世界正在進入一個以生成式人工智能（Generative AI）為核心的新時代，生成式AI有機會為幾乎所有行業帶來新一輪的業務轉型浪潮。企業領導者對這項新技術感到興奮，但亦不確定它將如何影響他們的業務。我們看到了一系列大家提出的問題：什麼是人工智能自動生成內容（AIGC）或者生成式AI？它在中國市場的應用現狀是怎麼樣的？目前有哪些應用？未來又有什麼潛在的應用？它對企業戰略有什麼影響？又帶來了哪些潛在風險與挑戰？
AI的發展與演進
自從1950年艾倫·圖靈（Alan Turing）提出圖靈測試（Turing Test），人工智能這個概念開始被人們廣泛的認識與探索。人工智能的發展經歷了幾個階段，從機器學習到深度學習，再到今天的生成式AI。可以說，這一領域經過了這些年的發展取得了重大的突破。
生成式AI是一種用於生成新的原創內容的AI技術，生成的內容即為AIGC。從2022年底，由OpenAI開發的人工智能聊天機器人ChatGPT面世以來，生成式AI技術就在全球掀起了熱潮。ChatGPT迅速成為一種公認的強大的工具，可以圍繞各種主題進行對話，並以文本形式生成信息豐富且結構化的內容。就像其他新興技術一樣，它依然存在一些局限性，例如有時會提供一些不準確的信息。無可厚非，它展示了一種顛覆性的人與計算機交互的方式。除了以文本的形式，生成式AI還能夠以代碼、圖像、音頻、視頻等形式高效生成大量的內容。
與過去利用人工智能來分析數據、發現新模式或規律相比，今天的生成式AI的關鍵特徵其實已經在它的名字中有所強調──「生成式」。生成式AI可以幫助用戶自主創建內容，為他們提供量身定製的結果，更具有優勢和突出的點是，生成式AI可以為用戶提供真正個性化並且是原創的結果。此外，它可以與搜索引擎、推薦系統等其他技術集成，改變它們的應用方式，為用戶帶來新穎的體驗。
總體而言，生成式AI將重塑和顛覆各行各業的內容創建和創新過程，並通過提高生產力、提供更好的客戶體驗和降低成本來改變現有的業務模式。企業與客戶以及生態系統中其他玩家之間的關係將發生明顯的變化。隨着市場對生成式AI技術認識逐漸加深，會形成新的消費模式，新的行業標準亦將被制定，這些改變將會要求企業擁有一套全新的能力。
另一方面，人們也開始擔心隱私保護、數據安全、非法使用生成內容等潛在的風險與挑戰。企業領導者需要具備管理這項快速發展的技術的能力，發現並抓住新的機遇同時意識到它可能帶來的潛在風險，形成對這項技術更全面的理解。
生成式AI的新興應用
總體來看，生成式AI將有可能顛覆許多行業的發展。對於企業來說，了解這項技術並開始考慮它會如何影響他們的行業是十分重要的。一些行業，例如電子商務和零售、娛樂和遊戲、教育、醫療保健和製藥等等，存在着一些共性，使得它們更容易受到生成式AI技術的影響。
首先，這些行業通常有着豐富多樣的數據積累，讓人工智能算法可以在這些數據中更快、更經濟地識別模式，生成有意義的輸出。此外，創新對於這些行業來說至關重要，而生成式AI為其探索創新理念、突破創造力界限，提供了強大的技術支持。另外，這些行業對個性化和定製內容的重視與生成式AI解決方案能力高度吻合。
最後，這些行業對效率和自動化的要求加速了它們對生成式AI的應用，使勞動密集型的任務更加自動化，並且有效降低了成本。認識到這些共性，對於理解生成式AI行業中的應用及產生的深遠影響十分關鍵，企業也應該意識到將這項技術集成到他們現實業務中的重要性。
加速電商轉型、商業模式轉變
生成式AI正在深刻改變着電子商務行業的商業模式，並重新定義行業內的數字化轉型趨勢。電商行業的玩家可以利用生成式AI技術以更低的成本和更高的效率，為個人消費者提供個性化體驗和定製服務。例如，抖音就利用虛擬直播技術助力跨境直播電商，智能生成直播內容。此外，生成式AI還可以根據客戶過去的購買記錄、瀏覽歷史和其他相關因素精準地向客戶推薦產品。
生成式AI另一顛覆性的應用是，智能生成產品圖像，高效地幫助企業根據消費者需求設計並銷售產品。例如，Midjourney（一款根據文本生成圖像的人工智能程序）可以根據企業所描述的內容自動生成海量的產品圖片，這不僅大大降低了庫存成本，還幫助實現了真正的按需購買。生成式AI這一強大的工具，還可以幫助創建個性化營銷活動和智能優化營銷內容。電商行業的應用案例生動地為我們展示了，企業是如何應用數字化技術為客戶提供更加高效、個性化和沉浸式的服務。
生成式AI正在重塑企業，合理地利用這一工具，可以大幅提升企業內部的運營效率和經濟效益。這一點在零售行業的體現也很明顯，許多零售行業的玩家已經開始積極擁抱這一技術帶來的轉型變革。生成式AI能夠優化供應鏈運營，並為消費者創造沉浸式的購物體驗。例如，沃爾瑪一直在探索利用生成式AI提高供應鏈管理效率，目前這一技術已被應用到自動與供應商談判並達成協議，極大地降低了人工成本。其他企業也需要思考如何利用生成式AI技術帶來的機會，最大化地優化組織運營並提高利潤。
激發娛樂及遊戲行業的創造潛力
強大的創作能力和大數據的結合，使生成式AI帶動了娛樂和遊戲產業的生產力革命。這一技術不僅極大地激發了創造力、增強了用戶參與體驗，而且大幅縮短了內容創作流程。在娛樂行業應用領域，生成式AI可以用來輔助內容創作並為消費者提供個性化的體驗。例如，瑞典在線音樂流媒體平台Spotify正在使用生成式AI技術根據音樂、藝術家或流派智能生成播放列表，滿足每位用戶的個性化需求。隨着生成式AI技術的演進，在生成音樂、視頻、動畫、劇本等娛樂領域，未來我們預計將會看到其更多的應用。
生成式AI這一關鍵技術與遊戲行業的深度結合，也受到了前所未有的關注。生成式AI技術可用於遊戲設計和內容的生成，它還可以通過分析玩家在遊戲中的行為和偏好，定製遊戲內容以適應不同玩家的遊戲風格，大幅地提高了遊戲創作效率和遊戲內容的豐富度。例如，生成式AI工具可被應用到創建3D模型、紋理、動畫場景、遊戲角色甚至自動生成開發代碼，從而減少遊戲製作的時間和成本。
此外，生成式AI還可以通過生成智能交互性的內容（如對話、任務等）來增強玩家的虛擬遊戲體驗。毫無疑問，生成式AI這一強大的創意工具，正在改變遊戲行業的未來，給行業的經濟和文化帶來顛覆性的影響。
賦能教育行業 帶來嶄新教學體驗
生成式AI為教育創新提供了新的機遇，推動教育行業高質量發展。
通過其先進的算法，生成式AI可智能生成針對特定學習目標的高質量教育材料，這為教育工作者和學生提供了全面且最新的資源。生成式AI還可以根據海量數據，智能生成定製化的學習路徑、適應性評估和有針對性的教學幹預措施。例如，Carnegie Learning（卡內基學習公司）開發了一種數學輔導系統，該系統利用生成式AI技術為每個學生提供個性化的學習體驗，同時智能分析學生以往的表現數據，並自動生成適合每個學生需求的學習路徑，使學生能夠按照自己的節奏學習，提高學習效率。
另外，生成式AI還可以根據個人目標和職業規劃，精準推薦相關課程和資源，促進終身學習和個人技能提升。對於教育工作者來說，生成式AI可被用於簡化教學管理任務，為他們節省時間專注於更被毀的教學活動和提供個性化的學生支持。生成式AI技術具有提高教學效率的潛力，是教育領域一股不可忽視的變革力量。隨着技術發展與成熟，它將顛覆傳統的教學模式，讓信息的獲取變得更加容易、高效。
賦能生物製藥、醫療診斷、智慧問診
這一強大工具更有改變醫療保健和製藥行業的潛力。它可以被應用於簡化就診流程，協助醫生進行疾病診斷，並且在慢性疾病管理等醫療健康領域作出貢獻。可以說這項技術在行業內的應用潛力無限。在智能健康平台中，生成式AI可被用於預問診階段，包括詢問患者病史、過敏史、用藥史、癥狀等等，可以有效節省醫生問診和產出報告的效率，分流輕症患者。例如，好大夫在線平台使用生成式AI為患者提供預問診，這有助於將平均咨詢時間縮短20%。生成式AI還可以用於分析醫學影像，幫助醫生評估患者的健康狀況和預測疾病風險，從而幫助醫生更準確、更快速地診斷疾病。此外，生成式AI還可以協助回訪和慢性疾病管理，包括提供用藥提醒和確保患者正確服藥。
除了醫療保健，生成式AI在藥物研發領域各個階段都具有重大的應用潛力，包括在藥物發現、臨床前試驗、審查以及學術推廣和銷售。其中，新藥研發領域被認為是可被顛覆現有模式的領域。生成式AI在新藥發現領域的應用包括藥物候選物的發現和優化、藥物組合的研究、藥物代謝的預測、藥物劑量的優化以及藥物靶點的鑒定等。例如，英矽智能於2020年推出的Chemistry42人工智能分子生成和設計平台，它繼承了多種前沿算法，可以從頭設計新穎分子，並在生成式AI算法的輔助下進行多維度評分，以判斷藥效的優化性、代謝的穩定性、以及合成難度等眾多指標。
值得一提的是，當今傳統的藥物研發面臨許多困難，例如研發費用高、成功率低、研發周期長的問題。這些問題主要源自於三大方面：其一，是難以識別好的靶點，其二是難以合成好的分子，其三，則是設計臨床實驗方案較為複雜和困難。而生成式AI可以通過學習和理解藥物分子和蛋白質之間的相互作用問題，並利用原子和原子之間相互作用的物理模型來精準求解複雜的物理規律，加速藥物的研發。這是傳統人工智能無法達到的，生成式AI的能力可以使新藥研發這一傳統上非常緩慢的過程得到大幅加速，為整個製藥業帶來顛覆性改變。
此外，生成式AI還可以處理數據量特別大或者很難處理的數據，比如蛋白質結構預測問題。在生物學領域，DNA中的長鏈在折疊成蛋白質時的複雜3D結構具有無數種形態，想要對其結構進行預測曾被認為幾乎是不可能的。但生成式AI可以對蛋白質序列和結構之間的映射關系進行學習，並基於其強大的算力解決複雜的高維數據映射問題，從而實現蛋白質結構的預測。除此之外，生成式AI還可以根據預先設定的性能和結構來設計全新的、自然界可能不存在的蛋白質。如今世界上已經有多家製藥公司正在使用生成式AI設計針對疾病的蛋白質功能。例如晶泰科技自主開發的XuperNovo中包含的ProteinGPT，百度的百圖生科基於生物計算引擎的De novo，都能夠一鍵生成符合要求的蛋白藥物。
雖然生成式AI對上述提及行業的影響及應用相比其他行業會早許多，但這並不意味着其他行業應該對這項技術保持觀望的態度。當下任何行業都應該認真思考和判斷生成式AI對其的潛在影響。這項具有顛覆性潛力的工具很有可能在不遠的將來重塑各個行業，甚至衍生出新的商業模式及新的商業生態。即使是一個現階段看起來與生成式AI這種前沿技術毫無關聯的行業，在長時間維度下仍可能會因為生成式AI的應用帶來重大變革。本質上生成式AI對一個行業的創新和突破，會逐漸影響與之相關的其他產業，最後波及全部產業和生態。
通過認真思考和分析生成式AI的發展趨勢，企業可以進而判斷這項顛覆性技術對自身行業所帶來的潛在影響，這有助於企業發現跨領域創新的機會，並利用其他領域的協同效應，提升自身在所在領域的價值。此外，將生成式AI運用到企業日常運營中，不僅能夠有效提升產品開發效率、提升客戶體驗、增強數據分析能力等，還可以重塑企業的競爭優勢。
最後，生成式AI的更廣泛社會應用，離不開各行各業共同參與制定人工智能的規則。因此，為了更好地推動這項前沿技術的發展，所有行業都應該關注生成式AI的潛在影響以保持企業的競爭力，為創造良好的科技創新社會做出貢獻。
原文為英文版”The Transformative Nature of Generative AI to Your Business”，本社獲作者翻譯後授權轉載。
人工智能下的企業變革 2-1
