数据驱动的创新回顾第9波

核心观点

• 平衡创新与可持续性： 生成式AI（Gen AI）具有巨大的潜力，但同时也带来环境成本。企业需要采取负责任和可持续的方法，通过“设计即可持续”的方式平衡其经济利益和环境影响。
• 数据驱动创新： 数据和AI是推动行业变革、优化流程和开辟新增长途径的关键力量。然而，企业需要解决AI的财务和环境成本、法律和监管问题、可管理性以及对AI的整体信心水平等挑战。
• 生成式AI的未来趋势： 生成式AI将推动数据管理的变革，从战略和架构到工程、集成和治理，使流程更加高效、自动化和可扩展。Gen AI将支持数据管理的每一个阶段，使企业能够更快、更明智地做出决策。
• 数据空间与语义互操作性： 构建跨行业的数据空间将彻底改变公司未来的互动方式，促进合作伙伴、供应商乃至竞争对手在平等的基础上协作使用案例。语义技术是实现数据空间互操作性的关键。
• 数据织锦（Data Fabric）： 数据织锦提供了一种统一和简化异构数据源的方法，通过连接和整合来自各种环境的数据，为从复杂性到可操作见解的转变提供了清晰的路径。
• 生成式AI在特定领域的应用： 生成式AI正在改变教育、建筑、生命科学、营销和欺诈检测等多个领域。例如，在教育领域，GDSC 2024通过利用AI技术提升教学和学习质量；在建筑领域，Gen AI简化草案创建、增强决策制定，并优先考虑伦理问题；在生命科学领域，Gen AI加速药物发现和转型临床试验。
• 信任和验证框架： 随着生成式AI的普及，建立强大的信任和验证框架以确保AI保持道德、安全和可靠变得至关重要。Capgemini RAISE框架提供了结构化的指标和系统性的见解，使组织能够确保AI问责制。
• 数据网格与生成式AI的协同效应： 数据网格与生成式AI的结合为数据管理带来了前所未有的潜力，通过自动化元数据创建、提升数据质量以及实现智能分类，彻底革新了数据治理。
• 平台工程： 平台工程通过利用数据网架构和内部开发平台，正在革命性地改变组织开发数据产品和AI应用的方式，加速了高质量数据产品和AI应用的开发。
• 神经符号AI： 神经符号AI结合了符号推理和神经网络的优势，创建出既能从数据中学习又能运用结构化、类人的知识进行推理的系统，在需要复杂问题解决的应用中颇具前景。

关键数据

• 80%的企业在2024年增加了对通用人工智能（Gen AI）的投资。
• 到2027年，人工智能预计耗电量将显著增加，届时AI的能耗预计将达4.2至66 TBWh，是当前的四倍。
• 全球GDP增长7万亿美元在下一个十年中。
• 预计数据中心的电力消耗也将大幅增加，全球增量排放的社会成本也随之上升，预计将达到1250亿美元by 2030。
• 全球有2.51亿儿童未能入学。
• 即使是在上学的学生中，基础教育结束时阅读能力的平均年增长率也仅为每年0.4个百分点。

研究结论

• 2025年将是一个不同且过渡性的一年，无论从地缘政治、经济、文化、环境、技术，甚至是社会整体的角度来看。
• 企业需要采取全面的方法，将可持续性融入AI模型的设计和运营中，以实现负责任的创新。
• 数据、分析和人工智能将是推动企业创新和竞争优势的关键因素。
• 生成式AI将彻底改变数据管理的每一个环节，使其更快、更智能、更具战略意义。
• 建立强大的信任和验证框架对于负责任地部署生成式AI应用至关重要。
• 数据网格与生成式AI的结合将解锁更大的创新和价值创造潜力。
• 平台工程将加速创新、交付更优质的产品并在数据驱动的世界中获得竞争优势。
• 神经符号AI代表了人工智能领域的一项重要进展，为构建更智能、更可靠的AI提供了途径。