21世纪经济报道记者 孔海丽、实习生 王嘉琪北京报道

自今年春节以来，AI能力提升与成本下降态势显著。一方面，AI能力持续演进，既有能力加速发展，新能力不断涌现，尤其是认知推理领域潜力巨大；另一方面，计算成本大幅降低，生成式AI及智能体的推理模型训练成本下降明显。

未来高性能大语言模型推理成本预计每年将下降至原来的十分之一或更多，这使得企业应用AI的门槛降低，越来越多企业将把AI应用在业务流程中。

埃森哲全球调研数据显示，AI发展热情高涨，86%的全球企业高管计划加大在AI或生成式AI领域的投入，36%的企业已实现生成式AI大规模应用，覆盖营销、客服、研发等多个领域。不过，仅有13%的企业获得了可量化财务回报，这表明企业在AI应用中仍面临诸多挑战，数据准备度不足便是一大障碍，凸显出数据治理与知识治理的重要性。

AI能否像预想的那样产生广泛而积极的影响，至关重要的前提之一，就是人们对AI的信任。这意味着，在企业更为负责任地使用AI基础上，数字系统和AI模型本身须更具准确性、可预测性、一致性和可追溯性。

近日，埃森哲在最新发布的《技术展望2025》报告中提出，自主性成为AI区别于传统技术的关键特征。

埃森哲全球副总裁俞毅提到，自主性意味着只需设定目标，AI便能在规定范围内自主实现，智能体有望成为企业“同事”。报告从四个趋势深入剖析AI对企业的影响。

在“二进制大爆炸”趋势下，企业IT系统定位发生变化，智能体成为重要用户，系统架构需从记录型向动态部署转变。Salesforce、Adobe、Workday等企业纷纷推出智能体相关产品与服务，中国企业如飞书、钉钉也在积极跟进。中国企业对AI智能体接受度颇高，57%的高管预计未来3年将大规模部署，且85%以上认为IT领域将发生大变革。

俞毅也谈到，目前智能体仍存在许多需要解决的问题。无论是过去还是现在，企业高管最担心的始终是生成式AI的准确性问题，合规性也很重要。比如，某些企业一方面会为大模型部署规范防范机制，来自动检查回答是否合规、避免说错话，另一方面也会让智能体记住客户之前的沟通内容，避免重复询问。

“品牌新门面”趋势下，企业品牌塑造面临新挑战与机遇。传统企业依靠网站、APP、电商平台、公众号等渠道来维护品牌。而现在，企业还需要考虑在如何结合自己的数据优势，在大模型基础上打造自己的个性化渠道。针对企业是否需要定制化专用小模型，俞毅也表示：“大模型目前作为基座已经具备稳定性，而定制化小模型需要落地中间层。企业直接依赖大模型面临着数据规模的局限，因此需要‘中间层’整合行业数据，来实现通用能力与垂直场景的结合。”

从消费端来看，报告指出，78%的中国消费者都愿意从社交媒体中获得启发，这比全球要高15%。而近八成的消费者愿意尝试AI导购或者AI助手。企业可以通过构建客户导向的AI智能体，利用客户画像、理解客户需求和自身业务，打造个性化品牌体验。

大模型进入实体。摩根士丹利发布的报告中也指出，在人形机器人产业链中，中国占63%。针对信任问题，更是有77%的中国高管认为能够用自然语言来交流是增强人机之间信任和协作。从语言模型到空间模型、机器模型的演进代表了AI已经不只能做单一任务，还能适应复杂环境。俞毅表示：“尤其是推理模型的发展，使得机器人拥有了人类的两种思维。”“慢思维”可以使得机器人做出事先规划分析路径，“快思维”使得一旦规划好，手部动作能快速协调执行。

“人机学习循环”强调人机相互赋能。人机之间的关系不是替代，而是相互增强。AI需要人的“训练”，使它越来越聪明，人也通过AI来提升某一领域的能力。“以前企业都要招T型人才，又要广又要深，但是现在横向的可能更为重要。”俞毅表示。也就是说，学习能力比某个领域的专长更为重要。报告指出，目前企业对把AI作为战略核心保持谨慎态度，而更积极地倾向于认为AI首先是工具。74%的中国高管认为，未来3年，他们会提升员工的生成式AI能力。58%的中国企业都认为有了工具和能力以后，员工才能够被释放出来，做更多有价值的工作。

对于企业AI转型准备，俞毅指出，除数据治理外，完善体系建设、选择合适框架架构、避免认知误区至关重要。在AI应用生态方面，模型、执行端以及场景串联都不可或缺。