FOREXBNB獲悉，Omdia預測，生成式人工智能(生成式 AI)將從2023年的總 AI 市場的9%(68億美元)增至2029年市場的三分之一(73億美元)。生成式AI市場預計在2024年增長一倍以上，達到146億美元，而且到2029年，以38%的CAGR增長。在市場成熟度和採用方面，如今的生成式AI市場規模是約五年前整個AI市場的规模。然而，生成式AI的初始增長更强，且成熟的速度快於傳統AI市場。
Omdia的《2024年人工智能市場成熟度調查》顯示，34%的受訪者提到，生成式AI是AI最重要的投資驅動因素。同一調查報告稱，6%的企業已經跨多個業務功能擴大生成式AI的規模，而17%的企業在至少一個業務功能或單元擁有活躍的生成式AI部署。收入超過10億美元的大型公司正在推動大規模的生成式AI部署(10%)，而北美是大規模部署生成式AI的領先地區(12%)。
然而，雖然生成式AI增長非常迅速，其相比於傳統預測性AI來說仍是一個小型市場。生成式AI不太可能完全取代預測性AI市場。傳統AI執行許多自動化和預測性任務，這些任務不需要生成式大模型承擔重任。
主要信息
企業重新調整生成式AI。過去兩年，人們見證了企業經歷生成式AI炒作的浪潮，出現了對其能力和不足的更實用的理解。雖然圍繞生成式AI的樂觀態度仍然頑強，但是2025年會看到向更可衡量的方法的轉變。企業將聚焦生成式AI舉措的投資回報(ROI)，並需要供應商解決方案提供更高的價值。
虛弱的AI治理使企業陷入困境。企業正在努力掌握負責任的AI(RAI)和AI治理。它们失望于不完整的或虛弱的组织结构无法支持RAI，且對工作空間中生成式AI的監管不足，而且企業在困擾於監管合規性的同時，正採用分散且不一致的方法來實現RAI/治理機制。
代理AI的前景與危險。迫切希望兌現生成式AI仍未實現的承諾，技術領導者和創新者都積極促進將生成式AI用於驅動代理系統，該系統能夠將復雜的多步驟工作流自動化，無需或極少人類參與。企業是否準備好將業務交由AI控制?
管理新興的生成式AI安全風險。成熟的企業精通於降低預測性AI安全風險，如數據洩露和模型中毒。這些企業正在努力接受特定於生成AI解決方案的更廣闊和更微妙的攻擊面，在那裡，模型能夠被誘導披露企業IP或生成錯誤信息。
生成式AI進入邊緣。AI PC和AI智能手機說明，邊緣設備和生成式AI是一個令人興奮的組合，能帶來增強的用戶體驗、個性化和上下文感知。然而，成功的實施需要一系列先進的技術，如LLM最佳化、高能效邊緣AI芯片組、多模態生成式AI以及代理AI。
給企業的建議
企業必須建立RAI的標準和關鍵績效指標(KPI)。生成式AI已放大了RAI的挑戰，並強化了解決這些問題的努力。然而，如果缺乏目標標準和KPI，RAI舉措是削弱的。這些標準和KPI提供一種結構化且可衡量的方式來評估RAI進程和成功，識別差距並確保問責。標準和KPI將RAI從概念承諾轉變為實際可行的框架。這對於內部自願AI原則來說尤其重要，這些原則可能很難操作，並能以自服務的方式解讀。
促進安全AI創新的公司範圍的文化：認識到生成式AI採用不僅是技術轉變，也更是組織轉型，將改變每個部門、成本中心、項目和員工考慮負責任地使用生成式AI的方式。當然，全面的使用政策將協助緩解對安全風險的接觸。因此，公司應創建代表公司整體的跨職能團隊(不僅是IT或獨立的項目發起人)，從而建立生成式AI安全和合規標準。
開發針對特定商業案例定制的全面端到端邊緣生成式AI工作流。企業必須首先識別邊緣生成式AI的商業用例。然後，企業需要選擇合適的硬件平台並構建自身在生成式AI訓練和優化方面的專業知識。最後，企業需要為邊緣設備建立GenAIOps。
你能夠用在用戶機器上運行的較小模型來做這個嗎?開發AI應用的所有人都應問這個問題。推出軟件而非雲服務已大幅提高單位經濟效益，尤其是使用高盈利的GPU示例類型時。新型的小模型明顯強大并快速改進。
給供應商的建議
加大AI治理力度。許多企業正在努力地支持RAI，而且監管AI合規需要提升。供應商能夠利用與獨特的RAI和合規要求(例如，基於垂直行業、特定用例和國家層面立法決定的需求)一致的功能來加強其AI治理主張。供應商還應提供根據較小企業的需求定制的AI治理解決方案，因為Omdia調查數據顯示，收入低於2.5億美元的公司中僅37%遵守現有AI法規。
擁抱安全生成式AI編排：開發通過信任鼓勵生成式AI採用的AI平台，直接解決企業圍繞模型和基礎設施層面的安全、治理和可靠性的顧慮。市場需要能夠將生成式AI從潛在危險的努力轉變為可信任的綜合商業合作夥伴的解決方案。
設計可互操作的生成式AI基礎設施：開發允許無縫替換生成式AI資產的解決方案，最重要的是大型語言模型(LLM)本身。為快速創新，尤其是支持複雜甚至代理用例，企業建設者必須快速且無縫地替換並整合分散的數據資源、框架和模型，而不必重構代碼或重建管道。目標部署平台也是如此。“一旦編寫，到處推理”的能力會是前進的關鍵競爭差異化因素。
在產品和服務路線圖中納入對大規模採用邊緣生成式AI的支持。芯片組供應商必須為邊緣生成式AI開發者創建工具、庫和設備支持。它們也應與生成式AI開發平台供應商及軟件供應商合作，從而使其硬件得到優化以支持邊緣特定模型和應用。
準備好應對從模型移至數據準備的複雜性。如果“所有你需要的都是token”方法有效，多模態AI將需要相對更多CPU計算，以便token化、數據準備和RAG。
