“我认为这并不值得担忧，”AWS GenAI和AI/ML市场推广副总裁拉胡尔·帕塔克(Rahul Pathak)在接受采访时表示，“我的理解是，客户的安全仍然是重中之重。我们看到AI在预算优先级方面如此重要，是因为客户看到了AI的众多应用场景。实际上，是广泛需要加速AI的采用才导致了这一结果。”
这项在美国、巴西、加拿大、法国、德国、印度、日本、韩国和英国进行的广泛调查显示，GenAI的采用已达到关键转折点，90%的企业现在都在某种程度上部署了这些技术。更引人注目的是，44%的企业已经超越了实验阶段，进入了生产部署阶段。
60%的公司已任命首席AI官，高管层为AI时代转型
随着AI计划在企业中的扩展，新的领导结构正在涌现以管理复杂性。报告发现，60%的企业已经任命了专门的AI高管，如首席AI官(CAIO)，另有26%的企业计划在2026年前完成这一任命。
这种高管级别的承诺反映了AI战略重要性的日益增长，尽管研究指出，到2026年，近四分之一的企业仍将缺乏正式的AI转型战略，这表明变革管理方面可能存在挑战。
“深思熟虑的变革管理策略将至关重要，”报告强调，“理想的策略应解决运营模式变化、数据管理实践、人才管道和扩展策略等问题。”
公司平均进行45次AI实验，但2025年仅20次将触达用户：生产部署差距挑战
企业在2024年平均进行了45次AI实验，但预计到2025年只有约20次能够触达终端用户，这凸显了持续存在的实施挑战。
“对我来说，看到超过40%的实验能够进入生产阶段，对于一项相对较新的技术来说，我认为从采用的角度来看，这已经是相当迅速且高的成功率了，”帕塔克指出，“话虽如此，我认为客户确实正在大规模地将AI应用于生产中，而且我希望看到这种情况继续加速。”
报告指出，人才短缺是将实验转化为生产的主要障碍，55%的受访者表示，缺乏熟练的GenAI劳动力是他们面临的最大挑战。
“我认为另一个成功进入生产阶段的关键是，客户真正从他们试图推动的业务目标出发，然后理解AI将如何与他们的数据互动，”帕塔克告诉记者，“只有当你将对企业和客户的独特见解与AI相结合时，才能推动差异化的业务成果。”
92%的企业将在2025年招聘AI人才，同时75%的企业将实施培训以弥补技能差距
为了解决技能差距问题，企业正在采取内部培训和外部招聘的双重策略。调查发现，56%的企业已经制定了GenAI培训计划，另有19%的企业计划在2025年底前完成这一计划。
“对我来说，很明显客户对此非常重视，”帕塔克在谈到人才短缺问题时表示，“问题是，我们如何确保我们的团队和员工能够跟上步伐，并充分利用这一机遇。”
帕塔克强调，相较于特定的技术技能，适应性更为重要：“我认为更重要的是，你是否能致力于学习如何使用AI工具，以便将其融入你的日常工作中，并保持这种敏捷性?我认为这种思维敏捷性对我们所有人来说都很重要。”
人才推动不仅限于培训，还包括积极招聘，92%的企业计划在2025年招聘要求具备GenAI专业知识的人员。在四分之一的企业中，至少50%的新职位将要求这些技能。
金融服务加入混合AI革命：仅25%的公司从零开始构建解决方案
长期以来，关于是构建专有AI解决方案还是利用现有模型的争论似乎正朝着混合方法的方向发展。只有25%的企业计划从零开始部署内部开发的解决方案，而58%的企业打算在现有模型上构建定制应用程序，55%的企业将在微调模型上开发应用程序。
这代表了传统上以定制开发著称的行业的显著转变。报告发现，44%的金融服务公司计划使用现成的解决方案——这与它们过去偏爱专有系统的做法有所不同。
“许多精选客户仍在构建自己的模型，”帕塔克解释道，“但话说回来，我认为核心基础模型已经投入了如此多的能力和投资，它们是非常好的起点，而且我们已经非常努力地确保客户可以放心，他们的数据是受到保护的。没有任何东西会泄露到模型中。他们进行的任何微调或定制都是私有的，并保留为他们的知识产权。”
他补充说，公司在使用现有基础模型的同时，仍然可以利用他们的专有知识：“客户意识到，他们可以通过RAG(检索增强生成)和定制、微调以及模型蒸馏等方式，获得他们对世界的专有理解的好处。”
印度以64%的全球AI采用率领先，韩国紧随其后为54%，超越西方市场
虽然GenAI投资是全球趋势，但研究揭示了采用率的区域差异。美国有44%的企业优先考虑GenAI投资，与全球平均水平45%持平，但印度(64%)和韩国(54%)的采用率显著更高。
“我们看到全球范围内的大规模采用，”帕塔克观察到，“我认为有趣的是，在全球范围内，我们看到了相对较高的一致性。我认为在我们的受访者中，印度可能稍微领先一些，其他部分稍微落后于平均水平，然后美国正好处于平均水平线上。”
65%的企业将在2025年依赖第三方供应商来加速AI实施
随着企业在复杂的AI领域中导航，他们越来越依赖外部专业知识。报告发现，65%的企业将在2025年在一定程度上依赖第三方供应商，其中15%计划完全依赖供应商，50%采用结合内部团队和外部合作伙伴的混合方法。
“对我们来说，这更像是一种‘和’的关系，”帕塔克在谈到AWS支持定制和预构建解决方案的方法时表示，“我们希望满足客户的需求。我们从模型提供商的角度投资了一个庞大的合作伙伴生态系统，包括Anthropic和Meta、Stability、Cohere等。我们拥有一个庞大的独立软件供应商合作伙伴生态系统。我们拥有一个庞大的服务提供商和系统集成商合作伙伴生态系统。”
现在行动或面临被甩在后面的风险
对于仍在犹豫是否拥抱GenAI的企业，帕塔克发出了严厉的警告：“我真的认为客户应该积极投入，否则他们将面临被那些已经行动起来的同行甩在后面的风险。AI所能带来的收益是真实且显著的。”
他强调了该领域创新的加速步伐：“AI技术的变化速度、改进速度以及推理成本降低的速度都是显著的，并将继续保持快速。今天看起来不可能的事情，可能在三到六个月内就会成为旧闻。”
这种情绪在各行各业的广泛采用中得到了回应。“我们看到如此迅速、如此广泛的采用，”帕塔克指出，“受监管的行业、金融服务、医疗保健、政府、大型企业、初创公司。当前的初创公司几乎完全由AI驱动。”
以业务为先的AI成功方法
AWS的报告描绘了GenAI从前沿实验到基本业务基础设施的快速演变。随着企业转移预算优先级、重组领导团队并竞相获取AI人才，数据表明我们已达到企业AI采用的一个决定性转折点。
然而，在这场技术淘金热中，最成功的实施可能来自那些始终关注业务成果而非技术新颖性的企业。正如帕塔克所强调的，“AI是一个强大的工具，但你必须从业务目标出发。作为企业，你试图实现什么?”
最终，成功的公司将不一定是那些拥有最大AI预算或最先进模型的公司，而是那些最有效地利用AI解决实际业务问题并利用其独特数据资产的公司。在这个新的竞争格局中，问题不再是要不要采用AI，而是企业能否在竞争对手之前迅速将AI实验转化为切实的业务优势。
