语：对于众多行业用户而言，了解人工智能如何改变行业、如何利用人工智能保持领先地位，已成为一道时代的必答题。全球著名调研机构WEKA近日正式发布《2024 年全球人工智能趋势报告》，该报告基于全球1500+名人工智能决策者的深度调查，覆盖金融、政府、医疗保健等多个行业，通过今年的调研解锁应对快速发展的人工智能领域的关键见解和策略。
介绍
《2024 年人工智能全球趋势报告》深入探讨了人工智能采用的基本趋势。
在去年报告中，WEKA探讨了在生产中成功运行人工智能的组织与未成功运行人工智能的组织之间的差距。
今年研究中，WEKA重新审视了人工智能领导力主题，借鉴领先组织正在采取的一些关键实践，同时深入探讨塑造人工智能战略的价值驱动因素、基础设施决策和环境实践。
为开展这项研究，标准普尔全球市场情报调查了 1,500 多名全球人工智能决策者，并就人工智能项目和计划进行一对一访谈。
主要发现
1、人工智能的采用继续以惊人的速度进行，该技术越来越被视为一种嵌入式和战略能力。
人工智能计划正在迅速成熟：2023 年，调查受访者仍在很大程度上尝试人工智能，或者在其组织的小部分进行局部部署。今年，报告显示人工智能成熟度水平发生了根本性转变大多数受访者表示，人工智能“目前已在其组织中广泛实施”并“推动着关键价值”。
产品改进和运营效率是关键的投资驱动因素：组织越来越多地应用人工智能来提高营收和竞争优势，其中提高产品或服务质量 (42%) 是最受欢迎的目标，许多组织的目标是增加收入增长 (39%) ）。同时地，组织认识到通过提高员工生产力 (40%) 和 IT 效率 (41%) 以及加快整体创新步伐 (39%) 来提高运营效率的潜力。
2、许多人工智能项目无法扩展——遗留数据架构是罪魁祸首。
人工智能项目面临数据基础薄弱的挑战。遗留数据架构阻碍了更广泛的部署。
实现规模仍然是一个挑战：组织在实现人工智能项目的预期覆盖范围方面面临着重大挑战。组织平均有 10 个项目处于试点阶段，16 个项目处于有限部署阶段，但只有 6 个项目处于规模部署阶段。
高质量数据的可用性是一个主要障碍：数据质量是将人工智能项目投入生产的最大挑战。项目团队面临的挑战并不大，关于识别相关数据及其可用性；组织正在努力为项目构建一致、集成的数据基础。
现代化数据架构对于成功至关重要：鉴于此，毫不奇怪，最大比例的受访者 (35%) 将存储和数据管理视为阻碍人工智能部署的主要基础设施问题 — 明显高于计算 (26%)、安全性 (23 %）和网络（15%）。
3、生成式人工智能已迅速超越其他人工智能应用。
生成式人工智能在短时间内获得了巨大的关注。人工智能开拓者正在实现具体的效益，并准备增强其竞争优势。
生成式人工智能是焦点：令人惊讶的是，88% 的组织正在积极研究生成式人工智能，远远超过其他人工智能应用，如预测模型 (61%)、分类 (51%)、专家系统 (39%) 和机器人技术 (30%) ）。
生成式人工智能的采用正在呈爆炸式增长：尽管进入市场的时间相对较短，但 24% 的组织表示，他们已经将生成式人工智能视为在整个组织中部署的集成功能。只有 11% 的受访者根本没有投资生成式人工智能，而大多数组织都在积极地将这种投资转化为规模化的集成能力。
生成式 AI 开拓者预计将增强其竞争优势：已在整个组织中集成生成式 AI 的组织计划继续增加投资：预计生成式 AI 预算将在未来 12 个月内达到其 AI 总预算的 47%。在这些生成式人工智能应用的先驱者中，大多数都看到该技术在各个目标效益方面产生的重大积极影响。鉴于那些仍处于生成式人工智能项目实验阶段的公司在组织创新、新产品开发和上市时间方面并没有看到同样的增长，可能会增强已经规模化采用生成式AI技术的组织的竞争优势。
4、GPU 的可用性继续受到限制，从而影响基础设施决策。
对 GPU 的访问是组织的主要关注点；GPU 云可以提供可扩展的解决方案。
访问 GPU 仍然是一个挑战：十分之四的受访组织表示，访问 AI 加速器是其基础设施决策中的首要考虑因素，30% 的组织将 GPU 可用性列为将 AI 模型投入生产过程中面临的三大最严重挑战之一。
地区压力依然存在：在某些地区，特别是亚太地区，缺乏 GPU 限制了组织部署人工智能；38% 的印度组织将加速器访问视为将人工智能项目投入生产的三大挑战之一。
超大规模和 GPU 云是公司访问 GPU 的关键渠道：对加速器的需求促使 46% 的受访组织利用超大规模公共云进行模型训练，并且越来越多地利用专业 GPU 云提供商 (32%)。
5、对人工智能对环境影响的担忧持续存在，但并没有减缓人工智能的采用；可持续的人工智能实践提供了减少排放的机会。
人工智能对环境和能源的影响仍然是许多组织需要面临的一个突出问题，但这并没有减缓投资人工智能项目的决定。许多组织看到可持续发展实践产生了有意义的影响，因此有一个明显的机会来应对排放挑战。
对人工智能能源和碳影响的担忧依然突出：近三分之二 (64%) 的组织表示，他们担心人工智能/机器学习 (ML) 项目对其能源使用和碳足迹的影响；25% 的组织表示他们非常担心。
采用可持续数据基础设施技术是一个重点领域：显然，技术提供商的可持续发展证书变得至关重要，42% 的组织表示他们已投资节能 IT 硬件/系统，以解决人工智能对环境的潜在影响倡议超过过去 12 个月。其中，56% 的人认为这产生了“高”或“非常高”的影响。其他人发现，数据基础设施供应商（59%）和人工智能项目范围（57%）的改变产生了“高”或“非常高”的影响。
可持续性是人工智能决策中的一个重要因素，但不是主要因素：超过四分之一 (30%) 的组织表示，可持续性举措是人工智能采用的驱动力，因为他们希望应用人工智能来提高能源效率和减少排放。虽然这一点值得注意，但事实上，可持续性是总体上最少被提及的驱动因素。即使以节能举措为目标，实现可持续发展目标也会让位于节省成本和提高运营效率作为主要目标。在对人工智能基础设施决策影响最大的所有问题中，可持续性处于中间位置：37% 的组织将其列为优先事项，但其排名被安全性 (47%) 和人工智能获取等更突出的问题所超越加速器（44%）。
定义人工智能领导者
过去一年里，人们对人工智能的看法发生了迅速变化，人工智能的战略作用也发生了迅速变化。人工智能的成熟度已经发展到绝大多数组织在生产中都拥有某种形式的人工智能，因此“有”和“无”的比较几乎没有分析价值。