让 AI 为企业赋能 突破 AI 部署障碍 攻克 2025 年的六大常见 AI 业务挑战

突破AI部署障碍 攻克2025年的六大常见AI业务挑战 AI拥有巨大潜力，无疑将改变我们的工作方式。 从更智能的线索评分到内容生成，再到费用预测，企业纷纷利用AI来节省时间和成本，扩大业务范围，开拓新市场。Gartner指出，许多CEO都认为，AI是未来三年将对其所在行业产生重大影响的关键技术1。 尽管期待值不断攀升，但企业在推进AI落地时却面临着重大障碍。AI复杂性较高，成功驾驭这一领域并非易事。企业必须克服成本、数据隐私和集成等方面的挑战。领导者必须确保其AI项目具有切实的商业价值，并且能够基于试点项目进行规模扩展。下文将探讨当今企业推进AI落地时面临的六大常见挑战。 “想要利用AI成功创造价值，需要的不仅仅是技术。在数据、变革管理、AI素养、风险降低、信任和治理方面若缺乏合理投资，会成为AI成功落地并实现价值的重大阻碍。” Gartner，《打造成功AI战略的关键支柱》 2025年的六大常见AI业务挑战 根据Gartner的数据，尽管AI热度高涨，但将AI潜能转化为实际成果并非易事：49%深度参与AI项目的领导者表示，其企业或机构难以估算和证明AI的价值1。那么，如何判断哪些项目能够带来回报呢？ 1 企业尚不明确哪些AI项目值得投资。 首先需要明确期望的结果，例如，您是希望提高生产力还是降低成本？您还需研究您所在的行业中有哪些主流AI用例，同时明确哪些利益相关者将参与界定AI项目成功的标准。 AI项目的成本往往会超出许多企业的预期。 2 领导层和IT决策者需要展开合作，共同确定哪种AI基础设施（本地还是云端）能够带来更高回报。值得注意的是，充分利用现有的硬件和云平台、软件和数据，可能会让您从投资中获得更多收益。 决策者必须确保AI投资成本的合理性，并且避免超支。 在启动新的AI项目时，安全性至关重要。您需要制定健全的风险降低和治理策略，以加强数据保护。基于硬件的安全防护也非常重要。您的团队需要考虑PC、服务器和云服务中内置的安全功能。 3 数据安全和隐私仍是重大问题。 “企业和机构针对AI运营模式制定的路线图有可能与AI项目组合完全脱节，因而很有可能无法实现商业价值。因此，在业务利益相关者所预期的实际价值（通过一系列用例组合）与实现该组合所需的必要基础设施之间，需要取得平衡。” Gartner，《打造成功AI战略的关键支柱》 毋庸置疑，若要使用AI，就需要更高的性能。但究竟需要达到怎样的性能水平呢？并不是每个人都需要一整个机架的GPU。 4 出于成本、能效和隐私方面的考虑，许多AI工作负载将从云端转移至客户端。因此，IT运营团队必须确定哪种PC更适合在本地运行AI，同时还需提供一套全面的企业级可管理性和安全功能。 即便是积极采用AI用例的企业，也并非总能找到获得足够计算性能的明确途径。 对于数据中心而言，架构师需明确在电力和空间均已受限的情况下，如何为运行AI提供足够的算力。如果在云端运行AI，则需确定合适的实例，以尽可能提高每台虚拟机的性能，从而避免不必要的支出。 强大的计算能力固然重要，但真正运行AI则需要软件。将软件与数据相结合，方能让AI服务于您的企业。 5 在探索如何使用新的AI模型、软件和代理式AI工具时，您需考虑如何使计算平台更好地支持数据整合，并在软件方面提供更多选择。 仅有硬件和现成的模型或软件是不够的。企业须能够将其数据与新的AI软件相结合。 Gartner指出，那些成功利用AI创造价值的企业和机构已经跨越了实验和试点阶段。这些公司已经建立了与其业务战略高度相符的AI战略1。 6 最后，将原型投入生产也存在重重挑战。 在规划初期，您的团队需要考虑如何将AI应用扩展到整个企业或机构，并适应云端、PC以及可能功耗受限的边缘位置等不同类型的环境。从CUDA迁移出来能够提高灵活性，而基于x86架构进行构建则有助于简化与现有工作流程的集成。 “AI潜在的巨大商业价值并不会自动实现。AI负责人应该引导企业和机构迈向新阶段，不仅要让AI创造切实的商业价值，更要成为重要的竞争优势和行业变革力量。” Gartner，《打造成功AI战略的关键支柱》 挑 战 一 确定AI的商业价值 AI能够为业务带来重大变革，但它仅仅是一种工具。要使AI发挥作用，离不开专业人士的高效运用。 大语言模型(LLM)一经问世，商业领袖便迅速将其定位为提高效率的理想方法。 然而，合理确定模型、整合数据并选择合适的员工来采用AI工具并非易事。毕竟，使用AI没有放之四海而皆准的方法。 为了避免被各种新颖的产品分散精力，您首先需要明确期望达成的业务成果：您希望使用AI做什么？帮助员工节省时间？增加现有客户营收？开拓新市场？更快地应对安全威胁？以下提供了一些切实可行的方法，助您更好地利用AI（注：并非所有方法都涉及LLM）： •利用机器学习对销售线索进行评分和优先排序•使用计算机视觉监控商店中的产品货架，确保及时补货•使用LLM针对财务报告生成叙述性内容•使用自然语言处理分析社交媒体上关于您品牌的对话•使用生成式AI模型创建营销文本和图像•使用基于LLM的聊天机器人来提升自动化客户服务水平 您所在行业的其他企业可以提供一些理想的应用案例。您可以将同行（和竞争对手）的实践作为真实案例，为您利用AI实现商业价值提供捷径。以下是一些示例： •金融公司正在利用机器学习检测和预防欺诈，利用深度学习执行算法交易，以及利用生成式模型模拟风险管理情景。 •零售商正在利用机器学习分析客户行为并优化库 存 管 理 ， 利 用 计 算 机 视 觉 了 解 商 品 陈 列 情况，以及利用LLM部署客户服务聊天机器人。 •医疗机构正在利用机器学习辅助疾病进展预测和治疗方案制定，利用计算机视觉分析医学影像，以及利用自然语言处理自动处理病历信息。 •制造商正在利用机器学习预测设备故障，利用深度学习识别缺陷，以及利用生成式模型优化流程。 Gartner：确定AI的战略价值优先级 •保险公司正在利用机器学习评估风险状况，并利用自然语言处理从理赔申请中提取数据。 您对于AI的应用具有何种期望水平？AI将主要用于改善现有业务，还是扩展甚至彻底变革您的业务？针对各个期望水平，将分配多少资金，用于哪些业务领域？ •教育工作者正在利用机器学习创建个性化学习计划，利用自然语言处理实现自动化评分，以及利用生成式模型提供虚拟辅导。 •法律公司正在利用自然语言处理来协助研究，利用生成式模型来模拟情景和预测案件结果，以及利用LLM来生成和审查法律文件。 这些优先级与业务目标有何关系？例如，如果业务目标是削减成本，那就需要优先考虑影响成本的AI用例。如果是为了提高客户参与度，那就需要优先考虑支持客户参与度的AI用例。换言之，AI在哪些业务领域更有机会真正创造价值？ •电信服务提供商正在利用机器学习优化网络资源分配，利用预测性分析识别导致客户流失的因素，以及利用生成式AI优化网络拓扑结构。 在各个领域中，AI的使用与哪些业务目标有关？在哪些领域，AI可以催生新的业务机遇，或解决现有的业务挑战？ •能源公司正在利用机器学习来优化能源分配并预测消费模式，并利用深度学习来预测设备故障。 •媒体和娱乐公司正在利用机器学习来推荐内容，并利用生成式AI来创作艺术作品、音乐及其他内容。 哪些关键绩效指标(KPI)会对哪些利益相关者产生影响？衡量AI所创造价值的关键指标是什么？ 当然，您需要将合适的利益相关者召集到一起，来确定目标并探索用例。Gartner建议让高层管理人员参与到讨论中，以便对业务重点和机遇进行更好的权衡。此外，让架构师、IT运营负责人以及将使用AI应用的员工参与进来也是明智之举。 有哪些AI用例的实际案例？这些案例与哪些业务目标和指标相关？企业和机构所在领域或行业内外存在哪些机遇？ “AI战略的根基在于愿景、驱动力和风险，应重点关注企业和机构希望通过AI实现的目标，并确保与其业务战略完全一致。 来源：Gartner805859_C 这一结果应是AI负责人与利益相关者经过（反复）讨论后所确立的。就AI战略而言，这涉及到高层管理人员。他们的业务优先事项、机遇、挑战以及与AI相关的关注点都应在AI战略中找到共同立足点。” Gartner，《打造成功AI战略的关键支柱》 生成式AI创造的新价值 企业对GenAI充满期待是有原因的。GenAI包括ChatGPT等主流LLM服务、Midjourney和StableDiffusion等图像生成工具，还有音频和3D模型生成器。GenAI有可能将数小时的人工工作缩短为几分钟，并且在许多情况下，只需给予合适的提示即可使其发挥作用。 “许多企业和机构已经启动AI（包括生成式AI）项目，或扩大了其项目规模，还有更多企业和机构已宣布将进行大规模新增投资或追加投资。 就生成式AI而言，最近的一项调查显示，18%的企业领导者正在针对其业务职能开展试点、推进实施该技术，或已将其投入应用；而47%的企业领导者则计划在未来12个月内这样做。” Gartner，《打造成功AI战略的关键支柱》 发掘真实场景下的成功案例，探索前沿AI工具，并找到增强自身AI能力的强大解决方案： •英特尔客户聚焦•AI用例和应用•英特尔®AI Software Catalogue •英特尔®AI Inference Software & SolutionsCatalogue 挑 战 二 克服成本障碍 对于本地数据中心，您可将推理功能纳入基础设施定期更新计划中。最近几代通用服务器在推理方面取得了长足进步，全新英特尔® 至强® 处理器等CPU已内置AI加速功能。如果您希望支持一些推理任务，但任务量不会很大，那么基于英特尔®至强® 处理器的服务器可能足以轻松处理推理任务及 其 他 企 业 级 工 作 负 载 ， 从 而 可 避 免 购 买 专 用硬件。 “业务与AI相互影响、相互塑造。如今，选择保守策略反而会面临更大风险，因为竞争对手或新入局者可能会利用AI与日俱增的强大力量，成功超越现有企业。” Gartner，《打造成功AI战略的关键支柱》 想要借助AI实现商业价值，首先要进行明智的投资，并避免超支浪费。初始成本可能很高，而持续支出也会不断累加。要想真正从AI中获益，企业需要进行战略性投资，既要平衡开支，又要能够推动创新。 如果您的数据中心需要更高的性能，则可以选择英 特 尔 ® 至 强 ® 处 理 器 作 为A I加 速 系 统 的 机 头C P U。 除 了G P U之 外 ， 您 还 可 以 考 虑 英 特 尔 ®Gaudi®AI加速器。这些加速器在设计上注重能效表现，为推理和训练提供了经济高效的替代方案。 在AI相关成本中，很大一部分来自训练，即让模型进行学习的过程。然而，大多数企业并不需要从头开始开发模型。相反，其主要AI工作负载将涉及推理，即运行预训练模型的过程。幸运的是，尽管训练一般需要专门的AI加速器，但推理通常可以在通用处理器上运行。 在云端，基于全新英特尔® 至强®CPU运行的虚拟机可为许多推理工作负载提供足够的性能，而无需使用专用实例，这有助于控制成本。基于英特尔®Gaudi® 加速器运行的云服务能够以更具竞争力的成本提供更高性能。您可以通过公有云服务提供商或英特尔®Tiber™AI Cloud选择这些实例。 为数据中心或云端加入推理功能 即使您还未确定您的企业将运行哪些AI应用，您也可以通过为新一代AI用例做好准备来提升自身优势。尽管GPU通常被认为是运行AI任务的标准方案，但也存在更具成本效益的替代方案，在推理方面尤其如此。 充分利用空间、电力和预算 性能的关键在于均衡。性能过低，则不足以支持新的工作负载。性能过高，则会导致硬件成本过高，并需要持续负担昂贵的电力成本。此外，在当今的数据中心，机架空间和电力都较为紧缺。那么，如何在资源已经受限的数据中心内增加足够性能以满足推理需求？ 新一代CPU提供了单线程“能