2024年，AI落地的真實(shí)情況是什么？

投資過Anthropic、Uber、Roku、Siri等公司的美國(guó)老牌VC「Menlo Ventures」的調(diào)查顯示：

2024年，企業(yè)的AI支出達(dá)到了138億美金，是去年23億美金的6倍。而且，AI Coding相關(guān)產(chǎn)品的采用率達(dá)到了51%。

這份報(bào)告的數(shù)據(jù)，來(lái)自Menlo Ventures近期對(duì)600名企業(yè)IT決策者進(jìn)行的調(diào)查。這些樣本企業(yè)的規(guī)模不算小，每家最少擁有50名員工。

Menlo，是成立于1976年的風(fēng)險(xiǎn)投資與私募股權(quán)公司，總部位于舊金山，創(chuàng)造了超過100億美元的回報(bào)。

Menlo簡(jiǎn)介這兩年它加大了對(duì)新一代人工智能初創(chuàng)公司的投資，典型案例包括Anthropic、Pinecone、Typeface、Sana等。

Menlo的AI投資案例今年7月 ，Menlo 還與Anthropic 聯(lián)手設(shè)立一項(xiàng)名為“Anthology Fund”的 1 億美元基金，用于投資種子前、種子期和 A 輪的 AI 初創(chuàng)公司。Anthology Fund 的資金是從 Menlo 最新的 13.5 億美元投資基金中分拆出來(lái)的。

它將為初創(chuàng)企業(yè)提供10萬(wàn)美元起步的投資，以及25萬(wàn)美元的信用額度以使用Anthropic的模型。2023年，Menlo首次發(fā)布了《企業(yè)中生成AI的現(xiàn)狀報(bào)告》。在2024年的同題報(bào)告中，Menlo進(jìn)行了兩年的數(shù)據(jù)對(duì)比。報(bào)告還提示了AI 最有價(jià)值的 4 個(gè)應(yīng)用場(chǎng)景，以及三個(gè)未來(lái)預(yù)測(cè)。

值得關(guān)注的數(shù)據(jù)

• 2024年企業(yè)在 AI 的支出達(dá)到了 138 億美金，是去年 23 億美金的 6 倍。
• 72% 的決策者預(yù)計(jì)在不久的將來(lái)，生成式人工智能工具將會(huì)被更廣泛地使用。
• 超過三分之一的受訪者對(duì)如何在組織內(nèi)實(shí)施生成式AI并沒有沒有清晰的愿景。
• 企業(yè)買家在 2024 年向生成式 AI 應(yīng)用投入了 46 億美元，幾乎比去年報(bào)告的 6 億美元增長(zhǎng)了 8 倍。
• 閉源解決方案占據(jù)了絕大多數(shù)市場(chǎng)份額，達(dá)到 81%，而開源替代方案（以 Meta 的 Llama 3 為首）則穩(wěn)定在 19%，與 2023 年相比僅下降了一個(gè)百分點(diǎn)。
• OpenAI 企業(yè)市場(chǎng)份額從 50% 降至 34%。Anthropic 的企業(yè)市場(chǎng)份額從 12% 倍增到 24%。
• 企業(yè)對(duì)生成式 AI 的投資有 60% 來(lái)自創(chuàng)新預(yù)算，這反映出生成式 AI 的應(yīng)用尚處于早期階段。但仍有40% 的生成式 AI 支出來(lái)自更長(zhǎng)期的預(yù)算（其中 58% 是從現(xiàn)有撥款中重新分配的），企業(yè)對(duì) AI 轉(zhuǎn)型的承諾日益堅(jiān)定。

AI 最有價(jià)值的4個(gè)應(yīng)用場(chǎng)景排名

Top 1： Code Copilots，采用率 51% ，它使開發(fā)人員成為 AI 最早的高級(jí)用戶。GitHub Copilot 迅速攀升至 3 億美元的營(yíng)業(yè)收入說明了Code Copilots的迅速發(fā)展， Codeium 和 Cursor 等新興工具同樣也在快速增長(zhǎng)。除了通用的編碼助手之外，企業(yè)還會(huì)購(gòu)買特定任務(wù)的 Copilot，比如Harness，這類用于管道生成和測(cè)試自動(dòng)化的 AI DevOps Engineer 和 QA Assistant工具，以及 All Hands，這類能夠執(zhí)行更多端到端軟件開發(fā)的AI 代理。

• Top 2: 支持性AI 對(duì)話機(jī)器人（Support chatbots ），采用率31%。這些應(yīng)用程序?yàn)槠髽I(yè)內(nèi)部員工和外部客戶提供可靠的、全天候的、知識(shí)型內(nèi)容的支持。Aisera、Decagon 和 Sierra 的代理直接與終端客戶互動(dòng)，而 Observe AI 則在通話期間為聯(lián)絡(luò)中心的坐席人員提供實(shí)時(shí)指導(dǎo)。

• Top 3: 企業(yè)搜索及檢索&數(shù)據(jù)提取和轉(zhuǎn)換（Enterprise search + retrieval and data extraction + transformation)，采用率分別是28% and 27%。這反映出企業(yè)有強(qiáng)烈的渴望，希望可以挖掘和利用分散在組織中各類數(shù)據(jù)孤島中隱藏的寶貴知識(shí)。這里面代表的AI 應(yīng)用有Glean 和 Sana，它們的解決方案可連接到電子郵件、即時(shí)通訊和文檔存儲(chǔ)，從而實(shí)現(xiàn)跨不同系統(tǒng)的統(tǒng)一語(yǔ)義搜索，并提供由 AI 驅(qū)動(dòng)的知識(shí)管理。

• Top 4: 會(huì)議總結(jié)（Meeting summarization ），采用率25%。通過AI驅(qū)動(dòng)的軟件自動(dòng)記錄筆記和總結(jié)摘要，可以節(jié)省時(shí)間并提高工作效率。比如，F(xiàn)ireflies.ai 、Otter.a i和 Sana 等工具可以捕獲和總結(jié)在線會(huì)議； Fathom 可以從視頻中提取要點(diǎn)；Eleos Health 則主要應(yīng)用于于醫(yī)療保健，它可以自動(dòng)完成數(shù)小時(shí)的文檔記錄并與 EHR 直接集成，讓醫(yī)療保健提供者可以更專注于患者護(hù)理。

三個(gè)預(yù)測(cè)

1. Agents 代理將推動(dòng)下一波人工智能轉(zhuǎn)型。未來(lái)，人工智能需要解決復(fù)雜、多步驟的任務(wù)，這些任務(wù)超出了當(dāng)前專注于內(nèi)容生成和知識(shí)檢索的系統(tǒng)的能力。Clay 和 Forge 等平臺(tái)已經(jīng)讓人們看到高級(jí)代理將如何顛覆價(jià)值 4000 億美元的軟件市場(chǎng)，并蠶食價(jià)值 10 萬(wàn)億美元的美國(guó)服務(wù)經(jīng)濟(jì)。這種轉(zhuǎn)變將需要新的基礎(chǔ)設(shè)施：代理身份驗(yàn)證、工具集成平臺(tái)、人工智能瀏覽器框架以及人工智能生成代碼的專用運(yùn)行環(huán)境。
2. 更多現(xiàn)有老牌企業(yè)將倒下。ChatGPT 今年對(duì) Chegg 和 Stack Overflow 的顛覆給老玩家們敲響了警鐘：Chegg 85% 的市值消失了，而 Stack Overflow 的網(wǎng)絡(luò)流量則減少了一半。其他類別的AI產(chǎn)品顛覆老玩家的時(shí)機(jī)也已成熟，比如 Cognizant 這樣的 IT 外包公司和 UiPath 這樣的傳統(tǒng)自動(dòng)化企業(yè)應(yīng)該做好準(zhǔn)備，迎接原生人工智能挑戰(zhàn)者進(jìn)入他們的市場(chǎng)。隨著時(shí)間的推移，甚至像 Salesforce 和 Autodesk 這樣的軟件巨頭也將面臨原生人工智能的挑戰(zhàn)。
3. 人工智能人才荒愈演愈烈，暫時(shí)看不到緩解的跡象。現(xiàn)在我們正處于大規(guī)模人才荒的邊緣，隨著人工智能系統(tǒng)的激增，產(chǎn)品日益復(fù)雜，科技行業(yè)將面臨嚴(yán)重的人才匱乏問題。短缺的不僅僅是數(shù)據(jù)科學(xué)家，還有能夠?qū)⑾冗M(jìn)的人工智能與特定領(lǐng)域?qū)I(yè)知識(shí)相結(jié)合的專家。人才儲(chǔ)備已經(jīng)少得可憐，競(jìng)爭(zhēng)將急劇加劇，已經(jīng)高薪聘請(qǐng)的人工智能企業(yè)架構(gòu)師的薪酬將提高 2-3 倍，也將成為一種常態(tài)。盡管企業(yè)對(duì)培訓(xùn)計(jì)劃和人工智能卓越中心進(jìn)行了投資，但人才缺口將超過這些努力帶來(lái)的人才供給，從而加劇對(duì)推動(dòng)下一波人工智能創(chuàng)新所需的有限人才的激烈競(jìng)爭(zhēng)。

報(bào)告還揭示了生成式AI在企業(yè)落地的現(xiàn)狀和趨勢(shì)，具體如下：

企業(yè)采用現(xiàn)狀

• 代理和自動(dòng)化：人工智能掌控一切 。當(dāng)前的情況表明，人們更傾向于使用AI增強(qiáng)人工工作流程，而不是完全自動(dòng)化，但也正在向更自主的解決方案過渡。能夠獨(dú)立管理復(fù)雜端到端流程的人工智能Agents的早期案例正在各個(gè)行業(yè)涌現(xiàn)。比如金融后臺(tái)工作流程中的 Forge 和Sema4 等以及 Clay 。

• 自行開發(fā)還是購(gòu)買？具體問題具體分析 。在決定自建還是購(gòu)買時(shí)，企業(yè)發(fā)現(xiàn)兩者的比例幾乎持平的，有47% 的解決方案是內(nèi)部開發(fā)的，另 53% 的解決方案來(lái)自供應(yīng)商。這與 2023 年相比發(fā)生了明顯變化，當(dāng)時(shí)Menlo的報(bào)告稱 80% 的企業(yè)依賴第三方生成式 AI 軟件，這表明許多企業(yè)越來(lái)越有信心和能力建立自己的內(nèi)部 AI 工具，而不是主要依賴外部供應(yīng)商。

• 企業(yè)在采用生成式人工智能時(shí)優(yōu)先考慮價(jià)值而非短期利益。在選擇生成式 AI 應(yīng)用程序時(shí)，企業(yè)有明確表示投資回報(bào)率和行業(yè)特定定制，在選擇新工具時(shí)最為重要。價(jià)格并不是主要問題；只有 1% 的人提到價(jià)格是選擇時(shí)需要考慮的問題。買家正在打持久戰(zhàn)：與提供最低價(jià)格（1%）的工具相比，他們更關(guān)注能夠提供可衡量?jī)r(jià)值（30%）和能為其工作進(jìn)行個(gè)性化 （26%）的工具。而在失敗案例的分析中，26% 的失敗案例提到實(shí)施成本，21%提及了數(shù)據(jù)隱私障礙，18%則提到了令人失望的投資回報(bào)率 (ROI)（18%）。技術(shù)上，幻覺（15%）是失敗的主要原因。在規(guī)劃和選擇階段主動(dòng)解決這些潛在陷阱可以增加成功實(shí)施的可能性。

• 現(xiàn)有企業(yè)更容易受到初創(chuàng)企業(yè)的干擾。去年，現(xiàn)有企業(yè)通過“附加”戰(zhàn)略主導(dǎo)了企業(yè)市場(chǎng)，即將生成式 AI 功能附加到現(xiàn)有產(chǎn)品上。當(dāng)時(shí)，Menlo曾預(yù)測(cè)初創(chuàng)公司將日益占據(jù)優(yōu)勢(shì)，今年的數(shù)據(jù)證實(shí)了這一想法：雖然 64% 的客戶仍然喜歡從現(xiàn)有供應(yīng)商處購(gòu)買產(chǎn)品，理由是信任和開箱即用的功能，但現(xiàn)有企業(yè)的主導(dǎo)地位開始出現(xiàn)變化。18% 的決策者對(duì)現(xiàn)有產(chǎn)品表示失望；而 40% 的人質(zhì)疑他們目前的解決方案是否真正滿足他們的需求，這表明創(chuàng)新型初創(chuàng)公司有機(jī)會(huì)介入并占據(jù)一席之地。

• AI轉(zhuǎn)型在各個(gè)部門進(jìn)行。今年，生成式人工智能的預(yù)算流向了每個(gè)部門。技術(shù)部門占仍據(jù)了最大的支出份額，其中 IT（22%）、產(chǎn)品 + 工程（19%）和數(shù)據(jù)科學(xué)（8%）合計(jì)占企業(yè)生成式 AI 投資的近一半。剩余預(yù)算分布在面向客戶的職能部門，例如支持（9%）、銷售（8%）和營(yíng)銷（7%）、包括人力資源和財(cái)務(wù)在內(nèi)的后臺(tái)團(tuán)隊(duì)（各占 7%）以及設(shè)計(jì)（6%）和法律（3%）等較小的部門。

• 垂直人工智能應(yīng)用正興起。第一批生成式 AI 應(yīng)用是用于文本和圖像生成的橫向解決方案，但到 2024 年，越來(lái)越多的應(yīng)用開始將 LLM 的新功能應(yīng)用于高度特定領(lǐng)域的垂直化工作流程。醫(yī)療保?。? 億美元的企業(yè)支出）、法律（企業(yè)在 AI 上的支出達(dá) 3.5 億美元））、金融服務(wù)（企業(yè)在 AI 上的支出達(dá) 1 億美元））、媒體和娛樂（企業(yè)在人工智能方面的支出達(dá) 1 億美元）行業(yè)中都有優(yōu)秀企業(yè)進(jìn)入，發(fā)展也較為迅速。

• 基礎(chǔ)設(shè)施和人工智能堆棧在 2024 年趨于穩(wěn)定。企業(yè)圍繞構(gòu)成大多數(shù)生產(chǎn) AI 系統(tǒng)運(yùn)行時(shí)架構(gòu)的核心構(gòu)建塊進(jìn)行凝聚。礎(chǔ)模型仍占主導(dǎo)地位。LLM 層吸引了 65 億美元的企業(yè)投資。然而，通過反復(fù)試驗(yàn)，企業(yè)越來(lái)越認(rèn)識(shí)到數(shù)據(jù)支架和集成在構(gòu)建復(fù)雜的復(fù)合 AI 架構(gòu)方面的重要性，這些架構(gòu)可以在生產(chǎn)中可靠地運(yùn)行，而不僅僅是一次性的演示。

趨勢(shì)

• LLM 趨勢(shì)：多模型戰(zhàn)略占上風(fēng)，OpenAI 讓位于 Anthropic企業(yè)不再依賴單一的供應(yīng)商，而是采用了務(wù)實(shí)的多模型方法。研究表明，企業(yè)通常會(huì)在其人工智能堆棧中部署三種或三種以上的基礎(chǔ)模型，并根據(jù)用例或結(jié)果選擇不同的模型。這種策略延伸到了開放源代碼與封閉源代碼的爭(zhēng)論中，盡管行業(yè)討論激烈，但人們對(duì)開放源代碼與封閉源代碼的偏好一直保持穩(wěn)定。閉源解決方案占據(jù)了絕大多數(shù)市場(chǎng)份額，達(dá)到 81%，而開源方案（以 Meta 的 Llama 3 為首）則穩(wěn)定在 19%，與 2023 年相比僅下降了一個(gè)百分點(diǎn)。在閉源模型中，OpenAI 的先發(fā)優(yōu)勢(shì)有所削弱，企業(yè)市場(chǎng)份額從 50% 降至 34%。Anthropic 是主要受益者，它的企業(yè)市場(chǎng)份額從 12% 倍增到 24%，因?yàn)橐恍┢髽I(yè)在 Claude 3.5 Sonnet 成為最先進(jìn)模型后，從 GPT-4 轉(zhuǎn)向了 Claude 3.5 Sonnet。在轉(zhuǎn)向新的 LLM 時(shí)，企業(yè)最常見的動(dòng)機(jī)是安全考慮（46%）、價(jià)格（44%）、性能（42%）和擴(kuò)展功能（41%）。

• 設(shè)計(jì)模式趨勢(shì)：RAG 增勢(shì)迅猛，微調(diào)采用率下降，Agent異軍突起RAG（檢索增強(qiáng)生成）目前占主導(dǎo)地位，采用率為 51%，比去年的 31% 大幅上升。而經(jīng)常被吹捧的微調(diào)，仍然少得令人吃驚，只有 9% 的生產(chǎn)模型進(jìn)行了微調(diào)。代理架構(gòu)首次亮相，已經(jīng)為 12% 的應(yīng)用提供了動(dòng)力。

• 向量數(shù)據(jù)庫(kù)、ETL 和數(shù)據(jù)管道：人工智能優(yōu)先的解決方案仍在不斷壯大要為 RAG 提供動(dòng)力，企業(yè)必須高效地存儲(chǔ)和訪問相關(guān)的查詢知識(shí)。盡管 Postgres（15%）和 MongoDB（14%）等傳統(tǒng)數(shù)據(jù)庫(kù)仍很常見，但人工智能優(yōu)先的解決方案仍在不斷壯大。比如Pinecone ，這款人工智能原生向量數(shù)據(jù)庫(kù)，已經(jīng)占據(jù)了 18% 的市場(chǎng)份額。傳統(tǒng)的 ETL平臺(tái)（如Azure Document Intelligence）仍然占據(jù)了28%的部署份額，但 Unstructured 等旨在處理 PDF 和 HTML 等文檔中的非結(jié)構(gòu)化數(shù)據(jù)的細(xì)微差別的專業(yè)工具，正在開辟自己的空間，占據(jù)了16%的市場(chǎng)份額。

最后Menlo認(rèn)為這僅僅是個(gè)開始，人工智能正在為新時(shí)代的轉(zhuǎn)型鋪平道路，這一時(shí)代由尖端的人工智能工具、賦能的勞動(dòng)力和變革性的商業(yè)模式推動(dòng)，將重塑我們的經(jīng)濟(jì)。