新火種
2024-12-02 
2024年AI投資千億！OpenAI市場份額下降16%，Anthropic谷歌雙贏
編輯：LRS
【新智元導讀】2024年，企業對AI的投資激增至138億美元，顯示了行業從實驗到實際應用的轉變，AI技術正逐漸滲透到各行業核心，推動效率和創新。同時，企業在AI應用上趨向于采用多模型策略，且越來越重視自主智能體技術。
2024即將結束，今年依然是AI發展突飛猛進的一年，市場前景也變得更加清晰。
最近，風投公司Menlo Ventures的三位合伙人和投資者發布了一報告，調查了600名美國企業IT決策者，全面揭示了AI產業的現狀。
作者列表：Tim Tully, Joff Redfern, Derek Xiao
報告鏈接：https://menlovc.com/2024-the-state-of-generative-ai-in-the-enterprise/
2023年報告：https://menlovc.com/2023-the-state-of-generative-ai-in-the-enterprise-report/
總的來說，2024年的人工智能投資激增至138億美元，是2023年23億美元的六倍多，表明企業正在從實驗階段轉向執行階段，切實地將人工智能嵌入到核心商業戰略中。
支出的激增也反映了組織的樂觀情緒：72%的決策者預計在不久的將來會更廣泛地采用生成式人工智能工具，而且這些工具已經走入了程序員、醫療保健等專業人員的日常工作中。
盡管前景樂觀且投資不斷增加，但許多決策者仍不清楚到底什么是對自己企業有利的，超過三分之一的受訪者對于如何在其組織中實施生成式人工智能沒有明確的愿景。
我們仍處于大規模轉型的早期階段，企業領導者才剛剛開始認識到生成型人工智能將對其組織產生的深遠影響。
應用層正在升溫2024年，大部分AI大事件都發生在「應用程序」層，利用LLMs跨領域的能力來提升效率。
投資者在全年面向應用層投入46億美元，比去年的6億美元增長了近8倍。
在公司側，企業家的目標也更高了，公司不僅增加了支出，想法也變多了，平均每個企業都確定了10個潛在用例，其中近四分之一（24%）被優先考慮在近期實施；只有少數用例在生產中，而其中三分之一仍處于原型設計和評估階段（33%）。
最有價值的用例雖然AI應用仍然是一片實驗場，但部分應用場景下，已經證實了其能夠提高生產力和運營效率。
Code Copilots
以51%的采用率遙遙領先，也使得開發人員成為了AI領域最早的資深用戶。
GitHub Copilot的收入迅速攀升至3億美元，Codeium和Cursor等新興工具也在快速增長。
除了通用編碼助手之外，企業還會購買特定任務的編程助手應用，例如Harness的AI DevOps Engineer、可用于管道生成和測試自動化的QA助理，以及類似All Hands這樣能夠執行更多端到端操作的AI智能體軟件開發。
Support chatbots
企業采用率為31%，可以為內部員工和外部客戶提供可靠、24/7、基于知識的支持，產品包括Aisera、Decagon和Sierra，能夠直接與終端客戶互動；Observe AI在通話期間為聯絡中心座席提供實時指導。
企業搜索/檢索+數據提取/轉換
采用率分別為28%和27%，企業需要利用上數據孤島中的寶貴知識。
Glean和Sana等解決方案可連接到電子郵件、即時通訊工具和文檔存儲，從而實現跨不同系統的統一語義搜索，并提供基于AI的知識管理能力。
會議總結
在使用案例中排名第五，采用率為24%，通過自動化生成筆記和要點來節省時間并提高生產力。
產品包括Fireflies.ai、Otter.ai和Sana等，能夠捕獲并總結在線會議；Fathom從視頻中提取關鍵點；Eleos Health將這一創新應用于醫療保健，自動化記錄時間并直接與EHR集成，以便醫療保健提供者可以專注于患者護理。
智能體當前的實踐模式表明，與完全自動化相比，用戶更傾向于輔助增強人工流程，但行業目前正在向更加自主、完全自動化的解決方案進行過渡。
現有工具包括金融后臺工作流程Forge、Sema4，以及上市工具Clay，展現了「完全自主的生成式人工智能系統」能夠改變傳統上以人類為主導的部門，有望走向未來「服務即軟件」（Services-as-Software）的時代。
自研還是買？兩種方案的公司比例幾乎持平：47%的公司選擇內部開發，53%選擇供應商。
與2023年相比，變化相當明顯，當時80%的企業仍然依賴第三方生成式人工智能軟件，表明現在的企業越來越有信心和能力建立自己的內部AI工具。
AI是一場長期游戲只有1%的買家將低價作為主要關注點，現在企業更關注那些能夠提供可衡量價值（30%）并具有獨特研發背景（26%）的AI工具。
不過，雖然價格不是主要考慮因素，但還是有不少買家（26%）低估了AI的使用成本，導致AI戰略失敗；數據隱私障礙 (21%) 和過低投資回報 (ROI) (18%) 是次要原因；在技術方面，主要影響因素是模型幻覺（15%）。
在規劃和選擇階段主動解決這些潛在陷阱，可以增加成功的可能性。
老牌公司不香了雖然64%的客戶仍然更喜歡從老牌供應商那里購買產品，理由是「信任」和「開箱即用」的功能，但趨勢已經開始發生變化。
18%的決策者對現有產品表示失望；40% 的受訪者質疑大公司當前的解決方案無法真正滿足需求，表明創新型初創公司有很大的機會介入，并提供更貼合用戶需求的服務。
AI生態破圈除了更大的規模外，生成式AI已經開始破圈，企業內各個部門都開始增加了AI工具的預算。
不過技術部門仍然占據了最大的支出份額，其中 IT (22%)、產品+工程 (19%) 和數據科學 (8%) ，合計占所有投資的近一半。
剩余預算主要分配給面向客戶的職能部門，如支持 (9%)、銷售 (8%) 和營銷 (7%)、包括人力資源和財務在內的后臺團隊（各 7%），以及較小的部門，如設計 ( 6%）和法律（3%）。
垂直AI應用興起第一個生成式人工智能應用是用于文本和圖像生成的橫向解決方案，但到了2024年，越來越多的垂直領域得到擴展。
醫療保健
以5億美元的企業支出引領生成式AI應用：Abridge、Ambience、Heidi和Eleos Health等環境抄寫器（aimbient scribes）已經成了醫生辦公室的主要產品；自動化解決方案也在整個臨床生命周期中不斷涌現，從分類和攝入（Notable ）到編碼（SmarterDx、Codametrix），再到收入周期管理（Adonis、Rivet）。
法律
歷來最抵制技術的法律行業，其企業人工智能支出也達到3.5億美元，主要用生成式AI來管理大量非結構化數據并自動化復雜的、基于模式的工作流程，大致可以分為訴訟法和交易法。
Everlaw植根于訴訟，專注于法律保留、電子證據開示和審判準備；Harvey和Spellbook則通過合同審查、法律研究和并購解決方案推進交易法。
具體的實踐領域也有針對性的人工智能創新：EvenUp專注于傷害法，Garden專注于專利和知識產權，Manifest專注于移民和就業法，Eve則重新發明（re-invent）從客戶接收到解決的原告案件工作。
金融服務
憑借其復雜的數據、嚴格的法規和關鍵的工作流程，金融服務的支出也達到了1 億美元。
Numeric和Klarity等初創公司正在徹底改變會計行業；Arkifi和Rogo通過先進的數據提取加速金融研究；Arch正在使用人工智能來擾亂RIA和投資基金的后臺流程；Orby和Sema4是從對賬和報告開始的，提供更廣泛的橫向解決方案；Greenlite和Norm AI提供實時合規性監控，以跟上不斷變化的法規。
媒體和娛樂
從好萊塢的大屏幕到智能手機，生成式 AI 正在重塑媒體和娛樂，支出達1億美元。Runway已經是工作室級別的工具；Captions和Descript為獨立創作者提供了支持；Black Forest Labs、Higgsfield、Ideogram、Midjourney和Pika等平臺讓普通人也能擁有專業的圖像和視頻創作能力。
基礎設施和現代人工智能堆棧經過一年的快速發展，AI技術堆棧也逐漸趨于穩定。
基礎模型仍然占主導地位，LLM層需要65億美元的企業投資。
通過反復試驗，企業越來越了解數據腳手架（data scaffold）和復合架構方面的重要性，更重視在生產中可靠地執行，而不僅僅是一次性演示。
LLM趨勢：多模型策略盛行企業不再依賴單一提供商，而是采用務實的多模型方法。
研究表明，組織通常在其人工智能堆棧中部署三個或更多基礎模型，然后根據用例或結果路由到不同模型。
目前81%的市場方案為閉源模型，而開源替代方案（以Meta的Llama 3為首）穩定在19%，比2023年僅下降了1個百分點。
在閉源模型中， OpenAI的先發優勢有所削弱，企業市場份額從50%下降至34%，一些企業在選擇模型時從GPT-4轉向Claude 3.5 Sonnet，主要受益者Anthropic的企業占有率從12%翻了一番至24%
當選擇新模型時，企業的主要考慮因素包括安全 (46%)、價格 (44%)、性能 (42%) 和擴展功能 (41%) 。
設計模式：RAG，而非微調企業人工智能設計模式——用于構建高效、可擴展人工智能系統的標準化架構——正在迅速發展。
RAG（檢索增強生成）目前以51%的采用率占據主導地位，比去年的31%大幅上升；而之前常用的微調，尤其是在領先的應用程序提供商中，已經非常少見了，大約只有9%的生產模型進行了微調。
智能體架構也開始發力，在12%的實踐場景中提供技術支持。
矢量數據庫、ETL和數據管道：RAG的基礎為了支持 RAG，企業必須有效地存儲和訪問相關查詢知識。
雖然Postgres (15%) 和MongoDB (14%) 等傳統數據庫仍然很常見，但人工智能原生矢量數據庫也開始普及，Pinecone已占據18%的市場份額。
傳統ETL平臺（如Azure 文檔智能）仍占部署的28%，但Unstructe等專用工具（處理PDF和HTML等文檔中非結構化數據）也占據了16%的市場份額。
預測智能體將推動下一波AI架構轉型
智能體自動化（agentic automation）可以處理復雜的多步驟任務，而這些任務無法被當前專注于「內容生成」和「知識檢索」的系統所解決。
Clay和Forge等平臺的成功，證明了先進的智能體可以擾亂4000億美元的軟件市場，并蠶食10萬億美元的美國服務經濟。
但這種轉變需要新的基礎設施：智能體身份驗證、工具集成平臺、人工智能瀏覽器框架以及人工智能生成代碼的專用運行時。
更多「上位者」倒臺
ChatGPT今年戰績斐然：Chegg 的市值蒸發了85%，Stack Overflow的網絡流量減半。
其他類別的顛覆時機也已經成熟，像Cognizan這樣IT外包公司和UiPath等傳統自動化公司也應該對AI顛覆做好準備。
隨著時間的推移，即使是Salesforce和Autodesk這樣的軟件巨頭也將面臨人工智能原生的挑戰者。
沒有緩解的跡象：AI人才短缺加劇
隨著人工智能系統的激增，且變得越來越復雜，行業目前還處于大規模人才短缺的邊緣，科技行業將面臨嚴重的稀缺。
不僅僅是數據科學家的短缺，能夠將先進的人工智能能力與特定領域的專業知識聯系起來的專家也嚴重不足。
人才庫已經低得危險。
Tags:
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
