从2025纽约AI领袖峰会看企业AI落地：多云策略与小模型成主流选择

来源：智通财经网

德银近日发布研报称，在参加了2025年纽约人工智能领袖峰会后，该行更加确信，企业在制定其AI转型路线图方面仍处于早期阶段。德银指出，此次峰会吸引了超过50位来自广泛垂直领域的技术业务领袖和从业者参与，小组讨论和分组会议表明：1) 在衡量投资回报率方面缺乏共识;2) 数据就绪度仍然是关键，并且是企业能否充分利用AI效益的主要制约因素;3) 相对于AI的操作化，监管和治理政策仍是关注焦点。尽管会议上很少讨论特定供应商，但该行表示，其确实感觉到，打包软件在未来架构中能发挥作用，因为许多组织似乎尚未准备好或缺乏专业知识来采取DIY方法。

以下是德银关于此次会议的要及其收获的介绍。

1、投资回报率(ROI)在整个企业范围内仍是一个移动的目标，业务领袖选择/定义自己的关键指标。遗留系统预计将获得最大收益，但也面临最大的启用挑战，因为它们已经落后了好几代。

2、虽然量化节省的时间是更广泛ROI讨论的一部分，但乐观者认为，部分更大的价值仍在于AI解锁的全新净能力。

3、从启用角度来看，目前大部分客户(约80%)仍处于优化现有业务流程的阶段，其余(约20%)则更愿意进行实验。

4、数据就绪度对企业而言仍然是关键，根本问题在于管理团队对其数据的了解程度以及数据存储位置。有趣的是，据称总时间中只有10%-20%实际用于训练模型，其余时间则专注于数据准备，这表明模型的好坏取决于其输入数据。

5、数据编目仍然是AI响应可解释性的核心。编目被指为企业在准备AI过程中的常见盲点，因为如果编目不能跟上数据随时间的演变，输入到大语言模型的数据就会持续不一致。

6、许多领袖认为，在代理流程中保持人工参与仍然至关重要。德银了解到，最重要的是需要进行合理性检查，这使得人工参与成为代理工作流的关键。

7、监管悬置和治理政策被指为整个企业采用AI速度的障碍。从安全角度来看，焦点仍然集中在改进灾难恢复政策以及减少影子AI上。

8、德银注意到，与LLM(大型语言模型)相比，对SLM(小型语言模型)的偏好有所增加，因为这能完全控制模型的运行位置并提高效率。据称，供应商训练的模型参数数量过多且上下文量不当，导致总拥有成本更高和响应上下文性低下。

9、多云似乎成了企业的首选策略，业务领袖倾向于采用“最佳品种”方法。德银没有发现一刀切的解决方案，因为该行理解企业的基础设施组合更需具体情况具体分析，并涉及其他决策标准。

10、低风险和重复性的工作负载据称是率先利用AI的领域，最常见的应用是AI搜索和分析。尽管公司专注于面向客户的项目，但业务领袖认为后台功能仍有成熟的颠覆空间，AI创造价值的机会很大。

此外，会议上进行了一些投票调查，重点如下：

1、73%的参与者认为其组织在AI应用旅程中进展不一，只有极少数系统进入生产系统(18%)和早期试点(9%)。

2、70%的参与者将平衡AI创新与安全列为首要解决方案优先事项，其余则在快速部署、风险管理和法规遵从之间平均分配。

3、创建无缝AI驱动客户体验的最大障碍仍然是遗留系统集成(56%)，其次是不明确的投资回报率(33%)和数据孤岛(11%)。