全球企業(yè)紛紛全力投入人工智能(AI)，但許多企業(yè)開(kāi)始意識(shí)到：若缺乏穩(wěn)固的戰(zhàn)略支撐，人工智能不僅表現(xiàn)欠佳，更會(huì)消耗資源、拖累基礎(chǔ)設(shè)施并侵蝕利潤(rùn)空間。
這就是我們現(xiàn)在看到的悖論。根據(jù)Arm的《人工智能就緒指數(shù)報(bào)告》，82%的全球企業(yè)高管表示正在積極使用AI技術(shù)，其中有近9成計(jì)劃未來(lái)三年增加AI預(yù)算。但僅有39%的企業(yè)制定了全面的AI戰(zhàn)略，而為成功擴(kuò)展AI做好基礎(chǔ)設(shè)施或團(tuán)隊(duì)準(zhǔn)備的企業(yè)則更少。
在Arm，我們與數(shù)千家機(jī)構(gòu)攜手合作，從超大規(guī)模云服務(wù)商、半導(dǎo)體初創(chuàng)企業(yè)，到汽車制造商和物聯(lián)網(wǎng)創(chuàng)新者，這些機(jī)構(gòu)正直面這一脫節(jié)問(wèn)題。它們的共同認(rèn)知是：缺乏戰(zhàn)略支撐的AI不過(guò)是昂貴的實(shí)驗(yàn)。而戰(zhàn)略的制定離不開(kāi)三大支柱——可擴(kuò)展的技術(shù)基礎(chǔ)、值得信賴的數(shù)據(jù)實(shí)踐，以及具備專業(yè)能力的人才。
人工智能決策失誤的代價(jià)
不難理解為何眾多企業(yè)爭(zhēng)相涌入。AI承諾帶來(lái)生產(chǎn)力飛躍、新增收入來(lái)源和運(yùn)營(yíng)效率提升。但人們常忽略的是碎片化應(yīng)用所帶來(lái)的代價(jià)。
這種現(xiàn)象在各部門重復(fù)部署的AI工具中可見(jiàn)一斑；在基礎(chǔ)設(shè)施薄弱卻期待過(guò)高的團(tuán)隊(duì)中屢見(jiàn)不鮮；在遭遇安全壁壘或倫理陷阱的模型部署中時(shí)有發(fā)生；在直到為時(shí)已晚才暴露的人才缺口里更是暴露無(wú)遺。
后果如何？資金浪費(fèi)、投資回報(bào)延遲、機(jī)遇錯(cuò)失。根據(jù)《人工智能就緒指數(shù)報(bào)告》調(diào)研顯示，近半數(shù)全球企業(yè)高管將數(shù)據(jù)質(zhì)量問(wèn)題視為成功的障礙，另有49%的受訪者表示其組織缺乏實(shí)現(xiàn)AI落地所需的專業(yè)人才。
而壓力正與日俱增。隨著模型日益復(fù)雜、數(shù)據(jù)日益敏感，關(guān)于計(jì)算架構(gòu)與數(shù)據(jù)流的技術(shù)決策如今已成為業(yè)務(wù)關(guān)鍵。AI已不再是工具，而是不可或缺的依賴。
無(wú)法用陳舊的基礎(chǔ)設(shè)施支撐AI規(guī)?；l(fā)展
作為行業(yè)，我們正面臨著計(jì)算思維方式的根本性轉(zhuǎn)變。摩爾定律的步伐已然放緩，但AI對(duì)算力的渴求卻在加速增長(zhǎng)。事實(shí)上，杰文斯悖論揭示了一個(gè)規(guī)律：當(dāng)技術(shù)進(jìn)步提升效率(例如AI)，整體消耗量非但不會(huì)下降，反而會(huì)持續(xù)攀升。
過(guò)去單純靠堆砌晶體管就能解決的問(wèn)題，如今需要架構(gòu)層面的創(chuàng)新——特別是當(dāng)能耗和成本成為關(guān)鍵考量時(shí)。
正如筆者之前所言，電力是一種稀缺資源。這一現(xiàn)實(shí)正迫使行業(yè)從第一性原理重新思考計(jì)算架構(gòu)。無(wú)論是在云端訓(xùn)練大模型，還是在邊緣端部署經(jīng)過(guò)優(yōu)化的輕量化模型，能效架構(gòu)都是實(shí)現(xiàn)規(guī)?；阅芡黄频年P(guān)鍵所在。
這場(chǎng)變革的核心在于定制芯片與計(jì)算架構(gòu)的重構(gòu)。無(wú)論是AWS、谷歌等科技巨頭，還是工業(yè)機(jī)器人、自動(dòng)駕駛領(lǐng)域的創(chuàng)新企業(yè)，都在競(jìng)相開(kāi)發(fā)與業(yè)務(wù)場(chǎng)景強(qiáng)綁定的專用硬件。這類解決方案絕非標(biāo)準(zhǔn)化CPU的簡(jiǎn)單替代，而是通過(guò)精準(zhǔn)匹配AI負(fù)載特性，在能效比和算力密度之間實(shí)現(xiàn)最優(yōu)平衡的創(chuàng)新實(shí)踐。
簡(jiǎn)而言之，AI的未來(lái)并非千篇一律，而是為特定場(chǎng)景量身定制。
無(wú)論是超大規(guī)模企業(yè)訓(xùn)練數(shù)十億級(jí)參數(shù)的模型，還是智能攝像頭在設(shè)備端進(jìn)行實(shí)時(shí)推理，其設(shè)計(jì)原則始終一致：以工作負(fù)載為核心。這正是可擴(kuò)展AI戰(zhàn)略與昂貴科學(xué)實(shí)驗(yàn)的根本區(qū)別。
人才、文化與長(zhǎng)遠(yuǎn)規(guī)劃
當(dāng)然，僅靠計(jì)算能力無(wú)法實(shí)現(xiàn)目標(biāo)。人工智能戰(zhàn)略既要關(guān)注技術(shù)，更要重視人才。
在與合作伙伴共事的二十年中，筆者深刻認(rèn)識(shí)到：變革性技術(shù)需要文化變革的支撐。正如我們的《人工智能就緒指數(shù)報(bào)告》所示，近半數(shù)企業(yè)坦言員工對(duì)AI的認(rèn)知仍停留在基礎(chǔ)層面，而僅有37%的企業(yè)制定了正式的變革管理計(jì)劃。
這種差距既是風(fēng)險(xiǎn)也是機(jī)遇。那些取得成功的企業(yè)未必?fù)碛凶钚酆竦念A(yù)算或最宏大的抱負(fù)，而是那些致力于提升團(tuán)隊(duì)技能、統(tǒng)一領(lǐng)導(dǎo)層共識(shí)，并將AI能力深度融入企業(yè)運(yùn)營(yíng)方式，而非僅限于產(chǎn)品開(kāi)發(fā)的企業(yè)。
我們親眼見(jiàn)證了AI如何重塑開(kāi)發(fā)者工作流程。我們的工程團(tuán)隊(duì)正使用生成式模型實(shí)現(xiàn)自動(dòng)化調(diào)試、加速代碼編寫(xiě)并優(yōu)化測(cè)試流程，這些舉措在無(wú)需增加人力的情況下縮短了產(chǎn)品上市周期。這些并非抽象收益，而是能夠改變投資回報(bào)曲線的復(fù)合型生產(chǎn)力提升。
數(shù)據(jù)信任與監(jiān)管摩擦
此外還有數(shù)據(jù)本身的問(wèn)題。人工智能依賴數(shù)據(jù)運(yùn)行，但其效能取決于數(shù)據(jù)治理、溯源機(jī)制和透明度的完善程度。
越來(lái)越多的組織開(kāi)始提出棘手的問(wèn)題：數(shù)據(jù)從何而來(lái)？歸誰(shuí)所有？如何在保障隱私的同時(shí)不影響性能？以及如何證明我們的模型是公平的？
從歐盟《人工智能法案》到新加坡的人工智能驗(yàn)證框架(AI Verify)，合規(guī)性已不再是未來(lái)的問(wèn)題，而是全球運(yùn)營(yíng)的關(guān)鍵門檻。而保持領(lǐng)先的唯一途徑，是構(gòu)建主動(dòng)而非被動(dòng)應(yīng)對(duì)倫理與安全問(wèn)題的人工智能戰(zhàn)略。
邁向真正有意義的投資回報(bào)率
將這一切串聯(lián)起來(lái)的關(guān)鍵，在于計(jì)算能力與應(yīng)用場(chǎng)景的匹配，雄心壯志與實(shí)際能力的平衡，以及風(fēng)險(xiǎn)與收益的權(quán)衡。AI的正確實(shí)施不僅是技術(shù)演示，更是創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)的引擎。
我們已看到初步跡象表明，以戰(zhàn)略為導(dǎo)向的人工智能能帶來(lái)更佳成效。在我們的研究中，擁有明確路線圖的企業(yè)中，65%表示其AI項(xiàng)目已達(dá)到或超出投資回報(bào)預(yù)期。這正是夯實(shí)基礎(chǔ)所獲得的回報(bào)。
結(jié)語(yǔ)：AI是一項(xiàng)團(tuán)隊(duì)運(yùn)動(dòng)
若說(shuō)高管們最該記住什么，那就是：AI的成功絕非跟風(fēng)炒作，而是鍛造適應(yīng)變革、持續(xù)試錯(cuò)、穩(wěn)健擴(kuò)張的組織能力。
這要求對(duì)技術(shù)棧進(jìn)行全方位投入：夯實(shí)算力底座、完善開(kāi)發(fā)工具鏈、構(gòu)建數(shù)據(jù)治理機(jī)制、強(qiáng)化人才梯隊(duì)建設(shè)。必須清醒認(rèn)識(shí)到AI是牽動(dòng)全局的變革，更要明白投資回報(bào)沒(méi)有捷徑可走，一味地砸錢買不來(lái)成效，唯有持續(xù)建設(shè)方能制勝。
隨著我們進(jìn)入人工智能應(yīng)用的下一階段，那些舍得投入時(shí)間夯實(shí)基礎(chǔ)的企業(yè)終將成為最后的贏家。
