2月17日消息，Gartner近日發(fā)布2025年及未來，中國企業(yè)實現(xiàn)人工智能（AI）價值的重要預測。未來兩到五年內，中國將發(fā)生一系列主流變革，有力推動AI在中國的普及。這些變革包括AI模型、AI工程化、AI數據管理和AI 產品化等領域取得的進展。
生成式人工智能技術供應商之間的競爭持續(xù)了近兩年，而企業(yè)利用AI創(chuàng)造價值的競賽才剛剛拉開序幕。對此，Gartner分析師提出了以下四大戰(zhàn)略預測。
1、 到2027年，中國80%的企業(yè)將使用多模型生成式人工智能策略來實現(xiàn)多樣化的模型功能、滿足本地部署要求并獲得成本效益。
在這個瞬息萬變的市場中，生成式人工智能模型種類繁多，不斷迭代，尤其最近DeepSeek的R1模型，吸引了眾多目光。這些模型都有自己獨特之處，并且正在快速發(fā)展。沒有一個單一的模型可以同時滿足所有功能性和非功能性要求，而部分中國企業(yè)需要根據監(jiān)管要求在本地部署模型。
多模型策略將有助于企業(yè)機構在動蕩的市場環(huán)境中充分利用生成式人工智能的能力，采用多模型戰(zhàn)略的企業(yè)機構將更有效地管理通用任務和專內任務，而不必僅僅賴單一大語言模型（LLM）。
Gartner高級研究總監(jiān)張桐表示：“通用模型用途廣泛，但在小眾領域可能表現(xiàn)不佳。相比之下，專業(yè)模型在特定領域表現(xiàn)出色，但在處理訓練范圍之外的任務時，其表現(xiàn)不盡如人意。因此，將出現(xiàn)規(guī)模和目的各不相同的多樣化模型來滿足這些不同的需求?！?/p>
2、到2027年，中國采用復合型AI的企業(yè)將比只依賴生成式人工智能模型的企業(yè)領先兩年實現(xiàn)AI落地。
在地緣政治等因素的影響下，中國高端芯片進口受阻，這將影響中國基礎模型的發(fā)展，DeepSeek等國產模型還需要持續(xù)在較低算力的基礎上和全球競爭者競爭。生成式人工智能模型的低可靠性和高成本（對計算的要求不斷增加）使業(yè)務利益相關者質疑AI的價值，而關于模型功能的夸大說法可能導致企業(yè)將生成式人工智能應用于不恰當的用例。高科技公司和各種供應商已經開始使用復合型AI方法，有效提升了AI產品的可靠性和自動化水平。
Gartner研究總監(jiān)閆斌表示：“AI系統(tǒng)將整合更多非生成式AI技術（例如知識圖譜和傳統(tǒng)機器學習方法），將其作為打造一個完整系統(tǒng)所需的關鍵要素。這些完整的系統(tǒng)將取代之前由生成式人工智能單獨完成的角色。將各種AI技術、數據和系統(tǒng)整合在一起的AI工程化能力將變得比以往任何時候都更加重要。AI工程化能力更高的企業(yè)對AI的采用水平將超過其他企業(yè)。
3、到2028年，中國企業(yè)對人工智能就緒型數據（特別是非結構化數據）的投資將達到2024年的20倍。
如今，數字應用在中國商業(yè)和個人領域占據主導地位，從而產生了海量數據，特別是非結構化數據，如文本、圖像、視頻和音頻。此類數據具有巨大的利用潛力。非結構化數據對于生成式人工智能解決方案非常重要。然而，對于大多數企業(yè)機構而言，針對此類數據的治理要么不存在，要么分散在不同團隊的知識管理工具和文檔存儲中。此外，治理的重點往往偏向記錄管理、安全和隱私策略。
生成式人工智能可幫助企業(yè)解鎖來自非結構化數據（包括語音、視頻和圖像）的洞察，實現(xiàn)更高效和更縝密的決策，通過新的用例/業(yè)務模式實現(xiàn)業(yè)務價值。
Gartner高級研究總監(jiān)方琦表示：“由于大多數企業(yè)都依賴于相似的預訓練模型，因此具有企業(yè)自身特色的數據正成為生成式人工智能采用和創(chuàng)新的關鍵差異化因素?！?/p>
4、到2029年，中國60%的企業(yè)將把AI融入其主要產品和服務中，并且這些AI功能將成為收入增長的主要驅動力。
制造業(yè)作為中國的關鍵行業(yè)，目前正經歷一個關鍵的經濟轉型期。AI是這一新型生產力的關鍵驅動力，得到了政府的大力支持。與此同時，生成式人工智能賦能型聊天機器人和助手初期將在電商、在線教育、移動設備和汽車制造等領域流行起來。
隨著第一波成功研究案例的出現(xiàn)，AI產品化的進程將會加快。更多的企業(yè)和客戶將會認識到這些AI產品功能的價值。AI功能將成為智能數字產品和服務的一項關鍵差異化競爭力。
Gartner研究總監(jiān)閆斌表示：“這些AI產品將為中國企業(yè)提供全球市場的競爭優(yōu)勢，并加快其國際擴展步伐。同時，AI不僅會催生出更多的需求，還會推動多個領域的重大進步，包括數據管理、軟件開各系統(tǒng)安全和基礎設施開發(fā)?！?/p>
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
