新一代智能企业：驾驭快速发展的AI领域

驾驭快速发展的AI领域 从从创创新到影响：新到影响：绘绘制人工智能制人工智能发发展展图图景景 Josh Builta, Senior Director,Enterprise Platforms & Applications 驾驭驾驭快速快速发发展的AI展的AI领领域域 未来的人工智能驱动创新将由诸如代理型人工智能（agentic AI）等突破性技术塑造，这是一种能够自主决策、以目标为导向并仅需极少人类干预的新一代人工智能系统。与传统系统通过预设输出响应特定输入不同，代理型人工智能代表了根本性演进，将为各行业开辟全新应用场景与可能性。 Josh Builta, Senior Director, Enterprise Platforms & Applications 人工智能（AI）正以惊人的速度持续改变我们的日常生活，重塑各行各业、经济体系和社会结构。 边缘计算环境中更强大的人工智能能力普及，是市场发展的另一重大演进。这一趋势正推动人工智能与物联网（IoT）的融合——这种架构转变将催生新的物联网应用场景并带来变革性效益。通过赋能实时决策、提升安全性及强化运营韧性，边缘人工智能有望释放全新可能性并创造显著价值。 得益于计算能力的指数级增长、算法效率的显著提升以及数据的广泛可用性，人工智能的采用已成为全球商业战略的核心组成部分。企业不再讨论是否要整合人工智能，而是专注于如何快速实施并扩展人工智能以获得竞争优势。 在这本电子书中，Omdia专家将分享可操作的洞察与实证研究，助您应对当前最关键的人工智能相关挑战： 尽管近期人工智能领域取得了快速进展，但我们必须清醒地认识到，这仅仅是发展的开端。在未来几年里，人工智能将在解决复杂挑战方面发挥越来越重要的作用——从提升供应链的韧性到推动各行业的可持续发展与效率提升。 克服企克服企业业人工智能人工智能扩扩展障碍展障碍 通通过过人工智能人工智能协协调转调转变变工作工作场场所所动动态态 实实施有效的施有效的边边缘缘人工智能策略人工智能策略保保护护人工智能系人工智能系统统免受新兴威免受新兴威胁胁衡量并衡量并证证明人工智能投明人工智能投资资回回报报率率 最大化代理型人工最大化代理型人工智能：在潜力与智能：在潜力与实实用主用主义义之之间间寻寻求平求平衡衡 Eden Zoller, Chief Analyst, AppliedAI 代理型人工智能具代理型人工智能具备备更高的自主性水平，有望更高的自主性水平，有望带带来来变变革性革性的成果。的成果。 人工智能代理利用基础模型和高级机器学习（ML）技术（如链式推理（CoT））、记忆模块及外部工具，能够自主或在极少人工干预下主动规划并执行复杂任务。 Eden Zoller, Chief Analyst, Applied AI 这引发了广泛的关注，但也带来了大量炒作，导致人们对代理型人工智能（agentic AI）的实际能力产生了不切实际的期望。 代理型人工智能的重要发展方向是多智能体系统，其中专门化的智能体在协调框架内协同工作以实现共同目标。 Omdia对代理型人工智能及其组成部分的定义，为理解和评估代理型人工智能以及该领域供应商的产品提供了框架。 多智能体系统通过并行任务执行和分布式工作负载提升自主性，从而实现更强的适应性和韧性。 Omdia的框架还明确了代理型人工智能与生成式人工智能（GenAI）以及传统机器人流程自动化（RPA）之间的关系。 理解这些技术之间的差异，有助于明确它们如何互补，以及代理型人工智能的独特之处。 这对于设计有效的AI战略至关重要，无论是从供应商路线图和营销角度，还是从企业部署战略角度。 代理型人工智能并非单一应用或技术，而是整合多种技术、方法和组件的架构，用于创建高度自主的目标导向型人工智能代理。 对对于企于企业业而言，代理型人工智能可以：而言，代理型人工智能可以： 人工智能成熟度较低的组织可利用预配置的领域专用代理或低代码平台，同时确保健全的治理框架、持续监控和强大的安全措施。 提升商业智能实现可扩展的自动化创建自适应工作流在复杂流程中提供智能协调 供应商应整合反馈机制，使代理在面临不确定性时能够寻求人类输入，实现全面的数据可观察性，实施 robust验证流程，提供可解释性工具，并开发复杂的多代理协调解决方案，以最大化影响力和客户吸引力。 对于供应商而言，代理型人工智能（Agentic AI）为扩展现有生成式人工智能（GenAI）和机器人流程自动化（RPA）能力提供了机遇，可将其转化为涵盖内容生成到自主执行的全方位、全栈式解决方案。 Source: Omdia 这使供应商能够追求更大规模、更复杂的交易，实现更深入的企业集成并提升客户依赖度。 然而，代理型人工智能引入了显著的复杂性，既放大现有生成式人工智能的挑战，又带来了新的难题。 代理型人工智能对基础设施提出更高要求，需要与内部系统、外部环境、工具及数据源进行集成。 代理型人工智能高度自主的特性也引发了关于可靠性、透明度和安全性的关键担忧。 为确保成功实施，企业应避免盲目采用代理型人工智能，而应聚焦于其能力能为简单解决方案带来真正优势的具体应用场景。 本本书书内容源自Omdia的四内容源自Omdia的四项项情情报报服服务务：： Workplace Transformation Intelligence ServiceAdvanced Computing Intelligence ServiceAI Applications Intelligence ServiceManaged Security Services Intelligence Service Source: Omdia 推理服推理服务务面面临临着不着不断断变变化的挑化的挑战战 Alexander Harrowell, PrincipalAnalyst, Advanced Computing forAI 2025年3月，谷歌的Gemma3模型正式2025年3月，谷歌的Gemma3模型正式发发布。其中，参数布。其中，参数规规模模为为270270亿亿的Gemma3版本在性能上超越了参数的Gemma3版本在性能上超越了参数规规模大644倍的DeepSeek模大644倍的DeepSeek-V3模型。-V3模型。 与此同时，人工智能模型的快速多样化增添了第三个维度：产品组合，即工厂能够生产的不同产品种类。在第三次工业革命中，那些通过优化产品组合来实现大规模定制和丰田生产方式的工厂，超越了以吞吐量优化为目标的第二次工业革命时期的工厂。 Alexander Harrowell, Principal Analyst, Advanced Computing for AI 与此同时，阿里巴巴的Qwen3-30B在关键基准测试中表现优于其前代模型，尽管其参数数量仅激活了10%。 这些进展凸显了近年来人工智能领域发生的显著变革。在经历了模型规模的长期爆炸式增长后，市场已转向新一代更小、更专业化的模型。 如图1所示，2018年至2021年间模型规模增长了100倍，但自2023年OpenAI发布里程碑式的GPT-4以来，再未推出更大规模的模型。由Meta的LLaMa模型催化的更小规模模型出现，正在重塑人工智能领域。 人工智能工厂的三个关人工智能工厂的三个关键绩键绩效指效指标标 “人工智能工厂”数据中心常被比作第二次工业革命时期的工厂。 关键指标与大型工厂相同：吞吐量，通常以每秒处理的令牌数量为单位，并根据能耗进行标准化。然而，与大型工厂一样，吞吐量并非唯一指标。 交互式和自主应用程序，以及网络物理系统，对延迟有严格要求。 更多模型意味着数据中心现在必须学会支持产品组合、吞吐量和延迟。这意味着要么维持大量小型单GPU节点以及机架级集群，要么大幅提升多GPU虚拟化技术，以高效地将小型模型整合到大型GPU中。 真正注重混合计算的用户可能会对基于Arm架构的服务器CPU的顶级产品感兴趣；中国超大规模云服务提供商如Qwen的创建者阿里巴巴，可能正在通过这种方式适应GPU访问受限的局面。 这还可能意味着对CPU计算的需求增加；已有一些证据表明这种趋势正在发生。小型模型还扩大了我们在边缘计算中无需涉及数据中心即可实现的功能范围。 阅读阅读更多更多 岔路口岔路口 NVIDIA Dynamo: Serving general-purpose AI at huge scale, (June2025), Omdia 现代人工智能的构建者们在支持巨型模型、打造强大的旗舰级GPU以及构建高度集成的晶圆级和机架级系统方面，已经迅速变得非常擅长。 AI Inference Products of the Hyperscale Cloud Providers – Asia &Oceania, (July 2025), Omdia NVIDIA的Dynamo项目设想将整个数据中心视为单一虚拟推理服务器。然而，这一设想基于少数巨型模型的世界。这一愿景并未过时，但与2021年相比，其确定性已有所降低，且仅是人工智能故事的一部分。 Source: Omdia 供应商应始终将混合需求放在心上。更好的GPU（或加速器）虚拟化是一种解决方案，但产品战略同样重要。 市场可能存在对现代推理级GPU的需求缺口，这类GPU需具备高带宽内存与计算性能的高比例；NVIDIA的A10虽发布于2020年，但仍因其在小型模型推理中的应用而备受青睐。 本本书书内容源自Omdia的四内容源自Omdia的四项项研究服研究服务务：： Workplace Transformation Intelligence ServiceAdvanced Computing Intelligence ServiceAI Applications Intelligence ServiceManaged Security Services Intelligence Service 人工智能在网人工智能在网络络安安全全领领域的持域的持续续发发展展 Jonathan Ong, Senior Analyst,CybersecurityRobin Ody, Practice Leader 人工智能的人工智能的进进步正在重塑网步正在重塑网络络安全安全领领域，无域，无论论是防御方是防御方还还是攻是攻击击方都方都试图试图利用其技利用其技术术能力。能力。 络安全领域，无论是防御方还是威胁行为者都已利用人工智能多年。 Jonathan Ong, Senior Analyst, CybersecurityRobin Ody, Practice Leader 然而，保障人工智能工作负载和模型的安全代表着一个新的挑战领域，需要在三个方面实现突破： 近期对生成式人工智能（GenAI）的关注已对三个主要领域产生了显著影响：监管、工具与威胁，以及人才。 1. 通过实施防止数据泄露、越狱和提示注入的防护措施，连接到大型语言模型的应用程序2. 保护模型本身免受盗窃、篡改和中毒，同时加强开发人员访问模型时的基本安全措施3. 通过改进数据卫生实践、治理和溯源，确保数据安全，然后再进行定制AI训练 生成式人工智能和代理式人工智能在2020年代通过其改变工作和日常生活潜力的方式吸引了公众的关注。 这场人工智能革命得益于海量训练数据、硬件改进（如专用人工智能芯片）、神经网络算法的突破，以及学术界与产业界之间的协作生态系统；所有这些都得到了全球大量投资的支持。 网网络络安全安全应应用程序用程序 随着人工智能（AI）在企业运营中扮演越来越重要的角色，组织必须调整其安全策略，以保护这些宝贵的新资产，同时利用AI的能力来提升整体安全态势。 尽管人工智能涵盖了多种模型类型，并在各行业中有着广泛的应用，但生成式人工智能（通过现有数据生成新内容）和判别式人工智能（通过学习决策边界对现有数据进行分类）目前在网络安全应用中占