核心观点
- 生成式AI（GenAI）应用正从探索和试点阶段转向生产阶段，企业更广泛地引入GenAI生产力工具，如Microsoft Office、Google Workspace和Amazon Q。
- 市场中的第一批供应商集中在内容的快速生产和体验上，而AI代理技术正通过将大型语言模型（LLMs）与软件工程和AI工具连接起来，颠覆市场并创造创新的第二波浪潮。
- GenAI领域的供应商覆盖企业堆栈的所有层次，从底层基础设施到开发工具和最终应用程序，包括基础设施提供商、模型提供商、GenAI应用程序和人工智能工程工具。
- 大部分市场活动和投资是由基础模型驱动的，特别是大型语言模型（LLMs）及其相关生态系统。
战略规划假设
- 考虑道德和负责任的AI实践，例如保护第一方知识产权、意识到第三方知识产权的使用以及管理模型产生的偏见或有毒输出。
- 提前规划以减少GenAI试点和生产应用的技術負債，设计松耦合于生成模型的解决方案，并利用企业知识资产来提示和确定GenAI模型的行为。
- 检查现有的应用程序组合中的GenAI路线图，而不是以零散的方式支付来启用应用程序中的新GenAI功能。
- 全面评估供应商解决方案，但展望人工智能系统和架构的更大图景。
- 到2027年，直接使用开源人工智能的公司数量将增加十倍。
- 到2027年，通用人工智能（GenAI）将促进其他人工智能技术（除通用人工智能外）的使用量增加400%。
市场定义
- 生成式AI通过学习大量原始内容库，能够生成内容、策略、设计和方法的新的衍生版本的技术。
- 人工智能通用市场由以下几个部分组成：基础设施提供商、模型提供商、GenAI应用程序和人工智能工程工具。
市场动态
- 基础设施市场：超大规模云服务提供商和AI芯片供应商对支持GenAI的计算、存储和网络需求感兴趣。
- 模型提供商：商业/封闭模型和开源模型并存，供应商通过API将模型提供给开发者以嵌入到应用程序中。
- 人工智能工程：针对LLMs的人工智能工程技术帮助技术供应商、服务提供商和企业参与创建由通用、领域特定和任务中心的生成模型混合驱动的定制应用程序。
- 监控部署：AI系统和项目的模型、代码和工件混合，需要迭代和互补的开发市场支持。
- 生成式AI应用：水平应用和垂直应用是主要趋势，需要管理和编排数据管道、模型、计算协调以及整体的观测性和自动化。
市场演进
- GenAI提供了以下关键能力以支持下一个AI发展时代——自适应AI：支持开发和协调多个AI和软件组件、创建不仅仅是艺术品还有流程和子任务、利用生成式技术开发用于模拟的资产、多智能体系统。
- 通用人工智能（GenAI）将深度融合的市场包括：复合人工智能、仿真技术、GenAI工具可以访问AI市场和资产、人工智能将采用复合技术来解决人工智能模型中存在的挑战、人工智能通用（GenAI）将推动并加速非人工智能通用（非-GenAI）人工智能技术的使用。
商业效益（用例）
- 企业在实施GenAI技术时所寻求的最三大益处分别是提高生产力、降低成本和提升客户体验。
- 收益机会：产品开发、新收入渠道、工人增援、流程改进、长期人才优化。
试点与评估供应商
- 企业采用通用人工智能（GenAI）的速度和起点各不相同，探索和试点是一个关键步骤。
- 技术领导者可以使用表1来选择技术和使用现成的生产力功能。
风险管理
- 技术购买者必须了解他们对于技术的选择，并将这些选择与他们的用例、学习曲线、采纳成本和风险进行映射。
- 采用GenAI能力的企业将面临以下风险：偏差、缺乏透明度、准确性、可持续性、网络和欺诈、数据隐私、知识产权和版权。
新兴市场象限
- 新兴市场象限是一个于2024年6月启动的试点项目，旨在提供生成式AI供应商的视觉呈现。
- 供应商定位基于评分框架，该框架使用符合子市场定义和特征的供应商的调查响应，以及其他来源。
- 新兴市场及其供应商包括：人工智能专用云计算基础设施、人工智能工程、人工智能知识管理应用/通用生产力、人工智能模型提供商。
