2024年，國內(nèi)人工智能領(lǐng)域熱議的焦點(diǎn)之一便是大模型在產(chǎn)業(yè)中的應(yīng)用。 政府工作報告明確指出，將深入推進(jìn)大數(shù)據(jù)、人工智能等技術(shù)的研發(fā)與應(yīng)用，實施“人工智能+”戰(zhàn)略，旨在打造全球領(lǐng)先的數(shù)字產(chǎn)業(yè)集群。這一決策體現(xiàn)了我國對人工智能產(chǎn)業(yè)發(fā)展的深思熟慮和堅定決心。

近年來，中國科技巨頭紛紛加大在大模型領(lǐng)域的投入，不僅每周公布研發(fā)進(jìn)展，還積極尋求跨行業(yè)合作，以加速技術(shù)成果的轉(zhuǎn)化和應(yīng)用。盡管在底層通用大模型方面，我們與OpenAI等國際頂尖企業(yè)仍存在一定差距，但在多模態(tài)技術(shù)創(chuàng)新和應(yīng)用場景落地方面，中國公司展現(xiàn)出了巨大潛力。

英偉達(dá)高級科學(xué)家Jim Fa對2024年的人工智能發(fā)展充滿信心。他認(rèn)為，雖然我們不能立刻取得勝利，但我們已經(jīng)踏上了通往勝利的道路。他特別提到了多模態(tài)LLM（大型語言模型）的發(fā)展，認(rèn)為以機(jī)械臂為代表的物理輸入/輸出設(shè)備將實現(xiàn)重大突破。同時，他還強(qiáng)調(diào)了數(shù)據(jù)集研究的多樣化以及模擬和合成數(shù)據(jù)在解決機(jī)器人靈巧性和計算機(jī)視覺問題中的關(guān)鍵作用。

在這個關(guān)鍵時刻，“AI+”戰(zhàn)略的提出恰逢其時。數(shù)字經(jīng)濟(jì)應(yīng)用實踐專家駱仁童博士認(rèn)為，這不僅僅是一個簡單的概念或口號，而是對產(chǎn)業(yè)變革的深刻認(rèn)識和積極應(yīng)對。正如“互聯(lián)網(wǎng)+”在十年前引領(lǐng)了傳統(tǒng)產(chǎn)業(yè)的轉(zhuǎn)型升級一樣，“AI+”將在新的時代背景下推動所有產(chǎn)業(yè)進(jìn)行全方位、深層次的重塑和創(chuàng)新。

從“互聯(lián)網(wǎng)+”時代的初步探索，到產(chǎn)業(yè)互聯(lián)網(wǎng)的深入布局，再到數(shù)字化浪潮的全面推進(jìn)，直至今日“AI+”時代的崛起，這一系列發(fā)展歷程猶如一個個堅實的階梯，引領(lǐng)我們逐步攀登科技高峰。若非自2020年以來數(shù)字化進(jìn)程的飛速發(fā)展，我們或許已在智能化的大潮中失掉了一張重要的王牌。

人工智能的三大核心要素——算法、算力和數(shù)據(jù)，對于大多數(shù)實體企業(yè)而言，前兩者并非其所長。 然而，對于我們來說，這些年來積累的海量數(shù)據(jù)，卻成為了“AI+”時代最寶貴的“飼料”。

國內(nèi)一家知名女鞋企業(yè)便是其中的佼佼者，他們正在積極探索人工智能在業(yè)務(wù)中的實際應(yīng)用，并在一些潮流鞋款的設(shè)計中嘗試運(yùn)用行業(yè)大模型。

這家企業(yè)此前已經(jīng)打造了一個從生產(chǎn)制造到研發(fā)設(shè)計，從品牌塑造到零售終端的完整數(shù)字化體系。而今，這個體系為他們邁向“AI+”時代奠定了堅實的基礎(chǔ)。憑借強(qiáng)大的數(shù)字化能力，該公司形成了三大核心競爭力：全渠道的客戶運(yùn)營、數(shù)字驅(qū)動的智能化運(yùn)營以及全價值鏈的快速精準(zhǔn)反應(yīng)。這三者相互協(xié)同，大幅提升了公司的運(yùn)營效率。

從客戶端到制造端，該企業(yè)旗下19個品牌、7個生產(chǎn)基地、8000多家門店以及上百個直播間的帶貨矩陣之間，實現(xiàn)了無縫對接和快速響應(yīng)。鞋的核心價值在于舒適性，為此，該企業(yè)充分利用腳型數(shù)據(jù)庫建立了相應(yīng)的技術(shù)標(biāo)準(zhǔn)迭代，以提供更符合消費(fèi)者需求的舒適產(chǎn)品。在這個過程中，他們積累了大量的行業(yè)數(shù)據(jù)、客戶數(shù)據(jù)和設(shè)備數(shù)據(jù)，并自主研發(fā)了數(shù)字化中臺。

當(dāng)嘗試將AI應(yīng)用于設(shè)計領(lǐng)域時，他們發(fā)現(xiàn)雖然公域數(shù)據(jù)具有豐富性和多樣性，但由于其過于嘈雜和分散，難以滿足精準(zhǔn)設(shè)計的需求。對于獨(dú)特風(fēng)格的設(shè)計，如機(jī)甲風(fēng)休閑鞋等，可以借助通用大模型進(jìn)行輔助，因為其定位明確且目標(biāo)客群相對狹窄。設(shè)計師只需輸入幾個關(guān)鍵詞，便能獲得一些選型建議作為參考。然而，對于大型品牌的設(shè)計而言，智能化則必須緊密結(jié)合自身的私域數(shù)據(jù)進(jìn)行精準(zhǔn)調(diào)校才能實現(xiàn)有效訓(xùn)練。

因此，這家女鞋企業(yè)深刻體會到：在邁向“AI+”時代的道路上，如果沒有先搭建好數(shù)字化中臺的能力作為支撐那么一切美好愿景都只能是空中樓閣。

面對AI+時代的浪潮，高質(zhì)量的行業(yè)數(shù)據(jù)猶如一座難以逾越的高山，尤其是在工業(yè)、零售等錯綜復(fù)雜的場景中。 當(dāng)前，我們尚缺乏足夠的數(shù)據(jù)來訓(xùn)練出能夠適應(yīng)B端需求的通用大模型，從而推動智能體不斷自我進(jìn)化。與非具身智能不同，具身智能需要緊密地與本體綁定，并在真實環(huán)境中進(jìn)行部署才能采集到數(shù)據(jù)。如果機(jī)器人沒有真正投入到實際操作中，那么我們就無法獲取到大量的運(yùn)行數(shù)據(jù)。雖然大模型和思維鏈能力的出現(xiàn)使得部分任務(wù)可以通過零樣本學(xué)習(xí)來完成，但是對于關(guān)鍵業(yè)務(wù)來說，我們?nèi)匀恍枰蕾嚫哔|(zhì)量的垂域數(shù)據(jù)。

谷歌在2022年底推出的Robotics Transformer 1（簡稱RT-1）就是一個典型的例子。谷歌將RT-1應(yīng)用于機(jī)器人模型中，但此前也曾面臨過缺乏大規(guī)模與多樣化機(jī)器人數(shù)據(jù)的難題。這種數(shù)據(jù)匱乏不僅限制了模型吸收廣泛機(jī)器人經(jīng)驗的能力，還使得模型難以找到能夠從此類數(shù)據(jù)集中學(xué)習(xí)、并有效泛化的強(qiáng)大、可擴(kuò)展且快速的實時推理模型。為了解決這個問題，谷歌利用了RT-1機(jī)器人演示數(shù)據(jù)，這些數(shù)據(jù)是在17個月內(nèi)由13個機(jī)器人在辦公室和廚房環(huán)境中收集的，涵蓋了700多項任務(wù)。

然而，在中國，盡管得益于“互聯(lián)網(wǎng)+”戰(zhàn)略，企業(yè)們已經(jīng)打下了良好的數(shù)據(jù)基礎(chǔ)，但能夠建立起線上線下全閉環(huán)數(shù)字化能力的公司依然鳳毛麟角。即使是那些數(shù)字化程度最高的樣板公司，也往往無法將全鏈路數(shù)字化戰(zhàn)略有效地落實到終端店鋪或車間的具體行動中。這其中的原因在于，終端工人和銷售人員往往缺乏技術(shù)背景，導(dǎo)致數(shù)字化在終端實現(xiàn)高轉(zhuǎn)化變得異常困難。

隨著智能化的不斷發(fā)展，數(shù)字化轉(zhuǎn)型也變得愈發(fā)緊迫。那些在數(shù)字化轉(zhuǎn)型方面表現(xiàn)不佳的企業(yè)，無法寄希望于直接跳過這一環(huán)節(jié)。根據(jù)一項最新研究顯示，如今已有高達(dá)93%的公司采用或計劃采用數(shù)字化轉(zhuǎn)型戰(zhàn)略。這一戰(zhàn)略的核心目標(biāo)在于加速流程和提升業(yè)務(wù)成果。因此，對于那些仍在為如何應(yīng)對AI+時代的挑戰(zhàn)而苦惱的企業(yè)來說，積極擁抱數(shù)字化轉(zhuǎn)型無疑是一條通往成功的必由之路。

在項目的實際設(shè)計階段之前，數(shù)據(jù)工作已成為數(shù)據(jù)優(yōu)先方法這一策略的核心組成部分。與此相反，大多數(shù)組織在轉(zhuǎn)型過程中往往忽視了這一點(diǎn)。遺憾的是，它們常常在啟動轉(zhuǎn)型活動之前尚未解決數(shù)據(jù)質(zhì)量、規(guī)模和范圍等問題。實際上，數(shù)據(jù)治理應(yīng)該先于AI戰(zhàn)略，而不僅僅是在問題出現(xiàn)時才在現(xiàn)有系統(tǒng)中進(jìn)行修復(fù)。

過去，在全球設(shè)計完成之前開始數(shù)據(jù)工作是極其困難的，但現(xiàn)在，隨著現(xiàn)代工具的發(fā)展，這已變得可行。這些工具允許我們提前開始數(shù)據(jù)管理工作，確保數(shù)據(jù)能夠支持?jǐn)?shù)字化轉(zhuǎn)型項目的承諾，并推動真正的價值。

如果數(shù)據(jù)不是核心，那么在進(jìn)行數(shù)字化轉(zhuǎn)型時，你也必須進(jìn)行數(shù)據(jù)轉(zhuǎn)型。未能早期解決數(shù)據(jù)問題可能會導(dǎo)致項目延誤、分析不可靠、成本超支甚至失敗。據(jù)最近的麥肯錫報告顯示，到明年，組織將在浪費(fèi)的數(shù)據(jù)遷移上花費(fèi)約1000億美元。

數(shù)據(jù)管理的復(fù)雜性常常被歸咎于IT領(lǐng)導(dǎo)與業(yè)務(wù)部門之間的責(zé)任劃分不清，導(dǎo)致該領(lǐng)域未能得到應(yīng)有的重視。這種復(fù)雜性限制了組織的敏捷性，增加了風(fēng)險，并降低了創(chuàng)新能力。根據(jù)Enterprise Strategy Group和HPE的一項調(diào)查，74%的參與者表示，讓他們的數(shù)據(jù)管理流程跟上業(yè)務(wù)不斷加快的步伐是一個持續(xù)的挑戰(zhàn)。

此外，將數(shù)據(jù)工作僅視為技術(shù)挑戰(zhàn)是一個常見誤區(qū)。實際上，每個商業(yè)問題都與數(shù)據(jù)密切相關(guān)。因此，要成功解決這些項目，我們需要整合商業(yè)和技術(shù)專長。通過在項目初期重視并投入數(shù)據(jù)工作，組織可以為數(shù)字化轉(zhuǎn)型奠定堅實基礎(chǔ)，從而實現(xiàn)更高效、更有價值的業(yè)務(wù)成果。

公司AI的成功關(guān)鍵在于數(shù)據(jù)的質(zhì)量和領(lǐng)導(dǎo)層的堅定支持。 一項調(diào)查顯示，87%的分析和IT領(lǐng)導(dǎo)者認(rèn)為，AI的發(fā)展使得數(shù)據(jù)管理變得至關(guān)重要；而92%的人則表示對可靠數(shù)據(jù)的需求比以往任何時候都更加迫切。因此，要想在AI領(lǐng)域取得成功，必須在數(shù)字化轉(zhuǎn)型項目啟動前先行處理好數(shù)據(jù)問題，并以高質(zhì)量數(shù)據(jù)作為首要目標(biāo)。這對于那些希望利用生成式AI進(jìn)行創(chuàng)新和創(chuàng)造價值的組織來說尤為重要。

數(shù)據(jù)轉(zhuǎn)型是數(shù)字化轉(zhuǎn)型的核心。 數(shù)字經(jīng)濟(jì)應(yīng)用實踐專家駱仁童博士指出，缺乏高質(zhì)量數(shù)據(jù)，組織可能會面臨諸多挑戰(zhàn)，如產(chǎn)生偏見的結(jié)果、無效的“指導(dǎo)”以及錯誤的建議等，這些都可能對品牌聲譽(yù)造成嚴(yán)重?fù)p害。為了避免這些風(fēng)險，遵循最佳實踐至關(guān)重要，這將有助于組織在競爭中保持領(lǐng)先地位。

值得注意的是，有研究顯示，37%的參與者認(rèn)為首席執(zhí)行官和董事會阻礙了公司的數(shù)字化轉(zhuǎn)型項目，而高級管理團(tuán)隊也位列其中，占比達(dá)到32%。因此，在啟動以數(shù)據(jù)為先的轉(zhuǎn)型倡議之前，確保獲得領(lǐng)導(dǎo)層的全力支持至關(guān)重要。

總之，數(shù)據(jù)優(yōu)先的數(shù)字化轉(zhuǎn)型是實現(xiàn)AI成功的關(guān)鍵。采用這種方法時，領(lǐng)導(dǎo)者及其團(tuán)隊?wèi)?yīng)在數(shù)字化轉(zhuǎn)型努力開始之前優(yōu)先考慮數(shù)據(jù)治理。通過確保領(lǐng)導(dǎo)層的全程參與和支持，以及將高質(zhì)量數(shù)據(jù)作為首要目標(biāo)，組織可以避免許多潛在的風(fēng)險和損失，并在激烈的市場競爭中脫穎而出。

商道童言（Innovationcases）歡迎點(diǎn)贊和分享哦！~~

免費(fèi)電子書： | | | |

數(shù)字經(jīng)濟(jì)應(yīng)用實踐專家 駱仁童主講課程

人工智能：

數(shù)字應(yīng)用：

數(shù)字中國：

數(shù)字化轉(zhuǎn)型：》

產(chǎn)業(yè)數(shù)字化：《》

宏觀與趨勢：

思維與技能：》

創(chuàng)新與創(chuàng)業(yè)：