7月25日,“2024火山引擎 AI 创新巡展”首站在天府之国成都正式开启。活动中,火山引擎联合 RollingAI、InfoQ 研究中心共同发布了《生成式 AI 商业落地白皮书——给 CXO 的 AI 转型战术指南》(以下简称《白皮书》),旨在为企业管理者提供务实指导,助其更快、更好地实现 AI 商业落地。
赢下生成式 AI 已经成为未来几年企业竞争和发展的关键路径。《白皮书》围绕场景选择、落地方法论,全面分析生成式 AI 的现状与趋势,结合实际项目案例,探讨其对不同领域的影响,并展望其未来发展方向。火山引擎和 RollingAI 作为生成式 AI 落地的实践者,力图通过对市场动态、技术创新、应用场景、行业政策等多维度的深入研究,为企业管理者奉上一份最专业的企业 AI 转型指南。
01
53%大企业开始落地生成式 AI 创新
《白皮书》指出,中国企业的生成式 AI 应用逐渐进入全面发展期,而销售和营销是当前企业生成式 AI 落地最热门的领域。据调查数据显示,53.3%的大企业已经开始落地生成式 AI 创新,其中的佼佼者甚至开始收获生成式 AI 带来的效益,有37%的 CIO/CDO 表示其企业的生成式 AI 项目将带来超过10%的成本缩减,26%的高管预计生成式 AI 将带来超过10%的效率提升。
02
Gen-AI 240 应用全场景地图,为企业的 AI 应用落地指路
为了帮助企业从业务出发,更好地把握机遇,找到关键场景,火山引擎联合 RollingAI 发布《Gen-AI 240应用全场景地图》。地图汇集全球超过 100 家企业在 AI 项目上的落地经验,并对 205 家中大型企业 Al 项目进行了详尽研究,结合超过 150 名国内外专家的洞见,精心筛选出12 个行业的 240 个关键场景,并基于投资权重、收益类别和风险警示对场景进行精确评级,助力企业在 AI 领域找到最适合的可持续发展路径。
生成式 AI 典型应用场景及案例:
消费零售——涵盖社群智能线索、营销热点追踪、智能生产计划、销售趋势分析、AI 短视频生成、智能售后机器人等应用场景。例如,全国乳品行业龙头企业飞鹤乳业,携手火山引擎搭建 AI 能力中台,定制基于智能体驱动的鹤小飞企业形象,支持消费者问答场景,响应率达100%,提升用户体验和业务管理效率。
金融——使用 AI 知识理解能力可支持复杂金融产品的培训和销售,生成个性化金融服务方案,提高工作效率并降低出错风险。例如,海尔消金是中国首家由产业发起设立的产融结合消费金融公司,联合火山引擎打造金融大模型,实现90%以上的业务场景智能化,在信贷资产管理场景,资产管理人员能够精准识别客户意图。
汽车——可使用 AI 进行海量线索培育和销售跟进支持,弥补员工多媒体创作能力、实现全民营销,并持续优化服务质量,放大维保需求。例如,奇瑞集团旗下捷途汽车,是最快达成百万销量的中国新锐 SUV 品牌,借助豆包大模型打造智能客服“AI 小捷”,实现24小时不间断服务响应,提升用户满意度和销售效率。
医药大健康——包括虚拟专家智能诊断、风险筛查报告生成、医疗文献智能检索、就诊流程优化等应用场景。北京协和医院基于豆包大模型和 HiAgent 研发智能运维助手和 HIS 指南针智能助手,减轻信息中心压力,极大提升医护人员的工作效率和服务质量。
智能终端——终端设备 AI 效率工具能够大幅提升用户体验和效率,AI 生成能力则能辅助广告客户快速生产和投放素材。OPPO 整合火山方舟和豆包大模型技术,创建多样化 AI 智能体矩阵,并部署在FindX7等机型上,显著提升了 AI 手机的交互能力,推动 OPPO“1+N”智能体生态战略的实施。
教育和科研——AI 可协助完成复杂事务流程,降低教学资料编写压力,提供个性化评估和教育。南开大学运用大模型技术,实现了个性化学习路径推荐、快速科研文献搜索分析及智能化服务管理,显著提升了教学质量、科研效率和管理服务水平,打造了智慧校园新典范。
制造——使用 AI 辅助原型设计、增进沟通效率,还可进行多维数据分析,实时动态调配资源、优化能耗。某跨国能源管理公司利用生成式 AI 技术,成功改进了企业内部信息搜索的交互方式,用户能够快速精准地获取所需信息,显著提升了信息流通和决策效率。
B2B企服——AI 可辅助供应链市场洞察报告创建,提升产品服务质量和效率。例如,物流科技服务商 G7 易流,客户覆盖超80%上游头部货主和35,000+下游中小物流企业,借助豆包大模型打造“智能接单”机器人后,让录单工作变得更高效、便利,接单效率提升高达75%。
03
生成式AI落地需攻克六大挑战
然而,当关注点都聚焦在生成式 AI 带来巨大收益的同时,真正落地技术仍旧面临着诸多挑战。基于充分的市场洞察,《白皮书》总结出目前企业落地生成式 AI 时需要攻克的六大难关,并一一给出应对之策。包括:
· 评估创新价值,获取项目资源
· 场景选择难,失败率高
· AI 基础设施构建慢,要完成快速启动
· 做好 AI 项目的落地准备工作
· 要有规划,也要速赢,快速补齐能力差距
· 形成自下而上的全民创新环境
04
“八步走”落地AI大模型项目
优秀的企业现在就该着手做好全方位的战略准备,经过观察梳理,《白皮书》建议企业在实施生成式 AI 项目时采取结构化和流程化的方法,分为八个步骤系统性地接入大模型。
为了帮助企业制定符合自身实际情况的 AI 发展路线图,《白皮书》还提出企业 AI 成熟度框架。该框架从人才、科技、商业、数字化应用、流程和知识六个维度,对企业的 AI 成熟度进行划分和梳理,帮助企业清晰了解自身 AI 应用阶段,并参考关键指标和行动建议,稳步推进 AI 转型。
生成式 AI 引领的智能革命已经开启,企业需要以开放、创新的心态拥抱变革。火山引擎将持续实现技术突破和落地最佳实践,与更多企业管理者一起携手前行,助其在 AI 创新道路上走得更稳、更远,开创全新的商业版图。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。