如今，幾乎每一家企業(yè)、每一個(gè)人都與AI有著(zhù)或多或少的聯(lián)系，甚至很多企業(yè)患上了“AI焦慮癥”，仿佛沒(méi)有使用智能技術(shù)就會(huì )在數字化的浪潮被對手甩在身后，而恰恰也是在這個(gè)時(shí)候，是最容易產(chǎn)生發(fā)展泡沫的階段。對此，Gartner有著(zhù)獨到的看法。相信很多業(yè)內人士對于Hype Cycle并不陌生，這一曲線(xiàn)描述了一項技術(shù)/概念從誕生到成熟的過(guò)程，對眾多行業(yè)的發(fā)展周期進(jìn)行了預測與判斷，2023年，Gartner的中國分析師團隊專(zhuān)門(mén)發(fā)布了面向中國市場(chǎng)的數據分析和人工智能成熟度曲線(xiàn)，從中可以看到一些前沿技術(shù)的最新進(jìn)展，以及一些過(guò)往概念的幻滅。
在Gartner 2023年中國數據分析和人工智能技術(shù)成熟度曲線(xiàn)中，揭示了與中國數據、分析和人工智能相關(guān)的四個(gè)基本主題：業(yè)務(wù)成果優(yōu)先的中國數據戰略，區域數據與分析和人工智能生態(tài)系統，數據中臺的崩塌，以及人工智能成為新的國力象征。該曲線(xiàn)中，即將進(jìn)入期望膨脹期的技術(shù)數量最多。毫無(wú)疑問(wèn)，生成式AI是2023年最火的話(huà)題之一，由此也延伸出一些新的概念，例如“智能體”，包括如何把數字世界和物理世界相結合，構建一套自反饋的機制，形成自動(dòng)化的系統，打造AutoGPT和AGI，這也是OpenAI等企業(yè)的目標。但是智能體并沒(méi)有在中國的報告中體現，這個(gè)技術(shù)落地為時(shí)尚早。
當然，考慮到中國和海外市場(chǎng)在技術(shù)應用、行業(yè)需求、客戶(hù)習慣等方面的差異，在成熟度曲線(xiàn)中的體現也有所不同。Gartner高級研究總監張桐表示：“創(chuàng )新往往被吹捧為傳統瓶頸問(wèn)題的解決方案，有望解決中國CIO共同擔憂(yōu)的問(wèn)題，如硬件資源短缺、可擴展性、可持續運營(yíng)、安全風(fēng)險緩解、技術(shù)自主可控和AI模型的多域適用性問(wèn)題，從而帶來(lái)清晰的業(yè)務(wù)價(jià)值。然而，終端用戶(hù)更重視有形的影響，而不是抽象的戰略概念?！?/p>
談到生成式AI，就不得不提各類(lèi)大模型的快速涌現，甚至引發(fā)了“百模大戰”。所謂大模型，是在大范圍的數據集上以自監督方式訓練的大參數模型，其中大多數都是基于Transformer架構或擴散型深度神經(jīng)網(wǎng)絡(luò )架構，并且在不久的將來(lái)可能會(huì )成為多模態(tài)。目前，大模型已成為自然語(yǔ)言處理的首選架構，并已應用于計算機視覺(jué)、音視頻處理、軟件工程、化學(xué)、金融和法律領(lǐng)域，由大模型衍生出的一個(gè)熱門(mén)子概念就是基于文本訓練的大語(yǔ)言模型。
從大模型的發(fā)展現狀來(lái)看，數據、算力、算法是繞不開(kāi)的因素?！霸谶@三者（數據、算力、算法）之中，比較大的變數就是Transformer算法會(huì )不會(huì )變化，是否會(huì )有新的算法降低能耗，還有就是芯片的架構設計能否進(jìn)一步優(yōu)化，比如引入一些神經(jīng)網(wǎng)絡(luò )的特性，以類(lèi)人腦的方式去降低功耗?！睆埻┱f(shuō)。
根據Gartner的說(shuō)法，所有的生成式AI都是基于Foundational Model所構建，后者還包括GPT（文本）、Stable Diffusion（繪圖）、LLM等類(lèi)別。以GPT為例，利用Transformer架構，通過(guò)云基礎設施（GPU等）結合數據資源訓練出來(lái)的模型就是基礎模型，不過(guò)這種基礎模型的能力只有少數幾家企業(yè)具備，更多的企業(yè)則是在基礎模型之上進(jìn)行一些精調訓練。對于一些企業(yè)來(lái)說(shuō)，，只需要做好SFT（模型微調），相當于選擇了一個(gè)架構和平臺之后，在上面開(kāi)發(fā)各類(lèi)應用就可以了。
張桐認為，文心一言、星火、盤(pán)古大模型、清華的GLM等模型都是值得關(guān)注的，除此之外，考慮到合規性和數據安全，像金融等行業(yè)的客戶(hù)往往會(huì )選擇本地部署，不過(guò)本地部署的成本又是不少企業(yè)擔憂(yōu)的問(wèn)題。關(guān)于A(yíng)I的下一步演進(jìn)，知識圖譜與大語(yǔ)言模型的結合或許會(huì )給人們提供相對高質(zhì)量的結果。
組裝式數據和分析是AI實(shí)踐的另一個(gè)體現，其利用基于容器或業(yè)務(wù)微服務(wù)的架構和數據編織理念，將現有資產(chǎn)組裝為靈活、模塊化和用戶(hù)友好的數據分析和AI能力。這項技術(shù)可在低代碼和無(wú)代碼能供的支持下，綜合運用一系列技術(shù)將數據管理和分析應用轉變?yōu)閿祿治龊虯I組件或其他應用模塊，并且支持自適應和智能決策。這種組合式的智能化能力可以由企業(yè)按需配置，快速部署，滿(mǎn)足個(gè)性化的要求，適用于當前需要提高敏捷性的客戶(hù)，加快洞察產(chǎn)出速度。同時(shí)，這種方式也有助于企業(yè)在各項措施中融合多個(gè)洞察與參考信息，避免割裂式開(kāi)發(fā)。企業(yè)機構可通過(guò)組裝或重組D&A能力進(jìn)一步提高交付的靈活性，應對不同使用場(chǎng)景。
相關(guān)文件指出，數據作為新型生產(chǎn)要素，是數字化、網(wǎng)絡(luò )化、智能化的基礎，已快速融入生產(chǎn)、分配、流通、消費和社會(huì )服務(wù)管理等各環(huán)節，深刻改變著(zhù)生產(chǎn)方式、生活方式和社會(huì )治理方式。數據要素，已經(jīng)成為重要的戰略資源，由此也引發(fā)了圍繞數據的一系列理念與實(shí)踐。數據資產(chǎn)管理是指管理、處理和利用對業(yè)務(wù)運營(yíng)來(lái)說(shuō)具有寶貴資產(chǎn)價(jià)值的數據的過(guò)程。數據資產(chǎn)管理適用于多種數據形態(tài)——例如，系統中的圖像、視頻、文件、資料和交易數據，并涵蓋從數據獲取到銷(xiāo)毀的整個(gè)數據生命周期，目的是以管理資產(chǎn)的方式管理數據，并從中創(chuàng )造價(jià)值。張桐談到，在國家的大力支持下，數據要素將發(fā)揮更大的價(jià)值，數據入表會(huì )加速實(shí)現。
數據編織是一種設計框架，用于獲得靈活而且可復用的數據管道、服務(wù)和語(yǔ)義，涉及數據集成、主動(dòng)元數據、知識圖譜、數據剖析、機器學(xué)習和數據分類(lèi)。從概念上來(lái)說(shuō)，數據編織早已被提出，不過(guò)其沒(méi)有被大面積應用的原因是必要性有些高估，由于數據編織是基于元數據衍生而來(lái)，但很多企業(yè)對元數據的理解并不深入，導致在使用數據編織難以實(shí)現較好的效果，甚至增加了復雜性。
事實(shí)上，這種認知偏差也使得不少理念逐漸淡出人們的視野。以數據中臺為例，這是一種組織戰略和技術(shù)的實(shí)踐，創(chuàng )建數據中臺可以被是為企業(yè)構建可組裝和可復用地數據和分析能力地一種方式，最早被大范圍的傳播始于阿里巴巴的應用。根據Gartner的觀(guān)察，很多中國企業(yè)之所以采用數據中臺實(shí)踐，是為了減少其數據和分析架構的技術(shù)冗余，打通不同系統的數據孤島，并推動(dòng)可復用的數據和分析能力。但數據中臺在許多情況下未能兌現其組裝式敏捷D&A能力的承諾，因此在市場(chǎng)中的地位被削弱，很多企業(yè)機構和供應商都不愿意在企業(yè)內部采用這一概念，或者干脆將其從宣傳中移除。
