在这样的时代背景下，世界经济论坛（WEF）联合埃森哲、毕马威发布报告，无疑为我们洞察 AI 未来的发展脉络提供了权威视角。

该报告汇聚了多方智慧，通过深入的行业调研、前沿的技术分析以及对全球趋势的精准把握，为我们全方位呈现 AI 在未来的机遇与潜力。

无论是关注科技创新的从业者，还是寻求投资方向的金融人士，亦或是关心社会发展的普通大众，都能从这份报告中获取启发，提前布局，迎接 AI 时代的无限可能。

人工智能正在以前所未有的速度发展，特别是在自然语言处理（NLP）、计算机视觉和生成式人工智能等领域。

由世界经济论坛（WEF）与埃森哲（Accenture）合作撰写的报告《AI in Action: Beyond Experimentation to Transform Industry 2025》，探讨了AI在2025年的机遇、采用现状及其未来潜力，旨在为组织提供负责任且具有变革性的AI采用框架。

报告链接：https://www.weforum.org/publications/industries-in-the-intelligent-age-white-paper-series/cross-industry/

以下是该报告的核心要点：

AI的机遇

效率和成本节约：生成式AI不仅优化了工作流程和成本，还显著提高了生产力。例如，一家技术提供商开发的虚拟工程师通过实时数据优化建筑管理，将HVAC能源成本降低了25%，并将维护计划时间减少了90%
收入增长：率先采用Ai的公司在收入方面已经比同行高出15%，预计到2026年这一数字将翻倍。生成式AI通过个性化设计工具帮助设计师快速生成多样化的图案，直接推动了销售和收入的增长。

客户体验提升：AI已经从独特的差异化因素转变为所有企业保持竞争力的基本要求。例如，伦敦证券交易所集团使用AI驱动的问答服务（QAS）将客户查询的解决时间减少了50%。

行业采用：电信、金融服务和消费品行业在AI采用方面处于领先地位。生成式AI在依赖人类资本的行业中尤为突出，如医疗保健、金融服务和媒体娱乐行业。
功能采用：市场营销和销售、产品和服务开发、服务运营和风险管理是AI采用率最高的功能。这些功能通常生成或数字化大量结构化和非结构化数据，使得AI模型能够更有效地训练和扩展。

组织采用：尽管AI投资和使用激增，但大多数组织的AI采用仍处于早期阶段。74%的公司报告在规模化采用AI方面面临挑战，只有16%的企业准备好进行AI驱动的全面改革。

复杂任务的全面自动化：AI智能体可以协同工作，实现复杂重复任务的全面自动化，使人类能够专注于更高级的任务。例如，到2028年，制造和金融服务等行业将看到AI智能体管理生产线、优化供应链操作和处理客户支持的显著收益。
更情境化和个性化的决策：将高级推理能力集成到生成式AI应用中，将使AI系统在协助人类导航复杂环境和做出情境感知决策方面更加有效。例如，在医疗保健行业，AI将支持个性化治疗方案。

增强个人效率和能力：AI集成的手持设备、先进的边缘AI和紧凑语言模型有可能通过自动化任务、管理日程和提供实时信息来彻底改变工作方式。

生态系统合作：公司越来越多地与云提供商、AI技术公司、初创企业和公共机构合作，以获取资源和专业知识。
利益相关者对AI的信任：信任是AI成功的关键。61%的人对依赖AI系统犹豫不决，主要是由于对数据安全和第三方参与的担忧。
行业自我治理：组织正在创建自我治理框架，以补充法规，确保AI部署与公司价值观和区域法规保持一致。
人才和组织：组织需要优先考虑员工发展，使员工能够应对技术变化并领导AI驱动的价值创造。
网络安全：AI驱动的网络攻击如深度伪造、定向钓鱼和数据泄露是新兴威胁。组织需要将AI网络风险纳入跨组织风险管理。

数字核心：部署可扩展的AI战略依赖于建立强大的数字核心，包括AI应用和数字平台、数据和AI“骨干”以及物理和数字基础设施。

构建基础：包括可持续的AI基础设施、高质量数据集、负责任的AI模型和有效的资本投资渠道。
发展新智能经济：通过嵌入智能的应用、工作流程、设备和机器人，重新构想各行业的核心活动。
以人为本：通过高质量教育、技能发展和劳动力培训，提升人类潜力，并建立道德、安全和安全的护栏。

构建可持续的AI基础设施
挑战：高能耗、大规模投资需求、不安全的AI供应链、数字鸿沟、高成本的互联网设备。
成功案例：微软与美国签署了购买无碳能源的协议，重新开放三哩岛核电站，为其数据中心提供绿色能源。世界银行启动了100亿美元的可再生能源计划，旨在增加15吉瓦的可再生能源容量。

关键能力：可持续和负责任的绿色能源、安全的网络和弹性的AI供应链、高速连接、可扩展和可负担的计算能力、AI就绪设备。

策划多样化和高质量的数据集
挑战：高质量数据的获取、数据不平等、数据所有权、AI技术进步、对AI的信任。
成功案例：日本的Fugaku LLM是一个开源的大型语言模型，至少60%的训练数据来自日本。阿联酋政府与G42合作开发了基于现代标准阿拉伯语的LLM“Jais”。

关键能力：可用和可访问的数据、多样化和包容性的数据、数据所有权和共享、数据保护和隐私、数据生命周期管理。

建立道德、安全和安全的护栏
挑战：减轻偏见、应对不断变化的监管环境、确保AI安全、实施负责任的AI实践、AI知识产权和法律不确定性。
成功案例：欧盟的《人工智能法案》将AI应用分为风险等级，设定高风险领域的要求。美国和英国通过AI安全研究所合作，开发共享的AI模型测试框架。

关键能力：道德护栏、负责任的使用的护栏、安全和安全标准、AI法规、法律框架。