IBM商业价值研究院：2023企业生成式AI市场现状报告（附下载）企业高管深知采用生成式AI已是势在必行，但这种意识与大规模创造价值的能力之间仍然天堑难越。
关于生成式AI的争论通常分为极端两派，分别是倡导者和怀疑者。这两派之问的激烈争夺往往会忽略中间地带。对于企业领导者来说，这无疑是一个严峻的问题。因为企业领导者需要根据冷静、客观的事实，以及战略相关性来制定合适的AI方法，切忌盲目乐观和不切实际的想法。
生成式AI项目的平均投资回报率呈稳步增长趋势。受访企业高管预计,到2025年,生成式AI项目的投资回报率将超过10%，投资回报将进一步超过资本成本。因此，许多企业都计划在未来两年内推动生成式AI的采用。只有23%的受访高管表示其组织在2022年对生成式AI进行了试点、实施、运营和优化，但预计到2024年这一比例将上升至62%(见图1)。
这种快速增长的趋势在一定程度上得益于对AI熟悉程度的变化：如今的企业高管对生成式AI的熟悉程度远高于2016年传统AI第一波发展浪潮时的情形。因此，企业高管对部署生成式AI的场景有了更加聚焦的看法。
2016年，企业高管还不够聚焦，他们在多达13个不同的业务职能中优先考虑采用AI。但战略既关乎选择做什么，也关乎选择不做什么。如今，企业高管对于哪些领域能创造最大的价值有了更加清晰的见解。我们的调研数据显示，至少在初始阶段，受访企业高管主要关注三个关键优先事项（见图2）。
什么是生成式AI？什么是基础模型？
为了提高AI投资的成本效益，企业需要灵活、可重用、且支持多种应用方式的模型，包括用于生成新内容。生成式AI是一种深度学习模型，可根据训练数据生成高质量的文本、图像和其他内容。4从较高层面来说，生成模型对其训练数据的简化表示进行编码，并从中提取特征信息，以创建与原始数据相似但不相同的新作品。
这种生成新数据的能力引发了一系列新技术的快速发展，从生成式对抗网络(GAN)到扩散模型，这些技术能够生成更加逼真的虚构图像。因此，变分自动编码器为当今的生成式AI奠定了基础。变分自动编码器基于编码器和解码器块构建而成，这种架构也是当今大语言模型(LLM)的基础。具体来说，编码器将数据集压缩为密集表示形式，在抽象空间中将相似的数据点排列得更紧密。解码器从这个抽象空间中进行采样以创建新内容，同时保留数据集的最重要特征。
