商业产生深远影响，因为语言与企业所有日常工作的方方面面都密不可分一一机构知识、互动交流和运作流程皆有赖于此。
使用或定制：生成式人工智能的普及与应用
ChatGPT、文心一言、通义千问 3,4DALL·E、Stable Diffusion 等一系列易于使用的生成式人工智能应用程 序，正在迅速推动技术在商业领域和社会公众中的普 及，这将对企业产生极为深远的影响。由于大语言模 型具有处理大规模数据集的能力，它可以“掌握”企 业长期以来积累的所有信息，包括创办至今的发展历 程、发展背景、业务特点和商业意图，甚至细致到产 品、市场和客户。所有用语言记录传达的内容，如应用、系统、文档、电子邮件、聊天、视频和音频等等， 都将进行创新、优化和重塑，最终走向全新的高度。
我们正进入技术采用周期的下一个阶段，大多数企业后开始通过购买“模型即服务”来开展业务应用。不过对许多企业来说，最大的价值源于使用自己的数据定制或微调模型，以满足其独特需求
使用：现在，我们随时均可便捷地获取和使用生成式人工智能及大语言模型应用程序。企业可以通过应用编程接口 (API) 调用这些程序，并运用提示学习(prompt tuning)和前缀学习 (prefix learning)等提示工程技术，针对自身的具体需求在较小程度上加以定制。
定制：但大多数企业需要定制模型，用自己的数据对模型进行微调，以扩大其用途和价值。这使模型能够支持整个业务中一些具体的下游任务。通过此举企业可以有效地利用人工智能实现绩效的飞跃发展一一提升员工能力、改善客户满意度、引入新型商业模式，及时感知即将发生的变化。
企业将利用这些模型来重塑工作方式。随着员工与人工智能副手协同工作成为常态，每家企业中的每个角色都有可能被完全改造，这显著拓展了单凭人类自身可以取得的成就。在任何特定的工作中，一些任务将实现自动化，一些能够得到辅助，还有一些基本与技术无关。除此以外，大量新任务有待人类执行，例如确保准确、负责任地使用新型人工智能系统。
展望日新月异的技术、监管和商业
当前这样的时刻并不常见。未来几年，针对生成式人工智能、大语言模型和基础模型的投资将极为庞大。和以往不同的是，技术、监管和商业应用将并行发展，且发展速度越来越快。而在以往的创新曲线中，技术发展通常快于应用和监管。
技术堆栈：支持生成式人工智能的复杂技术预计将在每一堆栈层级上迅速发展，这具有广泛的商业影响。训练顶级人工智能模型所需的计算量正呈指数级增长——根据各类报告，现在每 3.4 个月到 10 个月其便会翻一番。 因此，成本和碳排放已成为采用能源密集型生成式人工智能的核心考量因素。
某银行使用增强型搜索工具，为员工提供所需信息
某大型欧洲银行集团启用微软 Azure 云平台和 GPT-3 大语言模型来帮助员工进行电子文档检索。这一举措使用户可以快速获得问题的答案，大大节省了时间，并提高准确性和合规性。为了进一步提升员工技能，这家银行构建了三年创新计划，后续还会在合同管理、对话型报告、以及票据分类等领域应用生成式人工智能。此举不仅将内部知识库进行了升级、帮助员工获取所需信息，更有助推进自身向数据驱动型机构的目标迈进。
报告共计：21页