生成式人工智能正在改写人工智能规则，你准备好了吗？

什么是生成式人工智能？

快速浏览一下新闻就会发现 GenAI 无处不在。在 GenAI 蓬勃发展之前，“人工智能”一词与机器学习模型联系在一起。 GenAI 可以被视为一种机器学习模型，旨在提供新数据，而不是对特定数据集进行预测。它在很大程度上依赖于复杂的机器学习模型（称为深度学习模型），这些模型可以刺激人脑的决策和学习过程。自过去几年以来，研究人员已将注意力从寻找一种能够充分利用特定数据集的机器学习算法转移到由数百万或数十亿个数据点组成的更大数据集来训练模型并产生令人印象深刻的结果。

Adobe 针对其 Adob​​e 2026 AI 和数字趋势报告和研究计划对 3000 名担任 CX 角色的高管和从业者进行了调查，该报告和研究计划为生成式 AI 和代理式 AI 计划带来了一些早期成果。该报告指出，组织必须提供突破性的客户体验，他们预计未来几年的客户体验将由以下因素定义：

●      高度个性化并实时预测客户需求（80%）。

●      数字和物理接触点无缝连接 (72%)。

●      由人工智能驱动，同时仍然感觉人性化和品牌一致 (60%)。

 根据麦肯锡 2024 年 3 月发布的数据，全球约三分之一的组织已经每天在至少一项业务功能中使用 GenAI。 NVIDIA 凭借其 GPU 在 GenAI 领域占据主导地位，AMD 和华为是其挑战者。对于基础模型，Open AI 的 GPT 3.5 和 GPT-4 模型、Anthropic (Claude)、Google (Gemini)、Mistral AI 和 Meta (Llama) 是一些流行且知名的模型。 Microsoft Azure、AWS、Google Cloud 和 Oracle 是云和平台的主要提供商。埃森哲、IBM、德勤和麦肯锡是企业系列/咨询的影响者。

GenAI 模型如何工作？

训练：

GenAI 模型建立在基础的大规模 AI 模型之上，这些模型首先使用深度神经网络学习大量数据集。他们接受的培训可以作为众多人工智能应用程序的基础。最常见的基础模型是基于 Transformer 的架构、生成对抗网络 (GAN)、大型语言模型 (LLM) 和多模式基础模型。

发展：

开发模型通常涉及针对特定任务知识的监督微调 (SFT) 和针对必须执行特定内容生成任务的行为对齐的人类反馈强化学习 (RLHF) 的组合。它可以通过根据人类反馈进行微调或强化学习来完成。

部署与评估：

经过培训和开发后，开发人员和用户需要不断评估和评估 GenAI 模型的输出，并对其进行改进，以提高准确性和相关性。除此之外，这些模型的性能可以通过检索增强生成（RAG）来增强。该框架确保 GenAI 模型能够访问最新信息。

AI 权力榜：AI 领域最具影响力的人物

创新和奠定基础 

被誉为人工智能教父的 Geoffrey Hinton 奠定了深度神经网络和反向传播的基础，使现代 GenAI 的发展成为可能。

Yoshua Bengio 是 Mila（魁北克人工智能研究所）的创始人，因深度学习、生成对抗网络 (GAN) 和词嵌入而闻名。

• 伊恩·古德费洛（Apple ML 总监），著名研究员，因发明 GAN（生成对抗网络）而闻名，是深度学习领域的专家。他的贡献在于对抗性机器学习和安全性，以及他的权威教科书《深度学习》已成为所有 GenAI 模型的基础。

• 刘杰瑞(LlamaIndex) 是法学硕士数据框架的开发商。

• 哈里森·蔡斯（LangChain）开发了用于构建人工智能代理工作流程的主导框架。

生成时代的最高领导人和高管

• 李飞飞斯坦福大学以人为中心的人工智能研究所联合主任、ImageNet 的发明者提供了训练深度学习模型所需的数据。

• 吴恩达DeepLearning.AI 创始人兼 Coursera 联合创始人在教育社区和普及人工智能教育方面发挥了重要作用。

• OpenAI 联合创始人兼前首席科学家、以色列裔加拿大人工智能研究员 Ilya Sutskever 因其在奠定 GPT 模型和人工智能安全关键架构方面的工作而闻名。

GenAI 的实际行动：行业领导者如何看待 GenAI

黄仁勋NVIDIA 首席执行官，其 GPU 和 CUDA 平台的开发为训练现代生成式 AI 提供了所需的巨大计算能力。他将生成式人工智能视为工业革命新开始的标志。他强调，加速计算和 GPU 硬件是“新石油”，而 NVIDIA 的 CUDA 平台则是部署和训练基础模型的关键基础设施。

萨姆·奥特曼OpenAI 首席执行官，他于 2022 年发布了 ChatGPT，将 GenAI 从研究转向主流。他一直在推动 GenAI 从“研究好奇心到主流技术”的转变，为此需要价值 400 亿美元的巨额资金。他的市场愿景和 NVIDIA 的硬件基础设施关系正在定义当前的人工智能格局。

埃隆·马斯克的通过 xAI 的参赛展示了他尝试创建法学硕士“寻求真理”的替代方案。他的公司 Neuralink 开发脑机接口，利用先进的人工智能通过 X 生成独特的训练数据。

严乐存Meta 的首席人工智能科学家因其卷积神经网络 (CNN) 和图像处理领域的开创性工作而受到高度认可。 LeChun 的神经网络彻底改变了图像识别，并为他赢得了图灵奖，也被称为计算机界的诺贝尔奖。他为数十亿人使用的平台制定了人工智能战略，挑战了末日人工智能预测的概念。

黛米斯·哈萨比斯谷歌 DeepMind 首席执行官正在引领多模式功能的进步（Gemini）。 DeepMind 和 Google Brain 的合并巩固了 Alphabet 的人工智能业务。哈萨比斯的努力创造了 AlphaGo 和 AlphaFold。

从文本到图像及其他：值得关注的人工智能工具

1）     GitHub 副驾驶：它是一款由 GitHub 和 OpenAI 合作开发的人工智能结对编程器。它可以直接在 VS Code、Visual Studio 和 JetBrains 等 IDE 中提供实时代码建议、自动完成和基于聊天的帮助。

2）     Adobe 萤火虫是一款来自 Adob​​e 开发的生成式 AI 模型系列的工具，旨在使用简单的文本提示创建、编辑和增强图像、文本和矢量图形。

3）     贾斯珀人工智能是一个人工智能平台，其设计考虑到营销领域和创作者生成品牌高质量内容的需求。该平台特别用于博客写作、社交媒体目的、广告和内容再利用。

4）     克劳德：Anthropic 开发的一系列高性能高级大型语言模型和对话式人工智能。该工具以生成复杂推理、分析大型数据集和创意写作而闻名。

5）     热情人工智能：一套人工智能工具，用于实现银行、信用合作社和其他贷方信贷承销的现代化。 

• 图像生成：Adobe 萤火虫、DALL-E 3

• 音频/视频生成：ElevenLabs，Runway ML

• 时间下一代：ChatGPT、克劳德、Gemini AI

• 营销：Jasper AI、Anyword、Midjourney、Perplexity、HubSpot

• 对于开发人员：GitHub Copilot、AlphaCode、Cohere

• 为了安全：Darktrace AI、Ayasdi、Zest AI

开放与封闭的人工智能前沿

随着加速人工智能落地的竞赛愈演愈烈，关于开放人工智能与封闭人工智能的争论仍然存在。这个问题引起了人们的特别关注，人工智能模型是否应该可供公众检查、修改和重新分发，或者应该作为专有的、限制访问的。包括 Mistral 和 Llama 在内的开放模型允许用户根据自己的需要修改、查看和应用模型。相反，封闭模型仅限于公众，他们只能与模型的界面进行交互。与 GPT-4 和 Gemini 展示的开放模型相比，封闭式 AI 模型提供了高性能、安全性和易用性。他们将数据和架构保密，以保持竞争优势。在安全方面，专有控制可以实现安全控制和数据保护。

2026 年的开放模型格局：DeepSeek、Qwen 3、Llama 和 Mistral Large 3 是一些最大的开放模型提供商，Claude Opus 4.5、GPT-5.2、GPT-5、GPT-4.1、o3、Claude Sonnet 和 Gemini Pro 3 是一些领先的封闭模型提供商。大多数人所说的“开源法学硕士”更准确地称为“开放权重模型”。两种方法都具有独特的优势、风险和长期应用。尽管封闭式人工智能模型在总代币交易量方面仍然被广泛使用。 2025 年底，采用了混合方法，公司使用封闭模型来处理通用任务，使用开放模型来处理特定领域和敏感的工作流程。

初创企业通常会先采用封闭模式以保持更新，然后慢慢转向开放模式以降低运营成本。它们在客户支持聊天机器人、营销内容生成、快速原型设计、中小型企业自动化和短期人工智能实验方面占据主导地位。企业采用开源模型来实现与企业相关的内部工具、人工智能驱动的分析平台、招聘和人力资源自动化、网络安全系统、智能城市基础设施、医疗诊断以及定制的人工智能代理和副驾驶。

GenAI 的强大力量：生成式 AI 模型可以解决哪些问题

GenAI 模型（包括 LLM、扩散模型和 GAN）旨在通过模式和数据集开发新的原创内容。在各个行业中，他们能够解决与数据分析、个性化、内容创建和自动化相关的问题。 

1）      内容生成和创造力

 Gen AI 用于撰写和起草营销文案、电子邮件、文章、技术文档和创意写作，减少手动撰写草稿的时间。它还可以根据文本提示创建逼真的图像、3D 模型、徽标和动画。最后，它还可以生成视频剪辑、应用特效和创作音乐，以减少对昂贵的制作设备的需求。 ChatGPT (OpenAI)、Claude 3.5 Sonnet (Anthropic) 和 Gemini 1.5 Pro (Google) 广泛用于起草博客和营销文案。麦肯锡报告称，到 2026 年，至少 88% 的企业将在至少一项业务职能中使用 GenAI，其中大部分致力于内容生成、创意任务和营销。

2）     商业生产力和自动化

根据普华永道 2025 年全球劳动力希望与恐惧调查，来自 48 个国家的 50,000 名员工表示，每天使用 GenAI 用户的生产力提高了 92%。为了提高业务生产力，GenAI 可以自动执行日常和重复性任务，包括数据输入、排序和报告生成，以及自动完成代码、生成测试用例、语言之间的翻译和调试。它们是功能先进的 24/7 聊天机器人，可以提供个性化的自然语言响应并处理复杂的查询。

3）     数据分析与洞察

GenAI 模型能够广泛分析和总结大型文档、会议记录或客户反馈，以获得关键见解。他们还可以识别供应链中需求的数据模式并识别欺诈交易。他们可以开发可以模仿现实世界数据的人工数据集，这对于训练其他人工智能模型同时保护隐私非常有用。 

重新定义竞争分析

组织可以使用 GenAI 模型生成更多技术材料，例如更高分辨率的图像、清晰的书写材料，并且在节省时间和资源的情况下，组织可以寻求新的商机。沃尔玛开发了一种“机器主导的购物”系统，该系统使用生成式人工智能，根据竞争行为和需求模式的预测分析来预测库存需求。由于海量数据集，GenAI 得出的结果是通过用于训练算法的数据组合精心策划的。生成式人工智能能够在市场竞争对手采用之前模拟其对各种定价策略的反应。这些模型根据市场反应、需求弹性和市场所在行业，通过历史数据和模式进行预测分析。这些模拟同时包括季节性、旧促销数据、可用库存和监管波动。

人工智能系统知道如何不断分析竞争格局以及竞争参与者如何沟通。从产品描述和文案到视觉效果和关键信息，他们以发现机会而闻名。例如，亚马逊推出了Lens Live，这是一款实时视觉发现工具，可以自动分析竞争对手的产品。其个性化和产品描述系统与生成人工智能相集成，使他们能够根据竞争对手目录中发现的差距来调整报价。该技术还可以发现竞争内容中的差距，包括需要有效解决的主题、关键词和方法。这些差距象征着吸引服务不足的受众的机会。人工智能交叉检查搜索、目录和社交媒体，以确定未满足的需求。如果消费者搜索竞争对手提供的产品，该模型会立即通知组织。此外，它还确定了公司可以扩展的相邻群体。它每天处理大量数据点以查明新兴趋势。

传统的情绪分析将观点分为积极、消极或中立。 GenAI 通过使其更加复杂来增强现有的传统情感分析，以理解更复杂的叙述、情感背景和子文本。万豪利用 GenAI 处理其 7,000 多家酒店的客户评论，并使用 AI 评估客户满意度。例如，他们确定消费者何时开始将竞争对手与可持续性属性联系起来，或者产品何时出现特定问题。此外，它还描绘了推动这些叙事的人：影响者、数字社区或专业媒体。 Wayfair 还使用 Decorify 来分析消费者在室内设计中的情绪和偏好。 

各行业如何使用 GenAI 语言

毫无疑问，GenAI 是人们谈论的创新之一，随着它的大肆宣传，我们更有必要考虑行业领导者的意见。共识得出的结论是，GenAI 已经从对话式聊天机器人转向代理人工智能，执行复杂的任务。人工智能优先的公司一直在寻求改变各自的行业，从金融、零售到医疗保健。

卫生保健

• 贝洛克斯实验室 为了成为人工智能优先创新的领跑者，该公司一直在 NLP（自然语言处理）、计算机视觉和机器学习方面进行了大量投资。

• 通用电气医疗集团一直在利用其 Edison 平台将人工智能注入成像设备，西门子 Healthneers 正在使用人工智能驱动的数字双胞胎和智能成像伴侣进行准确诊断，而 Epic Systems 通过其 Cosmos 平台直接将预测模型嵌入 EHR 中。

• Butterfly Network 使用 Ultrasound-on-Chip™ (CMUT)取代传统的压电晶体，使一个探头即可进行全身成像。该公司将硬件与人工智能驱动的软件集成在一起，用于图像引导、云存储和解释。同样，另一个由 Tempus Pixel 平台提供支持的名为 Tempus Radiology 的组织使用人工智能来分析医学图像以协助放射科医生。 

金融

• 贝莱德资金管理的“大脑”阿拉丁（资产、负债、债务和衍生品投资网络）是该公司的中央专有技术平台，可提供统一、全面、实时的风险和投资绩效视图。

• 万事达一直在“决策智能”系统中大量使用 GenAI，以两倍的速度检测受感染卡上观察到的异常情况，并减少误报。 Napier 在其智能合规平台中使用生成式人工智能和机器学习来增强反洗钱 (AML) 和金融犯罪合规性。

• 努班克,一家拉丁美洲新银行一直在利用“人工智能优先”模式，正在使用 GenAI 进行风险管理、催收和营销。

零售

• 扎拉一直在使用 GenAI 创建模特的数字双胞胎，用于营销图像来展示其服装系列，H&M 正在使用该技术来预测和优化库存和个性化造型建议，而 Nike 正在根据运动员表现数据生成设计风格，并使用 AI 驱动的应用程序 (Nike Fit) 进行个性化、精确测量。 

• 丝芙兰 正在全力利用 LVMH 的数字和 IT 部门来优化运营并增强超过 15 个国家的客户体验。另一家公司家乐福与 OpenAI 合作，在其电子商务平台中引入了 Hopla，根据客户的个性化偏好来管理他们的购物车。

• 路威酩轩集团正在与 Google Cloud 合作为其 75 个办事处提供服务，以满足每个办事处的独特需求。该公司称之为“安静的方法”。该集团还与 Rigsters 和 OKCC 合作开发内部资产生产模型，利用产品数字化和 GenAI 将实体产品转化为各种数字资产。

• 欧莱雅集团和 NVIDIA于 2025 年 6 月合作，释放人工智能在美容各个方面的潜力，创造前所未有的美容体验。欧莱雅将利用 NVIDIA AI Enterprise 平台并推出 CREAITECH，用于扩展欧莱雅产品的 3D 数字渲染，融合物理 AI 和生成 AI，拓展创意可能性。

制造业

• 宝马集团 使用 GenAI 实时识别生产线上的部件缺陷，梅赛德斯-奔驰使用个性化车内语音助手，并投入大量资金培训员工成为人工智能专家，日产则尝试使用 GenAI 来设计汽车格栅，平衡美观、冷却和空气动力学要求。

• 在航空航天和重型机械领域，空中客车公司负责开发轻型飞机零部件的生成设计，并在工程和数据科学领域识别 600 多个潜在的 GenAI 用例。罗尔斯·罗伊斯部署 GenAI 来分析测试运行中的传感器数据，以实现喷气发动机的预测性维护。

• 在消费电子行业，博世使用它来创建用于人工智能培训的合成图像数据，减少检测系统的开发时间，Flexitron 来优化电子制造的生产调度，缩短周期时间，施耐德电气则利用人工智能驱动的自动化算法来监控机器性能并优化能源效率。

• 2025 年 5 月，凯捷延长了与 Mistral AI 和 SAP 的战略合作伙伴关系。此次合作将确保 SAP 为数据要求严格的行业成功部署定制人工智能解决方案。借助 Mistral AI 革命性的 GenAI 模型和 SAP 的 BTP，凯捷将开发多个易于访问的商业人工智能用例，并具有更低的碳足迹。 

绘制人工智能在地区和国家的采用情况

有少数国家正在引领人工智能的发展。 2024年，美国人工智能私营部门投资约1091亿美元，约占企业研发的40%。尽管北半球国家正在大力投资人工智能基础设施，但中等收入国家（巴西、印度、菲律宾和印度尼西亚）人工智能模型的采用和集成正在快速加速。

89 个国家和各个国际组织参加的 2026 年印度人工智能影响峰会签署了《新德里宣言》，强调公平分享人工智能的利益。峰会规划了该国下一阶段人工智能战略的部署，该战略将重点关注加强人工智能在各个领域的采用，并扩大数据集和计算机基础设施的规模。在峰会上，印度全栈主权人工智能平台Sarvam AI公布了两名法学硕士，分别为Sarvam-30B（300亿参数）和Sarvam-105B（1050亿参数）。这为印度跻身有能力开发前沿人工智能模型的国家行列铺平了道路。

截至 2026 年初，阿联酋、印度和新加坡在 GenAI 采用率方面一直名列前茅。阿联酋报告称，超过 50% 的劳动人口正在使用人工智能工具。政府一直积极将人工智能融入公共部门并投资数字基础设施。新加坡得到了政府的大力支持，并且战略重点放在研发上。韩国一直是人工智能采用增长最快的国家之一，政府正在开发高质量的韩语模型性能。

2026 年，美国通过专注于出口“人工智能堆栈”的整体政府战略，通过财政部和进出口银行为人工智能启动新的国际融资，并建立 NIST 支持的代理人工智能标准。主要举措包括部署人工智能“美国科技军团”、将人工智能整合到安全政府采购 (GovRAMP) 中，以及促进公私合作伙伴关系以将 GenAI 从试点过渡到生产。

欧洲正积极准备通过“应用人工智能”战略加速 GenAI 的采用，通过 Horizo​​n Europe 提供超过 11.5 亿美元的资金，用于 10 个关键领域的应用。政府的主要举措包括成立人工智能办公室来监督通用模型，扩大“GenAI4EU”以推动开放创新生态系统，以及实施《人工智能法案》的监管框架以推动值得信赖的主权人工智能。

到 2026 年，中东政府将通过国家支持的大规模基础设施投资，重点关注主权人工智能，并在企业之间集成代理人工智能，加速 GenAI 的采用。主要举措包括沙特阿拉伯价值1000亿美元的超越计划、阿联酋5吉瓦人工智能园区项目（G42/NVIDIA）以及旨在实现人工智能产业化的大规模数据中心开发。

GenAI 与 Agentic AI：主要差异解释

• 随着企业和开发人员在集成更智能的系统并利用人工智能升级现有系统的竞赛中不断取得进步。 GenAI 和代理人工智能这两个术语经常互换使用，但它们是三种不同类型的进化人工智能范式。它们代表不同的自主权、任务复杂性和能力。

• GenAI 从数据集中创建新内容，而代理 AI 则采取独立行动来实现目标。也就是说，代理人工智能是主动且自主地解决复杂问题的，而 GenAI 根据提示创建内容。

• 代理人工智能可以通过其多步骤工作流程处理复杂问题，跟踪进度并根据中间结果调整策略。它的规划能力非常强大，考虑到它的目标，它可以确定所需的步骤、依赖关系、资源和执行。 GenAI 擅长处理具有定义的输入和输出的特定任务。每一步都需要人工干预来处理复杂的任务。与代理 AI 不同，GenAI 无法跟踪进度、协调资源或调整时间立场。

• GenAI 以被动方式运作，这意味着它的每一个动作都需要人类发起，即使是最复杂的法学硕士也保持休眠状态。代理人工智能具有给定的自主权，可以识别何时需要采取行动，确定适当的响应，执行决策过程并评估结果。

•  代理人工智能应用包括自主软件测试、供应链优化、算法交易、机器人流程自动化和预测性维护。相反，GenAI 的应用程序包括客户支持、数据分析、设计和艺术、代码生成和内容生成。 

GenAI 实施的 KPI：衡量 GenAI 模型的成功

GenAI 模型的成功可扩展性和实施要求公司采用各种运营模式，从集中式治理到去中心化的业务嵌入模式。每个组织合适且正确的模型取决于其人工智能成熟度、现有技术能力和数据基础设施。处于新阶段的公司更喜欢中心化的模型，以实现严格的治理，相反，拥有完善的人工智能框架的公司可能会采用去中心化的模型，以获得更大的灵活性和创新性。我们今天看到的成功的 GenAI 模型曾经处于开发阶段，然后被推进到生产阶段。这些模型在为其设定的衡量指标上证明了它们的成功。 GenAI 项目通过提高运营效率、提高客户界面影响力以及更快、更明智地制定决策来证明其成功。问题是如何衡量他们的成功？

模型质量指标至关重要，因为它们有助于衡量有效性和准确性。 Onboard Metrics 为 GenAI 项目指明了方向，从改进的外观开始。 GenAI 能够实现流程自动化并减少人为错误，包括亚马逊在内的公司在仓库中使用人工智能驱动的机器人来简化流程、降低运营成本并提高效率。设定明确的指标将有助于设计 GenAI 将解决的问题。它产生各种无限输出的能力需要更主观的评估。基于模型的指标标准仍处于实验阶段，可以进行更丰富的评估，在凝聚力、安全性、流畅性、文本质量、冗长性、遵循指令、总结和基础性方面密切观察输出。

为了充分发挥 GenAI 的潜力，公司投资于端到端人工智能平台。这些平台可以集成开发、部署和管理模型所需的所有关键组件。系统指标涉及人工智能系统的运营方面，确保效率、可靠性和可扩展性，以支持组织的所有需求。部署指标有助于跟踪已部署的管道和模型工件，从而深入了解 AI 平台的容量、治理和组织范围内的影响。

GenAI 模型通过个性化对话改善客户体验和销售业绩的能力。响应时间、准确性和采用率很重要，因为它们会影响客户参与度、影响决策质量和信任并衡量其价值。 Netflix 和 Spotify 使用人工智能来分析用户行为并预测偏好。这可以推动更高的销售额、吸引新的销售线索并保持客户的注意力。

生成式人工智能伦理：突出的担忧和风险

每个组织都希望成为人工智能优先的组织，急于适应、实施和集成人工智能和其他新技术往往会忽视对方占主导地位的方面。埃隆·马斯克（Elon Musk）是人工智能领域的先驱和领跑者之一，他对生成式人工智能的看法一直直言不讳，但又充满矛盾。他担心 GenAI 可能会大规模传播错误信息。作为一位有远见的企业家，马斯克意识到 GenAI 将带来的好处，同时他也认为这些好处应该与该技术相关的潜在风险相平衡。

行业领导者普遍认为，GenAI 还带来了一系列新的风险，以及与数据安全、知识产权盗窃、“幻觉”和“深度造假”相关的主要担忧。当法学硕士生成的文本看似可信但有现实世界的事实、训练数据或用户上下文支持时，人工智能中的幻觉就会发生。 Sophos 在其新报告《超越炒作：网络安全 AI 的商业现实》中，调查了 400 名 IT 领导者在安全领域使用 AI 的情况。调查评估显示，尽管 65% 的人采用了 GenAI 功能，但 89% 的 IT 领导者担心 GenAI 网络安全工具的缺陷可能会让他们的组织面临风险。

• 在数据安全方面，将敏感的个人数据或机密信息输入公共 GenAI 工具可能会导致数据泄露。另一个问题是，输入这些模型的数据可能会被存储并用于训练未来的模型，这可能会将机密信息暴露给第三方。

• GenAI 允许进行复杂的网络钓鱼，网络犯罪分子能够生成高度个性化、令人信服且语法完美的网络钓鱼电子邮件和社会工程活动。创建深度伪造品的简易性是一种主要的印象欺诈，攻击者还可以操纵这些模式来泄露安全数据。

• 关于使用公开数据训练的模型是否侵犯知识产权，存在着重大且持续的诉讼。快速的采用速度超过了正式监管的速度，为遵守欧盟人工智能法案等新兴法律带来了风险。关于谁拥有人工智能生成的内容的版权仍然存在模糊性。

• 根据历史数据训练的模型可能会导致种族、性别或政治偏见。此外，一些领导者还担心编码、内容创建和客户服务领域的员工不受控制地流失。最后，训练和运行大型模型所需的大量能源也引发了可持续性问题。

引领 GenAI 格局的投资

据估计，2025 年前 11 个月，包括基础设施和云提供商在内的 GenAI 主要科技公司的投资总额约为 870 亿美元，几乎是 2024 年前 11 个月的两倍。 2026年人工智能将进入另一个新阶段，Alphabet、亚马逊、微软和Meta预计2026年累计投资将超过6500亿美元。GenAI重磅投资，它们表现强劲；谷歌获得 750 亿美元用于在广告和搜索中使用人工智能，而 OpenAI 获得甲骨文和软银资助的 1000 亿美元。甲骨文还计划在专注于云原生人工智能的合作伙伴关系中投入 500 亿美元。 2026 年 2 月，凯捷与 OpenAI 以及 Frontier 联手，加速企业人工智能转型的下一个时代。作为OpenAI前沿联盟的创始成员，凯捷将通过关注客户面临的业务、数据、组织和系统集成挑战，致力于解决人工智能机会差距，在企业范围内部署人工智能。

GenAI 正在从以模型为中心转向应用程序、代理工作流程和集成。经过几年的实验，组织正在超越试点模式。成功采用需要流程协调、技能提升和治理，以安全、负责任地管理人工智能。根据行业分析，到 2030 年，80% 的企业软件将是多模式的，这一增幅在 2024 年不到 5%。主要趋势包括自主运行的多模式代理系统、现有软件中的嵌入式人工智能以及模型性能的融合。

代理人工智能正在改变工作流程和决策过程，自主代理能够执行多步骤的复杂流程。与此同时，DSLM 和 SLM 也因其隐私保护和定制解决方案而获得认可，这些解决方案满足严格的法规并提供可扩展的智能。随着反洗钱、入职欺诈、收款流程和 KYC 的不断升级，金融犯罪不断演变，先进的反欺诈防御变得至关重要，特别是针对深度造假和合成文件。此外，预计现有软件中的嵌入式人工智能将比独立工具更普遍，因为用户更喜欢更被动的人工智能体验。展望未来，领先的人工智能实验室将把重点转向更加垂直化和特定领域的应用程序，以提供更加量身定制的用户体验，而不是一般智能。