今天分享的AIGC系列深度研究報告：《AIGC專題報告：生成式人工智能人人可用的新時代》。

（報告出品方：埃森哲）

報告共計：21頁

人工智能發展迎來新拐點

ChatGPT 正在喚醒全球對人工智能（AI） 變革潛力的認知，激發起前所未有的關注和創造力浪潮。該技術可以模仿人類的對話和決策能力，使我們站上了公眾采用人工智能的第一個真正拐點。最終，所有人，所有地方都將切實感受到這項技術的顛覆性潛力。

基礎模型是大型模型的通稱，此類模型擁有數十億項參數。最近的進展使企業現在能夠依托這些基礎模型，構建出專門的圖像和語言生成模型。而大語言模型 (LLM) 既屬于生成式人工智能，也是一種基礎模型。

ChatGPT 背后的大語言模型標志著人工智能發展的重要轉折點和里程碑。大語言模型正在憑借兩項優勢改變著市場規則。第一，這類模型破解了語言復雜性的密碼。如今，機器擁有了前所未有的能力，可以學習語言、上下文含義和表述意圖，并獨立生成和創建內容。第，在利用大量數據 (文本、圖像或音頻) 進行預訓練后，這些模型能夠針對眾多不同的任務做出調整或微調。這使得用戶可以將多種方式，對模型按原樣重復使用或稍加修改后再次使用。

商界領袖們已經普遍認識到了這一時刻的重要性。他們預見到大語言模型和生成式人工智能將如何從根本上改變商界、學術界乃至社會本身，開辟新的能力前沿。這些新技術對人類創造力和生產力產生了巨大的積極影響。例如埃森哲研究發現，所有行業中 40% 的工作時間都將得到 GPT-4 等大語言模型的協助。這是因為，語言任務占到了企業人員工作總時長的 62%，其中 65% 的時間可以借助人員強化和自動化技術來提升工作活動的生產力(請參見圖 3) 。

生成式人工智能的發展里程碑

機器學習:分析和預測階段

21 世紀的頭十年，各類機器學習技術都迅速發展，能夠對海量在線數據進行分析，從輸出信息中得出結論，或進行"“學習”。從那時起，企業就將機器學習視為極其強大的人工智能領域，用于分析數據、發現模式、形成洞見、建立預測，并以遠超以往的速度和規模實現任務自動化。

深度學習:視覺和言語處理階段

進入第二個十年，人工智能的感知能力取得了長足進步，這一機器學習領城被稱為深度學習。在此期間，深度學習取得了突破性進展。一方面，計算機視覺的實現，有助于搜索引擎和自動駕駛車輛對物體的分類和檢測，同時，它還可支持語音識別，使廣泛應用的人工智能語音助手以更自然的方式和用戶交互。

生成式人工智能:邁入掌握語言的新階段

基干深度學習模型指數級增長的規模與能力，未來的十年將是機那掌握語言的時代。由 penAl 開發的 GPT-4 語言模型，標志著基于語言的人工智能應用程序邁入了嶄新的功能階段。諸如此類的模型將對商業產生深遠影響，因為語言與企業所有日常工作的方方面面都密不可分一一機構知識、互動交流和運作流程皆有賴于此。

使用或定制：生成式人工智能的普及與應用

ChatGPT、文心一言、通義千問 3,4DALL·E、Stable Diffusion 等一系列易于使用的生成式人工智能應用程 序，正在迅速推動技術在商業領域和社會公眾中的普 及，這將對企業產生極為深遠的影響。由于大語言模 型具有處理大規模數據集的能力，它可以“掌握”企 業長期以來積累的所有信息，包括創辦至今的發展歷 程、發展背景、業務特點和商業意圖，甚至細致到產 品、市場和客戶。所有用語言記錄傳達的內容，如應用、系統、文檔、電子郵件、聊天、視頻和音頻等等， 都將進行創新、優化和重塑，最終走向全新的高度。

我們正進入技術采用周期的下一個階段，大多數企業后開始通過購買“模型即服務”來開展業務應用。不過對許多企業來說，最大的價值源于使用自己的數據定制或微調模型，以滿足其獨特需求

使用：現在，我們隨時均可便捷地獲取和使用生成式人工智能及大語言模型應用程序。企業可以通過應用編程接口 (API) 調用這些程序，并運用提示學習(prompt tuning)和前綴學習 (prefix learning)等提示工程技術，針對自身的具體需求在較小程度上加以定制。

定制：但大多數企業需要定制模型，用自己的數據對模型進行微調，以擴大其用途和價值。這使模型能夠支持整個業務中一些具體的下游任務。通過此舉企業可以有效地利用人工智能實現績效的飛躍發展一一提升員工能力、改善客戶滿意度、引入新型商業模式，及時感知即將發生的變化。

企業將利用這些模型來重塑工作方式。隨著員工與人工智能副手協同工作成為常態，每家企業中的每個角色都有可能被完全改造，這顯著拓展了單憑人類自身可以取得的成就。在任何特定的工作中，一些任務將實現自動化，一些能夠得到輔助，還有一些基本與技術無關。除此以外，大量新任務有待人類執行，例如確保準確、負責任地使用新型人工智能系統。

展望日新月異的技術、監管和商業

當前這樣的時刻并不常見。未來幾年，針對生成式人工智能、大語言模型和基礎模型的投資將極為龐大。和以往不同的是，技術、監管和商業應用將并行發展，且發展速度越來越快。而在以往的創新曲線中，技術發展通常快于應用和監管。

技術堆棧：支持生成式人工智能的復雜技術預計將在每一堆棧層級上迅速發展，這具有廣泛的商業影響。訓練頂級人工智能模型所需的計算量正呈指數級增長——根據各類報告，現在每 3.4 個月到 10 個月其便會翻一番。 因此，成本和碳排放已成為采用能源密集型生成式人工智能的核心考量因素。

某銀行使用增強型搜索工具，為員工提供所需信息

某大型歐洲銀行集團啟用微軟 Azure 云平臺和 GPT-3 大語言模型來幫助員工進行電子文檔檢索。這一舉措使用戶可以快速獲得問題的答案，大大節省了時間，并提高準確性和合規性。為了進一步提升員工技能，這家銀行構建了三年創新計劃，后續還會在合同管理、對話型報告、以及票據分類等領域應用生成式人工智能。此舉不僅將內部知識庫進行了升級、幫助員工獲取所需信息，更有助推進自身向數據驅動型機構的目標邁進。

報告共計：21頁