GenAI發展歷程、核心優勢及潛在影響有哪些？

人工智能一步一個腳印發展至今，生成式人工智 能實現突破，展現出巨大潛力。

對于GenAI這個概念，人們可能感到相對新鮮。事實上，人工智能 的發展經歷了若干階段，從“規則型人工智能”（rule-based AI）到 “判別式人工智能”（discriminative AI），最終演變到“生成式人工 智能”（generative AI，簡稱GenAI）。這些階段代表了人工智能在 算法、學習方法和應用領域上的不斷演進和創新。

規則型人工智能：上世紀60年代到80年代，AI發展處于初始 階段，這一時期的AI主要基于事先定義的規則和邏輯，通過逐步 推理和匹配規則來解決問題。使用這種方法的代表是專家系統， 1970年代開發的MYCIN系統便是一例，它使用了大量規則來診斷細菌感染。然而，這些規則型系統的局限性在于其缺乏通用性 和靈活性，無法適應復雜的現實問題。

判別式人工智能：進入1990年代，AI技術開始關注從輸入數據 中學習特定模式和規律，以進行分類、識別和預測。盡管近年來 深度神經網絡（DNN）的出現使得判別式AI在圖像識別、語音 識別、自然語言處理和推薦系統等領域取得了突破性成果，但在 這一發展階段，人工智能仍缺乏生成新數據的能力。

 生成式人工智能：這個階段的起點可追溯到2014年，當時生成 對抗網絡（GAN）的提出引發了人們對GenAI的廣泛關注。GAN 由生成器和判別器組成，通過對抗訓練的方式生成逼真的數據 樣本。GAN在文本生成、圖像生成和音頻生成等領域取得了重 大突破，使得AI能夠以更具創造性的方式執行任務。

GenAI是傳統AI（規則型AI以及判別式AI）的進化產物，與傳統AI相 比，GenAI具有以下四大核心優勢：  自動化和效率提升：傳統AI需要經過繁瑣的手工特征工程和模 型調整，而GenAI則能夠自動從大量數據中學習，生成高質量的 輸出。這使得GenAI能夠自動化許多重復性和繁瑣的任務，從而 提高工作效率并減少人工錯誤。與傳統AI相比，GenAI能夠更快 構建模型、處理數據、生成結果，可助力企業更快做出決策、提 供服務。

個性化和定制化：傳統AI往往是基于統計分析和大規模數據的 結果，缺乏對個體差異的精確處理。而GenAI通過學習每個個體 的數據和反饋，能夠根據個人需求和上下文生成個性化輸出。這 使得GenAI能夠為用戶提供更加定制化的體驗和解決方案，滿足 不同用戶需求，提高用戶滿意度和忠誠度。

 創造性和創新能力：傳統AI主要是基于規則和已有數據進行預 測和決策，局限于已知模式和規律。而GenAI具備生成新的、未知內容和想法的能力，能夠從學習到的數據中創造出全新解決方 案。通過GenAI的創造性和創新能力，企業可以發現新洞察，探 索新業務模式，不斷創新產品和服務。

可解釋性和透明度：傳統AI模型往往是黑盒模型，其決策過程 難以被解釋和理解。而GenAI在生成輸出時能夠提供一定程度 的解釋，具備一定的可解釋性，可以揭示其決策邏輯和原因。這 對于金融、醫療等需要可解釋性的領域尤為重要，有助于建立信 任、滿足監管要求，也讓人們更容易接受和采納GenAI的決策。

持續創新也將帶來新的挑戰。訓練和使用GenAI系統所需的計算 能力有可能成為開發瓶頸，如何讓GenAI成為“更具責任感的AI”也 增加了GenAI技術的綜合成本。從2017年到2022年，針對GenAI的 投資以74%的年復合增長率狂飆（同期，AI總體投資的年增長率為 29%）。從地理角度來看，對GenAI的投資主要來自北美科技巨頭和 風險投資公司。從2020年到2022年，總部位于美國的GenAI相關公 司籌集總計約80億美元資金，占同期此類公司總融資的75%。

GenAI以其在全球生產活動中重塑知識工作的潛力震驚了世界。在 銷售和營銷、客戶運營和軟件開發等職能部門，GenAI已顯露出變 革工作方式和提高績效的能力。在這個過程中，它可以跨越多行業 釋放數萬億美元價值。

GenAI的興起將推動行業格局改變，帶來可觀的 經濟增長。 不難看出，GenAI技術在提升行業生產效率和促進產品創新方面具 有顯著優勢，預期未來將顛覆全球各行各業的現有格局。我們預測， 人工智能整體將為全球經濟帶來高達25.6萬億美元的正面經濟影 響，而其中來自GenAI的貢獻高達7.9萬億美元。這既包括GenAI用 例本身為企業帶來的直接收入增加及成本優化，也包括了GenAI推 動全行業生產效率提升所帶來的經濟價值。

了解GenAI為經濟和社會創造價值的潛力，將有助于企業制定關鍵 決策。我們采用兩個互為補充的視角，以確定當前的GenAI技術可 以在哪些方面提供最大價值以及價值規模。

第一個視角掃描企業能夠應用的GenAI用例。我們將“用例”定義為， 將GenAI技術定向應用于特定業務并產生可衡量的價值。例如，營 銷中的典型用例是應用GenAI來生成創意內容，例如個性化的會員 電子郵件等，其可衡量的價值包括降低成本以及通過大規模提升 內容質量來提升轉化率。我們確定了63個生成式人工智能用例，涵 蓋16個業務功能，當跨行業應用時，每年可提供2.6萬億至4.4萬億美 元的總經濟效益。

第二個視角分析GenAI對大約850個職業生產活動的潛在影響，以 補充第一個視角。我們通過建模，預估GenAI在哪個時間點可以執 行構成全球經濟活動的2,100多個“詳細生產活動”，例如“與相關人 員溝通運營計劃”。憑借分析結果，我們能夠預估GenAI的能力可能 會給全球勞動生產效率帶來的影響。

兩個分析視角中的部分影響相互重疊（我們暫且歸納為生產效率提 升的結果），剔除這種重疊后，生成式人工智能的總經濟效益（包 括我們探索的主要用例以及當該技術應用于知識工作者的活動時 可能實現的生產效率提高）每年達6.1萬億美元至7.9萬億美元。