2025年趋势观察：生成式人工智能

Omdia观点: 

Omdia 预测，生成式人工智能（生成式 AI）将从2023年的总 AI 市场的9%（68亿美元）增至2029年市场的三分之一（73亿美元）。生成式AI市场预计在2024年增长一倍以上，达到146亿美元，而且到2029年，以38%的CAGR增长。在市场成熟度和采用方面，如今的生成式AI市场规模是约五年前整个AI市场的规模。然而，生成式AI的初始增长更强，且成熟的速度快于传统AI市场。

Omdia的《2024年人工智能市场成熟度调查》显示，34%的受访者提到，生成式AI是AI最重要的投资驱动因素。同一调查报告称，6%的企业已经跨多个业务功能扩大生成式AI的规模，而17%的企业在至少一个业务功能或单元拥有活跃的生成式AI部署。收入超过10亿美元的大型公司正在推动大规模的生成式AI部署（10%），而北美是大规模部署生成式AI的领先地区（12%）。

然而，虽然生成式AI增长非常迅速，其相比于传统预测性AI来说仍是一个小型市场。生成式AI不太可能完全取代预测性AI市场。传统AI执行许多自动化和预测性任务，这些任务不需要生成式大模型承担重任。

主要信息

• 企业重新调整生成式AI。过去两年，人们见证了企业经历生成式AI炒作的浪潮，出现了对其能力和不足的更实用的理解。虽然围绕生成式AI的乐观态度仍然顽强，但是2025年会看到向更可衡量的方法的转变。企业将聚焦生成式AI举措的投资回报（ROI），并需要供应商解决方案提供更高的价值。

• 虚弱的AI治理使企业陷入困境。企业正在努力掌握负责任的AI（RAI）和AI治理。它们失望于不完整的或虚弱的组织结构无法支持RAI，且对工作空间中生成式AI的监管不足，而且企业在困扰于监管合规性的同时，正采用分散且不一致的方法来实现RAI/治理机制。

  
  

• 代理AI的前景与危险。迫切希望兑现生成式AI仍未实现的承诺，技术领导者和创新者都积极促进将生成式AI用于驱动代理系统，该系统能够将复杂的多步骤工作流自动化，无需或极少人类参与。企业是否准备好将业务交由AI控制？

  
  

• 管理新兴的生成式AI安全风险。成熟的企业精通于降低预测性AI安全风险，如数据泄露和模型中毒。这些企业正在努力接受特定于生成AI解决方案的更广阔和更微妙的攻击面，在那里，模型能够被诱导披露企业IP或生成错误信息。

  
  

• 生成式AI进入边缘。AI PC和AI智能手机说明，边缘设备和生成式AI是一个令人兴奋的组合，能带来增强的用户体验、个性化和上下文感知。然而，成功的实施需要一系列先进的技术，如LLM优化、高能效边缘AI芯片组、多模态生成式AI以及代理AI。

给企业的建议

• 企业必须建立RAI的标准和关键绩效指标（KPI）。生成式AI已放大了RAI的挑战，并强化了解决这些问题的努力。然而，如果缺乏目标标准和KPI，RAI举措是削弱的。这些标准和KPI提供一种结构化且可衡量的方式来评估RAI进程和成功，识别差距并确保问责。标准和KPI将RAI从概念承诺转变为实际可行的框架。这对于内部自愿AI原则来说尤其重要，这些原则可能很难操作，并能以自服务的方式解读。

  
  

• 促进安全AI创新的公司范围的文化：认识到生成式AI采用不仅是技术转变，也更是组织转型，将改变每个部门、成本中心、项目和员工考虑负责任地使用生成式AI的方式。当然，全面的使用政策将协助缓解对安全风险的接触。因此，公司应创建代表公司整体的跨职能团队（不仅是IT或独立的项目发起人），从而建立生成式AI安全和合规标准。

  
  

• 开发针对特定商业案例定制的全面端到端边缘生成式AI工作流。企业必须首先识别边缘生成式AI的商业用例。然后，企业需要选择合适的硬件平台并构建自身在生成式AI训练和优化方面的专业知识。最后，企业需要为边缘设备建立GenAIOps。

  
  

• 你能够用在用户机器上运行的较小模型来做这个吗？开发AI应用的所有人都应问这个问题。推出软件而非云服务已大幅提高单位经济效益，尤其是使用高盈利的GPU示例类型时。新型的小模型明显强大并快速改进。

给供应商的建议

• 加大AI治理力度。许多企业正在努力地支持RAI，而且监管AI合规需要提升。供应商能够利用与独特的RAI和合规要求（例如，基于垂直行业、特定用例和国家层面立法决定的需求）一致的功能来加强其AI治理主张。供应商还应提供根据较小企业的需求定制的AI治理解决方案，因为Omdia调查数据显示，收入低于2.5亿美元的公司中仅37%遵守现有AI法规。

  
  

• 拥抱安全生成式AI编排：开发通过信任鼓励生成式AI采用的AI平台，直接解决企业围绕模型和基础设施层面的安全、治理和可靠性的顾虑。市场需要能够将生成式AI从潜在危险的努力转变为可信任的综合商业合作伙伴的解决方案。

  
  

• 设计可互操作的生成式AI基础设施：开发允许无缝替换生成式AI资产的解决方案，最重要的是大型语言模型（LLM）本身。为快速创新，尤其是支持复杂甚至代理用例，企业建设者必须快速且无缝地替换并整合分散的数据资源、框架和模型，而不必重构代码或重建管道。目标部署平台也是如此。“一旦编写，到处推理”的能力会是前进的关键竞争差异化因素。

  
  

• 在产品和服务路线图中纳入对大规模采用边缘生成式AI的支持。芯片组供应商必须为边缘生成式AI开发者创建工具、库和设备支持。它们也应与生成式AI开发平台供应商及软件供应商合作，从而使其硬件得到优化以支持边缘特定模型和应用。

  
  

• 准备好应对从模型移至数据准备的复杂性。如果“所有你需要的都是token”方法有效，多模态AI将需要相对更多CPU计算，以便token化、数据准备和RAG。

文章版权和解释权归微信平台Omdia所有

Omdia隶属于Informa TechTarget, Inc. (纳斯达克代码: TTGT)，是一家专注于技术研究与咨询的机构。通过深刻的科技市场洞察力和可操作的建议，Omdia帮助组织做出明智的增长决策。如您想了解更多有关Omdia的最新研究成果，请浏览Omdia官方网站或通过电子邮件联系我们。