生成式AI正在亚太区引发AI的新一轮风暴。根据市场调查公司IDC的一份最新调研，43%的亚太区企业将在未来12个月增加20%的AI投资，其中有40%的企业期待AI能够带来3倍投资回报。在亚太区，中国企业一马当先，不仅有27%的受访企业将AI用于企业全方位转型，而且仅有很少数企业尚未投资AI。
过去两年，在亚太区市场出现了“百模大战”，特别是中国市场上演了生成式AI大乱斗。那么这是否意味着新一轮的AI淘金热？还是在AI成熟度上的缺失？IDC的报告指出：企业应该尽快渡过混乱使用生成式AI阶段，着手提升企业的AI成熟度，通过规模化扩展AI，转型成为AI驱动的业务，而2025-2026年将是提升AI成熟度的关键阶段。
IDC最新支出指南表明，亚太地区的AI支出在2024年将达到450亿美元，到2028年将增至1100亿美元，复合年均增长率将高达24%（2023-2028 年）。那么这千亿美元AI投资将投向哪些领域？经过前两年生成式AI的狂热，预测型AI、解释型AI和生成式AI等三大AI技术领域的投资重新回到了均衡分布的状态，这说明市场回归理性，正在走向更高成熟度。
作为全球领先的数据与AI公司，SAS公司2024年在亚太区市场取得了出色的成绩，实现了两位数的增长，SAS公司亚太地区与欧洲、中东和非洲新兴地区高级副总裁Shukri Dabaghi透露。这说明越来越多的公司开始重视数据基础建设，进而为扩展AI应用、提升AI成熟度、成为AI赋能型企业，打下长期发展的基石。
采用AI正当时
2024年，诺贝尔奖首次授予了AI学者，这让更广泛的人群开始认识到AI的“威力”。而对于科学界来说，这还意味着一次范式的升级，也就是科学发现的范式，将从数据密集型科研升级到智能科研（AI for Science）。而对于企业来说，现在正是更广泛采用AI，将AI用于下一代企业范式的时机。
由SAS委托IDC调研的《2024年亚太地区数据与AI趋势》研究报告显示，几大因素汇集到当下，造就了企业采用AI的最佳时机，包括：“掉队”的恐慌、技术进步、经济和竞争压力以及响应监管等因素。特别是经济、技术和监管的不确定性，让企业必须采用AI技术，以保持足够的灵活性。
首先是“掉队”的恐慌。简单理解，“掉队”的恐慌来自于其他公司加大了对AI的投资，由此获得了新的竞争力，进而拉大了公司之间的差距，导致没有或较少投资AI的公司，在市场竞争中掉队，甚至有被淘汰的可能。而现在，这种“掉队”恐慌的压力，进一步从盲目投资AI，转向要求更高的AI投资回报率，也就是更为切实的AI落地成果。
其次是技术进步。AI技术的快速发展和不断提升的算力，让AI解决方案更易获得和落地，也更加有效。进一步来看，大模型与生成式AI的快速发展，特别是开源大模型的涌现，让更多企业能够上手生成式AI应用；在算力方面，尽管中美科技竞争让中国企业暂时无法获得全球顶级GPU，但中国自研算力芯片正在迎头赶上，只要优化AI平台软件，即可适配多元算力，让AI解决方案高效落地，并在业务中产生实效。
第三是经济和竞争的压力。企业和组织都在寻求更加创新的技术和方案，以求在市场中保持竞争力，以及在动荡的全球经济中获得业务弹性。麦肯锡等咨询机构认为生成式AI将为全球带来普遍生产力的提升，而率先应用生成式AI的企业将拉开与其他企业的距离。此外，全球经济正剧烈动荡，而将AI和自动化技术嵌入到业务中，将极大提升业务的弹性。
第四是响应监管的要求。亚太区的政府正在积极颁布政策和出台更明确的监管要求，以支持AI创新和应用。过去，政府更多的职能是管控；而现在，当AI风暴席卷全球，政府更多的职能是鼓励创新，特别是通过政策和行业监管等鼓励AI创新和应用。事实上，不仅亚太区的政府，全球主要经济体的政府都在加大AI政策力度，同时适时推出宽松监管措施，鼓励AI健康发展，为AI发展提供可以依循的监管法规。
三大AI技术齐头并进
过去两年，大语言模型和生成式AI的风头过盛，导致“传统AI”难以在市场中获得更高热度和更多关注。所谓“传统AI”包括了预测型AI和解释型AI：预测型AI即基于历史数据对未来趋势进行预测，典型的场景包括风险预测和金融欺诈侦测；解释型AI则增强了人类的高阶任务能力，包括了图像与声音识别等，典型的场景包括癌症筛查等。Shukri Dabaghi强调，2024年以来三大AI技术领域都获得了均衡的投资，说明市场正在回归理性。
预测型AI和解释型AI都是基于“小模型”的AI技术，经过多年的技术发展，不仅技术已经非常成熟，也无需大模型所必需的庞大算力，因此在现实的商业应用中能为企业带来更高的商业价值和投资回报率。根据IDC《2024年亚太地区数据与AI趋势》报告，2023年预测型AI、解释型AI和生成式AI所占AI投资比分别为34%、47%和19%，到了2024年则达到了34%、32%和34%的均衡局面。
在过去两年，确实出现了“小模型”AI的预算被大模型和生成式AI“分食”的现象。很多企业将原本打算投向“小模型”AI的预算，特别是解释型AI的预算，转投向大模型和生成式AI。IDC报告显示，企业IT预算从解释型AI向生成式AI转移的现象，在显著地发生。但Shukri Dabaghi认为，一方面生成式AI还难以产生切实的商业价值，另一方面生成式AI需要消耗极大的能源，造成很多地区难以大规模应用生成式AI，从而造成了对生成式AI的期望回归理性。
IDC认为，预测型AI和解释型AI已经通过有效的成功案例印证了其ROI，特别是在医疗、金融和制造等领域。未来，企业需要整合这三种AI技术，以解锁新的、更复杂的应用场景。IDC强调，尽管企业对生成式AI的投资飙升，但这一现象并不会影响预测型AI和解释型AI的重要性。
IDC《2024年亚太地区数据与AI趋势》报告根据AI应用成熟度，将企业分为AI领导者和AI跟随者。对于受访企业，有近一半的企业表示其AI/ML项目失败率高至29%。此外，过去一年还有30%的生成式AI概念验证POC项目也不成功。AI和生成式AI项目失败，主要的原因有三：难以获得高质量数据、企业缺乏开发和管理AI的人才，以及快速变化的数据导致模型很快过时，这些都让AI领导者特别是AI跟随者头疼。
AI跟随者往往才刚开始投资构建企业的数据资产和培养人才技能，AI领导者虽然已经迈过了数据资产和人才技能的门槛，但仍面临隐私保护和法规遵从的挑战，这意味着随着政府和监管法规的发展，也相应推高了企业风险和复杂性以及保护关键数据的重要性。无论对于AI领导者还是AI跟随者来说，数据管理和治理以及缺乏技能，都是迈向更高AI成熟度的挑战。
与时俱进的数据、分析和AI平台
IDC《2024年亚太地区数据与AI趋势》报告显示，中国是亚太区应用AI最成熟的市场之一。中国有59%的企业计划在未来一年内大幅增加AI投资，这一强劲势头得益于政府举措，以及制造业和电子商务等人工智能驱动型行业的快速发展，表明中国企业正积极拥抱AI技术。
对于中国企业来说，不论是AI领导者还是AI跟随者，都需要一个稳健和与时俱进的数据和AI平台。SAS大中华区首席数据科学家马宁博士强调，在当今数据驱动的时代，数据管理已经成为了企业成功的关键。随着三大AI技术的兴起，数据的采集、处理、存储和分析变得尤为重要，尤其是在金融、医疗和制造业等关键领域。在这些领域中，数据不仅需要被有效地管理，以确保安全性和合规性，还需要被转化为有价值的洞察，从而推动业务决策和创新。
IDC《2024年亚太地区数据与AI趋势》同样指出，一个稳健的数据平台对于AI开发来说至关重要，稳健的数据平台能够确保高效的数据管理、数据的高质量和可扩展能力，以及提供数据整合、安全和遵从等重要的工具。一个稳健的数据平台支持整个AI生命周期，能够改善数据可获得性、提供实时高级分析、改进用户体验，最终驱动战略决策的制定。
SAS公司是全球数据分析领域的领导者，多年来市场份额稳居榜首。作为全球领先的商业统计分析软件，SAS在中国有着数十年的应用历史和庞大的用户群，聚焦于政府、银行、保险、教育、生命科学等关键领域，尤其重视数据管理、治理、安全和风险管控等，内置了不同行业的标准、规范和法规等，成为众多行业在数据、分析和AI领域事实上的平台和通用标准。
Shukri Dabaghi强调，在全球很多行业领域，SAS都被视为标杆性的行业数据和分析平台，例如在生命科学和医疗保健领域，全球该行业的头部企业都在使用SAS软件。在药物的临床实验结果分析与评估中，一些国家的食品药品监督管理机构较信任SAS分析结果的稳定性，药企在新药申报环节提供SAS分析结果也是不成文的行规。
SAS大中华区首席数据科学家马宁博士介绍，随着数据统计和分析以及AI进入到生产环境，企业对数据、分析与AI平台的稳定性、可靠性以及不同版本的兼容性等提出了极高的要求，例如在金融风险分析中，分析结果的小数点后第三位甚至第四位，都意味着银行端上百万甚至千万的资产规模损失。
鉴于各行各业都积累了大量SAS资产，SAS平台的现代化以及适应各国市场环境也就更加重要。在中国市场，为了顺应国产软硬件趋势，SAS也投入了人力物力对主流的国产软硬件进行适配。马宁博士表示，在中国市场的SAS软件已经很好地适配了国产算力体系，包括国产芯片、国产数据库、国产操作系统、国产云容器、国产中间件等，无论是兼容性还是性能都接近100%匹配全球算力体系的效果。
多年来，SAS软件平台一直持续演进，全面支持企业在数据、分析、AI与生成式AI等方面的需求。在生成式AI大趋势下，SAS也与时俱进推出了相应的产品策略。例如，SAS Viya即将推出Copilot，可以将自然语言“翻译”为SAS代码，在极大提升用户生产力的同时，将数据、分析和AI技能固化到Copilot中，减轻人才技能培养的压力。而SAS Viya也支持多种商用以及开源的大语言模型，SAS团队也在各行业场景中打磨大模型方案，将行业方案与大模型深度集成，切实为行业提高生产力。
展望2025以及2028年，Shukri Dabaghi强调他对于亚太区特别是中国市场非常有信心。尽管当前全球经济动荡，但无论是AI领导者还是AI跟随者，都期望利用数据、分析和AI技术平台获得业务弹性以及实现更高的商业价值。正如Forrester的评价，企业需要一个井然有序且可重复利用的平台来打造AI未来。而对于这样的平台，SAS是强有力的竞争者之一。（文/宁川）
