人工智能的新篇章：生成式人工智能对企业的影响和意义

1 . 生成式AI对企业的影响和意义 人工智能的新篇章 生成式人工智能对 企业的影响和意义 德勤人工智能研究院 1 

2 .生成式AI对企业的影响和意义 摘要 2022年是人工智能（AI）的一个分水岭，ChatGPT， DALL.E和 虽然生成式人工智能领域正在快速发展，但它仍然处于萌 Lensa等几个面向消费者的应用程序发布了，它们的共同主题是 芽阶段，存在着许多风险。其中，隐私和安全、偏见管理、 使用生成式人工智能-这是人工智能领域的一次范式转换。当前 结果的透明性和可追溯性、知识产权以及弱势群体的平等 的人工智能使用模式检测或遵循规则来帮助分析数据和做出预 获取，是我们需要重点关注和解决的问题。因此，参与者 测，而Transformer架构的出现则开启了一个新领域：生成式人 应该综合考虑商业化、监管、伦理、共同创造等多方面的 工智能。 生成式人工智能可以通过创建类似于其所训练的数据 因素，扩大利益相关者的参与和贡献，而不仅仅是局限于 的新颖数据来模仿人类的创造过程，将人工智能从“赋能者” 技术人员和爱好者的范畴。 提升为（潜在的）“协作者”。 实际上，Gartner估计，到2025 年，超过10％的数据将是由人工智能生成的，预示着一个新时 生成式人工智能可能会创造出一种更为 代—人类与（WithTM）机器协作的时代—的到来。 深刻的人机关系，甚至比云计算、智能 虽然目前生成式人工智能主要应用于面向消费者的产品，但它 也有潜力为企业工作流程增加情景感知和类似于人类的决策能 手机和互联网所带来的影响还要大。 力，并彻底改变我们的商业模式。例如，谷歌的客服中心人工 智能（CCAI）旨在帮助实现采用自然语言进行客户服务交互， 分析师估计，到2032年，生成式人工智能市场规模将达到 而NVIDIA的BioNeMo则可以加速新药的研发。这些解决方案可 2,000亿美元，占据人工智能支出总额的约20%，比目前的 能只是刚刚开始产生影响，我们将看到更多基于生成式人工智 5%高出许多。换言之，未来十年市场规模可能每两年就 能的解决方案应用到企业中，改变我们的商业模式。 会翻一番。除了数字之外，我们认为这种技术的经济影响 潜力巨大。为了帮助各位理解其潜在影响，本文是一份兼 生成式人工智能已经引起了传统风险投资、并购等方面以及新 具预测性和启发性的文章，旨在为快速变化的市场提供一 兴生态系统合作伙伴关系的兴趣。仅在2022年，风险投资公司 份清晰、有条理的参考。我们首先简要阐述了生成式人工 就投资了超过20亿美元，而技术领先企业也进行了重大投资， 智能的基础概念，接着探讨了企业和消费者的应用场景， 例如微软对OpenAI的100亿美元投资和谷歌对Anthropic的3亿美 然后转移到市场参与者如何建立可持续商业模式的问题上， 元投资。这显示出生成式人工智能作为一个新兴领域的巨大潜 最后对未来进行了展望并提出了一些值得关注的问题。 力。 随着生成式人工智能的不断推广和应用，其产生的深远影响和 潜在价值正在加速推动从实验到消费者领域再很快进入企业领 域的应用。尽管媒体关注的大多数是消费者应用，但这种技术 的应用机会是广泛的，并且已经有一些应用案例。尽管如此， 人们仍然存在疑问，即个人和企业如何利用生成式人工智能来 实现效率提升、产品改进、新体验或业务变革。我们同样只是 刚刚开始探究生成式人工智能如何商业化以及如何建立可持续 的商业模式。 2 

3 . 生成式AI对企业的影响和意义 目录 第一节 解密生成式人工智能的魔法技巧 5 第二节 生成式人工智能在消费者和企业领域的应用案例 9 第三节 生成式人工智能中的商机和竞争 17 第四节 生成式人工智能的采用和商业化 27 关于德勤人工智能研究院 德勤人工智能研究院帮助企业从不同的维度将富有活力的、高 度动态的且快速发展的 AI 生态系统联系起来 。 人工智能 研究 院引领跨行业应用 AI 创新的交流，利用前沿洞察促进赋能 （With ™）时代的人机协作 。 德勤人工智能研究院旨在促进AI 的对话和发展，激发创新，并 研究实施人工智能面临的挑战和解决方法。人工智能研究院是 由学术研究团体、初创企业、企业家、创新者、成熟的 AI 产品 领导者和 AI 远见者组成的生态合作系统，致力于探索 AI 的关 键领域，包括风险、政策、道德、未来的工作方式和人才，以 及 AI 案例的应用。结合德勤在 AI 应用方面的深厚知识和经验， 该研究院帮助企业理解这个复杂的生态系统，从而提供有影响 力的观点，做出明智的 AI 决策来取得成功。 关于德勤数智研究院 德勤数智研究院是“勤启数智”的重要组成力量，持续关注德 勤中国的人工智能和数据的关键领域，包括风险、政策、战略、 治理、未来工作、人才和技术应用。我们还积极促进与德勤全 球人工智能网络的交流与合作，推动“赋能时代”的人机协作。 3 

4 .生成式AI对企业的影响和意义 4 

5 . 生成式AI对企业的影响和意义 | 第一节: 解密生成式人工智能的魔法技巧 第一节 解密生成式人工智能的 魔法技巧 人们对生成式人工智能寄予的高度期望， 取决于硬件、软件和数据提供商生态系 统相互关联的领域中持续不断地取得进 步和创新。 生成式人工智能背后的技术栈在某些方 面与之前的技术栈类似，它由三层组成： 基础设施、平台和应用程序。 基础设施层通常被认为是最成熟、稳定 和商业化的。 现有的龙头企业提供计算、 网络和存储等基础设施，包括使用专门 为人工智能工作负载优化的芯片（如 NVIDIA的GPU和Google的TPU）。与此同 时，应用层正在快速发展，其中包括利 用和扩展基础模型，这相当于生成式人 工智能的平台。 5 

6 .生成式AI对企业的影响和意义 | 第一节: 解密生成式人工智能的魔法技巧 生成式AI技术栈 终端用户 3 应用程序开发 面向用户的B2B和B2C应用程序， 与专有模型合作或基于其上开发。 应用 生态系统 垂直整合基础模型 开放/封闭式 APIs 预先构建面向用户的B2B 微调模型 或B2C应用的专有模型 针对特定用例优化模型 2 基础模型 模型层 开源或闭源模型 超大规模计算 1 算力、网络、存储和中间件 基础设施/硬件 芯片 用于训练和推断的专用微处理器/加速器 Source: Deloitte 6 

7 . 生成式AI对企业的影响和意义 | 第一节: 解密生成式人工智能的魔法技巧 基础模型（Foundation Model）是区别生 尽管这个框架适用于各种人工智能架 此外，生成式人工智能可以多模态 成式人工智能技术栈和之前人工智能的关 构，但目前最先进的基础模型（例如 生成内容，包括代码、图像、视频、 键。 基础模型是斯坦福大学基础模型 GPT-3、Stable Diffusion、Megatron- 音频和3D模型。 研究中心创造的术语，它是一个在广 Turing）都基于一种名为Transformer 这可能会在多个能力领域中引发颠覆性的 泛数据集上预先训练的机器学习模型， 的神经网络架构，该架构由Google 变革和推动生产力的巨大提升，从文案撰 可以用于解决一系列问题。就像微软 Brain团队于2017年发明。Transformer 写到科研，再到软件工程等等。例如， 的Win32为开发人员提供API来访问底 代表了机器学习性能的一个飞跃，并 在广告领域，生成式人工智能可以在 层的硬件和操作系统功能，以及 且在分配上下文、跟踪关系和预测结 几秒钟内创建原创文案、产品描述和 NVIDIA的CUDA允许图形密集型应用程 果方面的能力不同于先前的架构。目 图像。在医疗保健领域，它可以生成 序（例如游戏引擎）简化访问GPU资 前最成熟的基础模型大部分在文本领 合成X射线图像，帮助医师进行诊断 源一样，模型层的设计旨在将雄心勃 域，由于有大量训练数据推动，这加 培训。 勃的应用程序开发人员与优化硬件连 速了“大语言模型”（LLMs）的发 接起来，从而帮助加速和普及生成式 展，，这种生成式AI基础模型通过预 的确，生成式人工智能可 人工智能技术。 测序列中的下一个单词或段落中缺失 的单词来训练生成文本的能力。 以彻底改变企业与客户之 这些模型通常可以通过开放或封闭的 间的运作和互动方式，甚 API提供给开发人员使用，开发人员可 以通过额外的训练数据对模型进行微 至可能重新定义我们对 调，以提高其对特定用例的上下文理 “员工”的认知。在某些 解、相关性推理和性能，同时优化交 付成本。 消费者和企业领域，这种 转型已经在进行中。 基础模型通常经过以下四个阶段的开 发，如下所示。 基础模型的开发 1 2 3 4 调整模型参数 架构 预训练 生产 模型参数 微调 模型的结构和设 调整参数以提高 部署到可以通过 在大规模数据集上 特定任务的性能。 计，以及用于训 训练，以创建一组 APIs来访问模型 练的算法。 定义好的参数。 的生产环境中。 训练数据集 精选数据集 Source: Deloitte 过程要素： 处理 输入 输出 7 

8 .生成式AI对企业的影响和意义 8 

9 . 生成式AI对企业的影响和意义 | 第二节: 生成式人工智能在消费者和企业领域的应用案例 第二节 生成式人工智能在消费者 和企业领域的应用案例 在2022年，OpenAI的DALL·E2因其文本生成 图像的能力而引起了全世界的关注。这个模 型可以根据简单的文字提示创建图像，有直 接的提示，比如“丛林中的一只狮子”，还 有更加滑稽有趣的提示，比如“以毕加索风 格描绘两只狮子打篮球。” 自那时起，生成式人工智能一直是新闻 效率| 优化计划、研究和产品开发等任务 界的热门话题，同时也不断推陈出新， 比如ChatGPT等产品的推出和MusicLM 指导 | 提供个性化指导或学习内容 等技术的预演。因此，我们看到了大量 的广泛市场的消费者应用，例如Bing利 创作| 生成或增强内容，复制创意过程 用OpenAI的ChatGPT实现的互联网搜索 功能。这些应用象征着消费型应用程序 娱乐 |建造游戏、虚拟人物和其他娱乐 的“寒武纪大爆发”，几乎涉及到所有 项目 领域，从搜索到治疗都有所涉及。 这只是市场的初步观察，随着工作的 为了更好地说明这种爆发，我们将消费者 深入，类别之间可能会有重叠。而且， 用例--即个人在其生活中的用例--根据所提 随着未来几代人工智能的发展（例如， 供的实用性分为四个大类： 那些能够实现多模态交互或完全在单 个设备上运行的人工智能），预计会 出现新的类别的用例。 9 

10 .生成式AI对企业的影响和意义 | 第二节: 生成式人工智能在消费者和企业领域的应用案例 由于变化的速度太快，使得预测变得极富挑 战性，但截至2023年初，我们预计具有以下 特点的消费者用例将拥有持久的影响力： 快速进入市场 职业效用 无缝集成 消费者的认知度，越来越多地通过社 像写作助手这类能够为职场创造价值 能够整合到平台中的解决方案可以通 交媒体提高，可以降低企业的获客成 的产品，更容易在可持续的商业模式 过现有的工作流程被发现，从而促进 本，使其能够利用覆盖率，解决产品 中被适当运用，与之相反的是那些被 更多用户采用并形成更强的“粘性”。 问题，并通过积极和高贡献的用户群 捆绑在“炒作周期”上的产品，比如 Grammarly (语法检查工具)在 PC 上早 体高效地扩大规模。 社交媒体上的“滤镜” 。 早采用了这种策略，而最近，OpenAI 与 Bing 的合作也实现了这种平台整合 的策略。 如今可用的一些消费者用例示例 效率 指导 创作 娱乐 创建健康状况和健康计划 与虚拟伙伴进行交流 生成和编辑视频文件 创建原创游戏 高复杂度 发现新产品 创建个性化的财务计划 创建室内设计模拟图 与流行文化人物进行聊天 进行带有引证的研究 教授新语言 策划服装和时尚理念 渲染3D环境 整理内容 综合研究论文 修改和编辑设计文件 重新混音或采样音乐 低复杂度 回答一般问题 指导和为个人写作提供信息 创作艺术和编辑图像 生成原创的虚构短篇小说 供应商示例 Synthesis.ai Consensus Grammarly Lingostar.ai Luminar AI Lensa Jasper Scenario Source: Deloitte 10 

11 . 生成式AI对企业的影响和意义 | 第二节: 生成式人工智能在消费者和企业领域的应用案例 消费者应用案例也可以预示着企业 这些效率提升甚至可能重新定义工 中存在的可能性。然而，与消费者 作的预期，使得提示工程（prompt 不同，企业需要先进的功能、经过 engineering ）技能（例如：对人工 验证的投资回报率、定制化、组织 智能提出正确问题）成为一种区别 内容、安全性和技术支持。在生成 化的技能集。 最终，横向应用案例 式人工智能的形成时期，最受欢迎 将为更专业的应用程序打下商业基 的企业应用案例，将是用于推动内 础。企业必须开始早期部署这些应 部或B2B产出的，通用的或适用于跨 用案例，以帮助构建能力和知识库， 行业跨职能（“横向”）的用例。 随着时间的推移，为垂直应用提供 然而，与之前出现的技术一样，通 有价值的案例。 常在特定行业的“垂直”应用案例 存在着更可持续的价值创造机会。 如今，一些企业已经从横向应用案例的投资中获 潜在的横向应用案例通常针对的是已建 得了实际的回报。 立的自动化中心，这些中心提供了大量 的训练数据（例如知识库、客服聊天记 我们已经看到研究团队总结第三方 录），并且是成本优化和提高生产力的 信息、产品经理编写需求文档、社 重点。例如，一些创意型营销任务， 交媒体营销人员完善文案以及客户 比如撰写广告文案、博客或社交媒体 服务团队创建案例摘要和建议解决 标题，可能需要人类花费数小时或数 方案等应用案例。 然而，实际的投 天的时间才能完成。相比之下，生成 资回报可能取决于企业拥有专有且 式人工智能可以在几分钟内完成可行 可维护的数据、安全的模型分区、 的初稿，只需要由人工进行编辑即可。 具备才华的产品领导者和机器学习 工程师、具备实现MLOps工具化能 力的技术设施，以及新的商业和运 营模式。这些是企业应该评估的投 资，无论他们认为自己是早期采用 者、快速跟随者还是后来者。 11 

12 .生成式AI对企业的影响和意义 | 第二节: 生成式人工智能在消费者和企业领域的应用案例 垂直与横向的企业用例示例 消费与零售 生命科学与医疗 银行与金融服务 科技 传媒与电信 工业制造 政府与公共服务 个性化对话式 数字化治疗 欺诈模拟和模式 个性化 原创游戏创 地质学评估和 学术领域的全天 AR/VR内容生成 检测 AR/ VR体 作 石油勘探 候虚拟助理 零售体验 •••• •• 验生成 •••••• •••• •••• •• •••• 新兴的 定制化产品设 预测性和虚拟患 税务和合规审计 自动化产 预告片和简 生成式模拟和 基础设施映射和 者分诊 与情景测试 品和硬件 介生成 安全测试 规划 计和推荐 •• •• 设计 •••• •• ••• ••• ••• 产品细节和摄 用于教育的人体 零售银行交易支 个性化和 剧本/配乐 三维环境渲染： 灾难恢复模拟 垂直 解剖学三维图像 持 自动化的 设计和字幕 油井、管道等 •• 影生成 •• •• UI/UX设计 生成 • •• ••• •• 时尚服装搭配 健康和福祉计划 个性化虚拟财务 产品测试 个性化新闻 自动化技术设 欺诈、浪费和滥 的创建 顾问 和反馈生 和内容生成 备培训 用预防报告 策划 ••• •• 成 ••• •••• • ••• •• 个人艺术创作 通过分子模拟进 生成财务报告分 软件销售、 原创虚拟短 智能工厂生成 附有引文和解释 行药物研发 析和洞察力 客户体验 篇小说生成 自动化 的研究 和编辑 • • 和留存支 • •• • • 持 •• 个性化对话式零 自助式人力 端到端自动化客 客户反馈情感分类 自动化代码调 虚拟助手对话生 售体验 资源和信息 户服务 •• 试和问题解决 成 • 技术功能 • •• • 横向 •• 成熟的 企业搜索和知识 3D环境渲染： 营销/销售内容 无障碍支持（文字转语音 自主代码生成 跨平台个性化定 管理 元宇宙 生成 和语音转文字） 和补全 向广告 •• • •• •• •• •••• 生成式人工智能的模态 • 文字 • 三维模型 • 图片 • 代码 • 语音 • 其他 • 视频 Source: Deloitte 12 

13 . 生成式AI对企业的影响和意义 | 第二节: 生成式人工智能在消费者和企业领域的应用案例 相比之下，垂直应用案例针对需要领域知识、上下文 和专业技能的特定行业工作流程。 对于这些应用案例，基础模型可能需要 易用性| 通过开箱即用的连接和低代码 进行微调，甚至需要新的专用模型。例 /无代码工具与现有系统和工作流程集 如，生成式人工智能可以根据风险回报 成，从而降低企业的IT资源成本并方便 描述创建定制的证券组合，或者根据患 前端用户使用。 者的病史和症状推荐个性化的治疗方案。 然而，提供高性能的垂直应用案例需要 安全和隐私| 符合数据安全标准（例如 对该领域有细致入微的了解。例如，在 SOC2、HIPAA、GDPR），并对机密数 软件领域中，生成式人工智能可以根据 据实现角色/身份级别的访问控制以确 简单提示设计可组合的代码块，这需要 保合规性。 对高效编码、编程语言和技术术语有隐 性的了解。 健壮的生态系统| 提供广泛的开发和服 务伙伴，以扩展、定制和共同开发专 相对于消费者而言，企业买家在采购决 业数据集、使用案例和应用程序。 策方面具有独特的特点，因为模型性能 （速度、相关性、信息来源的广泛性） 透明度和可解释性| 了解模型输出和响 不会完全驱动供应商选择。根据早期的 应是如何产生的，并有能力对不准确 支持者和反对者的意见，经常采用的生 结果进行根本原因分析。 成式人工智能标准包括： 灵活性和定制化 | 能够创建参数、使用 专有数据进行训练和定制嵌入，同时保 护数据和调整的隐私和所有权。 13 

14 .生成式AI对企业的影响和意义 | 第二节: 生成式人工智能在消费者和企业领域的应用案例 虽然新的使用案例正在不断涌现，但我们相信 市场将以以下六种方式展开： 今天，生成式人工智能存在一些伦理问题，包 虽然横向使用案例可能会首先提供价值，但垂直 括可能导致劳动力失业的问题。然而，与之前 特定的使用案例可能会因对专有数据的依赖而获 的人工智能一样，这项技术很可能主要是为人类的 得高价值。因此，数据将成为一种货币，创造出新 工作表现提供帮助。实际上，人工智能可能成为 的经济体系，以获取专有和人工合成的数据。 工作者工具箱中的常见工具，就像分析师使用 Workspace、编码人员使用 GitHub 或者市场营 销人员使用 Creative Cloud 一样。 6 1 随着不同市场的监管行动变化， 监管的速度、范围、监督和报告 要求可能会有所不同，例如美国 的《AI权利法案》，欧盟的《AI 法案》和中国的《网络安全管理 条例》。因此，供应商和企业需 5 2 所有行业都可以从生成式 人工智能中受益。然而，数 据丰富的行业（例如银行、 零售、酒店业）或那些产品 利用数据的行业（例如信息 要采取积极措施，确保数据质量、 服务）可能会也应该更快地 4 透明度、公平性、安全性和鲁棒 采用该技术。相反，那些基 性，这将是建立值得信赖的AI （ Trustworthy AI TM ）的关键因 素。 3 于判断的行业（例如法律、 医学）可能会更加谨慎地 采用，但仍然可以通过加 速综合先验知识来获益。 首先，文本相关的应用将会最先商业化。但是， 商业化更高级别的任务可能会带来更大的成本和 随着利率下降的趋势转变，成本将会上升，这将促使 生产力收益，因为这些技能的招募成本更高、培 企业投资于具有明确投资回报率的用例。因此，那些 训时间更长，而且这些任务通常需要右脑（创造 直接影响成本（例如聊天机器人）、生产力（例如搜 性）而非左脑（逻辑）的能力，因此其成功往往 索）或收入（例如市场营销文案）的用例可能比那些 更具主观性。 消除人力的用例更容易被采纳。 14 

15 . 生成式AI对企业的影响和意义 | 第二节: 生成式人工智能在消费者和企业领域的应用案例 虽然生成式人工智能具有许多潜力，但在大规模 部署之前必须克服诸多挑战。我们会详细讨论这 些挑战，但也需要考虑商业可行性的问题。换句 话说，尽管生成式人工智能有许多有趣的可能性 和用例，但仍需确定供应商将如何建立可持续的 商业模式。 15 

16 .生成式AI对企业的影响和意义 16 

17 . 生成式AI对企业的影响和意义 | 第三节: 生成式人工智能中的商机和竞争 第三节 生成式人工智能中的 商机和竞争 价值获取的竞争将在多个层面展开，每个 层面的竞争动态将受到规模、数据获取、 品牌和固定客户群等因素的影响。 然而，我们发现有两种主要的竞争者 首先，基础设施层是生成式人工智能技术 类型：一种是只在某一层面（如基础 堆栈中最成熟的领域，超大规模计算服务 设施、模型或应用程序）提供服务的 提供商在这个领域占据了市场的主导地位。 纯粹提供者，另一种则是在多个层面 这里的商业模式已经被证明是行之有效的， 提供服务的综合型提供者。就定价而 就是提供可扩展的计算资源，并采用透明、 言，针对消费者的定价通常比较简单 按消费计费的定价策略。为了让生成式人 明了（比如按用户数、按月收费）， 工智能工作负载更加稳定，超大规模计算 而针对企业的定价则较为复杂（比如 服务提供商已经与模型提供商签署了承诺， 按呼叫次数、按小时计费、按收入份 以保证未来的工作负载，其中包括Azure 额分成等）。然而，尽管存在不同的 与 OpenAI、Google 与 Anthropic 以及 AWS 竞争者类型，但是在企业规模扩大、 与 Stability.ai，还包括它们自己的专有模型。 超越早期采用者或边缘应用场景时， 定价的简单性、可预测性和价值会变 得非常重要。 17 

18 .生成式AI对企业的影响和意义 | 第三节: 生成式人工智能中的商机和竞争 虽然云服务提供商（CSP）提供抽象化的服务， 但在基础设施中还有另一个快速发展的关键 层次：芯片。 在这方面，NVIDIA 是领导者之一。他 们的 Ampere 和 Hopper 系列 GPU 分别 为训练和推理工作负载专门设计，再 加上他们的 Selene 超级计算集群，可 以加速训练时间。同时，AMD 的 CDNA2 架构也是专门为机器学习应用 的超级计算而设计的，这推动了高性 能计算市场的竞争。 基础设施层 供应商 描述 案例 主要客户 主要盈利模式 企业 开发者 消费者 模式 计价方式 Amazon 每分钟 超大规模的和特定目的的 Baidu 云服务提供商 是 是 否 消费 按CPU/GPU 计算、存储和网络技术 Google 类型 Microsoft 提供专业化服务，加速部 Amazon 每小时 生成式人工智能 署（例如安全、监控、测 Co:here 是 是 否 消费 每个生成 服务提供商 试、模型隔离） Google 每个嵌入 专用的芯片半导体，包括 AMD 芯片供应商 是 否 否 一次性租赁 每个组件 GPU和CPU NVIDIA 18 

19 . 生成式AI对企业的影响和意义 | 第三节: 生成式人工智能中的商机和竞争 接下来是模型层，市场正在快速发展。 在这个领域，需要投入大量资源，模型 另一种不太被考虑的盈利路径可能是开发 构建者必须不断审查体系结构（例如参 和许可模型架构或开发平台。 数、嵌入）以维持性能。他们必须吸引 和留住人工智能人才（如架构师、工程 在其他行业，例如半导体领域，ARM 师和数据科学家），设计框架、防护措 （CPU）和高通（无线网络）基于许可 施和学习机制，以确保模型的稳健性和 费用建立了庞大稳定的商业模式。 可靠性。最后，由于生成式人工智能工 作负载需要大量计算，并需要专用芯片 的支持，因此可能会产生高昂的费用。 因此，我们看到一些公司开始通过收取 费用或将其整合到盈利产品中（例如 GPT-3.5整合到Edge，LaMDA整合到 Google Search）来收回投资。 模型层 供应商 描述 案例 主要客户 主要盈利模式 企业 开发者 消费者 模式 计价方式 Co:here 基于大量数据语料库构 每个token 闭源模型提供商 Google 是 是 否 消费 建的托管和管理模型 每次API调用 OpenAI Meta 优化模型或模型中心实现 开源模型提供商 社区维护的基础模型 否 是 否 Stability.ai 盈利 基于用例的特定版本的 Co:here 每个token 微调模型提供商 是 否 否 消费 基础模型 C3.ai 每次API调用 Github 模型的市场、社区或托 订阅消费 每个月 模型中心 HuggingFace 是 是 否 管服务 收入分成 每个小时 Replicate Co:here 每个嵌入 专有架构、合成数据、 一次性订 模型服务提供商 MostlyAI 否 是 否 每个月 权重和嵌入 阅许可证 RealAI 每个用户 19 19 

20 .生成式AI对企业的影响和意义 | 第三节: 生成式人工智能中的商机和竞争 最后，应用程序层是模型和最终用户之间 的桥梁。 现今的应用程序通常通过订阅和经常性 交易来盈利，这种模式可能会继续存在， 但可能会对适用于生成式人工智能的模 式进行修改。 应用层 供应商 描述 案例 主要客户 主要盈利模式 企业 开发者 消费者 模式 计价方式 Google 用于构建和分发应用程 许可证收入 平台 HuggingFace 是 是 否 每个用户 序的SDK、框架和工具 分成 Microsoft Boomy 每个用户 完整功能的解决方案， 一次性订阅 独立应用程序 Canva 是 否 是 每个月 用于修改工作流程 消费 Lensa 每个服务 AI Art 扩展和功能，用于补充 每个用户 插件 Grammarly 是 否 是 订阅消费 任务和工作流程 每个月 Jasper 20 

21 . 生成式AI对企业的影响和意义 | 第三节: 生成式人工智能中的商机和竞争 应用程序层内的竞争可能会涉及多个市场。但是， 考虑到可能涌现的广泛应用和用例，我们应该关注 “微市场”。总的来说，现在和预测的企业用例可 以分为五个类别，竞争线可能会在这些类别中展开： 加速 通过加快生产结果来提高生产力。这些并不会消除人的干预，而是提供高质量 的输入。 个性化 创造亲密感和个性化，在过去需要付出巨大的努力才能实现。在这里，模型可 以利用个人数据来定制内容。 自动化 提供商业和技术工作流程，并在某些情况下替代人类。由于具有立即的成本节 约潜力，供应商经常展示这些功能。 创造 推动知识产权开发的边界，利用提示（这本身就是一种新的艺术形式）生成新 颖的内容，如图像、视频、文本和媒体。 模拟 创建模拟环境，可以在将工作流程、实验和体验推向生产之前进行模拟，从而 节省时间、成本和物质资源。 21 

22 .生成式AI对企业的影响和意义 | 第三节: 生成式人工智能中的商机和竞争 企业微市场抽样 加速 个性化 自动化 创造 模拟 日历管理/管理员 图像/商标创建 电子邮件推广 社交媒体营销 三维建模 助手 主题演讲者演讲 记笔记 游戏环境设计 广告文案 营销活动 笔记 内容营销 实物产品设计 支持聊天机器人 短视频生成 医药测试（研发） 应用 基于自然语言处理（NLP） 产品构思和PRD 广告视频编辑 内容摘要 的电子邮件/应用程序响应 撰写 化学相互作用 基本代码生成和 代码补全 个人助理 音乐配乐 灾害响应管理 文档化 BigScience BLOOM OpenAI DALL.E 2 Anthropic Co:here Facebook OPT GATO Cradle DreamFusion 模型 OpenAI Codex Soundify OpenAI GPT-3 Microsoft X-CLIP NVIDIA GET3D Tabnine Stable Diffusion Source: Deloitte 这可能对模型和基础设施层产生影 响。低层次的供应商可以通过创建 定制基础设施、模型和服务来推动 微市场创新，从而保持其相关性。 22 

23 . 生成式AI对企业的影响和意义 | 第三节: 生成式人工智能中的商机和竞争 集成玩家，与通过第一和第三方渠道 我们看到集成玩家进入的两种方式。首 获利的直接供应商不同，是垂直一体 先，像Anthropic和Midjourney这样的公 化或多层次的玩家。这些玩家通过捆 司发布了针对特定用例的应用程序。在 绑定价、专有数据、特定目的的云服 技术层面，像NVIDIA这样的公司发布了 务或跨领域专业领先知识以获得竞争 专门的模型，包括BioNeMo，这是一种 优势。 药物流水线开发加速器，经过优化以在 NVIDIA GPU上运行。 集成玩家 供应商 描述 案例 主要客户 主要盈利模式 企业 开发者 消费者 模式 计价方式 Anthropic 每个月 模型和应用 基于专有的,第一方模型 Co:here 每个用户 是 否 是 订阅消费 程序 构建的应用程序 Midjourney 每个服务 OpenAI 每次下载 模型和基础 完全托管的基础架构和 Google 每小时 是 是 否 消费 设施 模型即服务 NVIDIA 每次API调用 每个嵌入 Amazon 芯片和基础 专为机器学习工作负载 Azure 每分钟 是 是 否 消费 设施 构建的水平和垂直云 Google 按CPU/GPU 类 NVIDIA 型 每个用户 基于第一方模型和云计 端到端 None yet 是 否 是 消费订阅 每个月 算构建的应用程序 每小时 23 

24 .生成式AI对企业的影响和意义 | 第三节: 生成式人工智能中的商机和竞争 竞争动态在技术和商业两个维度上展开。 • 在企业准备数据、确定使用案例、遵 在技术方面，新的、更复杂的芯片、数 守当地法规、整合各种模型和应用程 据集和模型正在出现，一些模型现在可 序以及降低采用风险方面，生态系统 能会超过1万亿个参数。在商业方面，随 协调者和系统集成商将继续发挥重要 着消费者解决方案获得推广（例如 作用，帮助企业应对各种挑战。 ChatGPT的专业版），情况正在发生变化。 • 综合型解决方案可能更容易实现投资 在企业中，解决方案尚未被大规模商业 回报，主要是因为高昂的计算成本可 化，并且可能继续受到计算成本和风险 以通过将基础设施、模型和应用程序 规避采用的限制。因此，我们提供了一 结合在一起的解决方案进行抽象。但 些组织在考虑从产品转向业务时应该评 是，随着供应链瓶颈的缓解和新型 估的因素。 GPU 的出现，独立软件供应商 (ISV) • 随着架构方面的创新带来的收益递 可能会重新获得价值。 减，可能将取决于训练数据量和质 量、人机协作训练以及防护措施情 况。因此，企业的竞争优势将取决 虽然生成式人工智能可能会引领生产力的新时代， 于能否获得专有数据集和稀缺人才。 但其中的一些因素可能与以往的技术革命浪潮相 • 虽然通用模型对该领域的发展至关重 要，但它们可能无法捕捉到最大的价 似，可以此为基础，为市场发展提供蓝图。 值。相反，构建垂直应用案例和行业 专注解决方案的公司可能对企业产生 最强大的影响。 • 超大规模云服务提供商将面临来自 Coreweave 等新一代云服务提供商 的竞争，这些新提供商会利用定制 硬件和更低价格来针对可互换的 AI 工作负载。因此，现有企业需要进 行创新，并依靠独立软件供应商 (ISV) 和系统集成商 (SI) 的生态系统来帮助 保持竞争优势。 24 

25 .生成式AI对企业的影响和意义 | 第三节: 生成式人工智能中的商机和竞争 25 

26 .生成式AI对企业的影响和意义 26 

27 . 生成式AI对企业的影响和意义 | 第四节: 生成式人工智能的采用和商业化 第四节 生成式人工智能的采用和 商业化 生成式人工智能可能会转变商业模式、流程和价 值动态，改变个人工作、学习和互动的方式。与 其他颠覆性技术一样，这种变革可能会在一开始 缓慢发展，然后迅速加速。 以软件开发为例。据估计，不到1%的人 最后，生成式人工智能可以主动建议定 知道如何编写代码。然而，软件对于许 价和折扣，撰写合同，更新客户和CRM 多企业和商业模式来说至关重要。如果 记录。这将使营销人员和销售人员专注 正确地利用生成式人工智能，它可以使 于更高价值的活动，如发展关系和应用 编写代码普及化，并通过综合产品需求、 定价判断。 将提示转换为代码、审计代码以查找和 解决错误、建议代码优化以及主动提供 我们已经讨论了企业在各个行业中如何 针对测试和运行用例进行优化的环境， 利用生成式人工智能（见第2节），从 进一步缩小想法和收益之间的差距。 市场研究到提高客户支持互动的各种方 式。此外，还有针对特定领域的用例， 类似地，生成式人工智能可以优化端到 例如为财富管理人员提供定制化的财务 端的客户采集漏斗。如果你是销售和市 规划、医疗保健领域的医学诊断、媒体 场营销人员，可以考虑需求生成，其中 和娱乐领域的生成新世界和体验，以及 语言模型可以撰写跨渠道的营销文案并 为零售商提供服装搭配建议等。实际上， 运营数字营销活动。Gartner估计，到 企业可以实现的好处可能是相当大的； 2025年，30%的外向型营销将由人工合 我们已经提供了一些早期的想法，其中 成生成。在漏斗的后面部分，生成式人 包括企业微市场的概念（见第3节）。 工智能可以收集客户信息，创建首次拜 访演示文稿，向客户经理建议谈话路线， 并记录和跟踪结果和行动。 27 

28 .生成式AI对企业的影响和意义 | 第四节: 生成式人工智能的采用和商业化 收益 加速 个性化 自动化 创作 模拟 拓展市场 ● ● 产生收入 ● ● 财务 减少投入 ● ● ● ● 优化资产 ● ● ● ● 快速转向 ● ● ● ● 减少人工成本 ● ● ● ● 运营 减少非人工成本 ● ● 提升经验 ● ● ● 培养技能 ● ● 经验 建立关系 ● 促进创新 ● ● ● ● Source: Deloitte 28 

29 .生成式AI对企业的影响和意义 生成式AI对企业的影响和意义| 第四节: | 第四节: 生成式人工智能的采用和商业化 采用和商业化生成式人工智能 29