2022年生成式AI五大预测 ，商业潜能进一步释放

全文4382字，阅读约需9分钟

题图｜Pexels

2022年生成式人工智能五大预测，商业潜能进一步释放

2022 年将是人工智能从技术成熟到深入社会基本面的一年，生成式AI的关键指标及商业应用水平将决定其最终的社会价值。

过去几年，人工智能在技术领域取得了阶段性的跨越。包括生成式AI技术（Generative Artificial Intelligence）、AI-XR技术、知识图谱和复合人工智能、软件编码等许多方面实现突破，这种突破为商业化奠定基础，越来越多的组织使用人工智能解决方案来创建新产品、改进现有产品并扩大客户群。

事实如此，人工智能技术的商业化也正迎来规模效应。据Gartner预测，全球人工智能软件市场将在2022年达到620亿美元，比2021年增长21.3%，商业是人工智能市场增长的主要驱动力之一。Gartner调查数据显示，约48%科技高管表示已部署或正在部署人工智能或机器学习 (ML) 技术；超87%的AI投资者认为，2022年是商业化元年，前期投入的AI资金将在各行业中发挥杠杆作用或指数级增长。

吸引诸多人工智能明星企业参与其中。自2018年底，影谱科技首次在中国提出生成式AI技术应用概念，从内容业务出发，已经在商业、文娱、体育等领域取得突破，其生成式AI履约工程化能力达到较高水平，有近百万3D数字商品目录。在国际上，Amazon Lex、Nuance和IBM等也在努力挖掘生成式AI技术商业潜能。

生成式AI是人工智能前沿中最成熟的领域，2022年将是生成式AI从技术成熟到深入社会基本面的元年。影谱科技表示：“生成式AI正在化身为一种推动力和生产力，促使企业主动向AI升级，通过以业务为中心的解决方案来解决重要的业务问题。到2022年，预计生成式AI参与规模将变得更大，更具战略意义，也更涉及业务的关键，即可持续性的规模增长。”

什么是生成式AI？

生成式AI促使内容创造产业发生范式转变，成为人工智能的基础技术。麻省理工学院技术评论将生成式人工智能描述为过去十年人工智能领域最有前途的进步之一，Gartner则把生成式AI列为最有商业前景的人工智能技术。

图片：生成式AI的典型应用：识别、提出、生成，亿欧制图

生成式 AI 是指可以使用现有内容（如文本、音频文件或图像）来创建新的合理内容的程序，例如文本、图像、音频、视频、3D交互内容。其在商业、文娱、体育等领域衍生为一种新的生产力，在增强现实和虚拟现实、数字孪生中也发挥着重要作用，衔接现实世界的数字化。

从技术范畴看，生成式 AI 使计算机能够学习与输入相关的底层模式，然后使用它来生成类似内容。其由多种技术组合做到这一点，关键核心技术有生成对抗网络 (GANS)、识别与提取器和变分自动编码器：

生成对抗网络（GANs）：GAN使用两个神经网络相互对抗的生成模型，一个生成器、一个鉴别器，它们以相互竞争在两个网络之间找到平衡。生成器网络负责生成类似于源数据的新数据或内容；鉴别器网络负责区分源数据和生成数据，以识别更接近原始数据的数据。这两个神经网络都在交替循环中进行训练，其中生成器不断学习生成更真实的数据，而鉴别器在区分假数据和真实数据方面做得更好。

识别与提取器（Transformers）：Transformers被用来理解语言或图像，是数据训练的关键，学习一些分类任务并从海量数据集中抽取关键数据，生成文本或图像。如GPT-3、LaMDA和Wu-Dao，模仿人类认知能力，并差异测量输入数据的重要性均衡，以判断哪些是关键信息。

变分自动编码器（VAE）：编码器将输入编码为压缩代码，而解码器从该代码中再现初始信息。如果选择和训练正确，这种压缩表示将输入数据分布存储在更小的维度。

预测：生成式AI在2022年的重要应用趋势

生成式AI在差异化市场取得关键进步。“在2022年，CIO还将开始评估AI是否从根本上改变开发人员的生产力，” Everest Group负责人说，这个领域已经研究了很长时间，但最近取得了有意义的进展。

值得注意的是，行业关注点是从技术概念到投入企业生产的流转速度。因此，以下五个趋势主导了今年生成式AI的发展方向：

趋势一：企业对生成式AI的需求不断增长，市场空间进一步抬高。

视觉生成式AI将成为2022年最受关注的企业级人工智能之一。在Gartner的一项调查中，大部分企业IT管理者认为，计算机视觉特别是服务于生产业务端的应用将是2022年重点投入方向。未来两年，每家公司预算资金预计平均为67.9万美元。

使用生成式AI创造的2D/3D视频正在各个行业广泛应用——医疗保健（帮助医生检测 X 射线、CT 和 MRI 扫描中的病变）、数字商业（扫描库存、创建商品的数字孪生体）、制造（设备的目视检查）、工厂的输出质量管理（扫描产品的缺陷）、农业和农业（使用计算机视觉驱动的无人机监控田地和农场的状态）、自动驾驶汽车、文化娱乐（创建数字内容、识别视频内容）等。

《中国AI数字商业展望2021-2025》报告

生成式AI市场空间随着应用开展被逐渐抬高，不仅是文娱内容创建的基础技术，也是商业领域数字化基石。据《中国AI数字商业展望2021-2025》报告披露，在2020年基于生成式AI创建的数字商业内容产业市场规模约40亿元，预测至2025年，AI数字商业内容产业市场规模接近500亿元。报告指出，依托影谱科技推出的AI数字商业内容生成平台，品牌商能够低成本快速进入市场，创建了一个 3D 交互式商品、销售、运营和洞察平台，用于生成虚拟商铺、商品数字孪生体、虚拟客服等，支持用户自行搭配家居环境的3D购物场景。

参与方不再局限于人工智能技术企业，技术种类更为丰富。2021年9月，特斯拉推出了新的强大芯片Dojo，该芯片专门用于处理从其自动驾驶汽车中的计算机视觉系统接收到的大量图像，基础是动态感知隐式生成对抗网络。

趋势二：生成式AI将促使更聪明、低成本的机器人和虚拟助手变得普及。

2022 年另一个值得关注的生成式 AI 趋势是聊天机器人和虚拟助手的智能化程度提高。疫情使生成式AI在虚拟代理等面向客户的角色中的应用有所增加，同时更加成熟和复杂。

深度学习和内容生成技术使聊天机器人和虚拟助手能够帮助企业自动化人类通常执行的日常任务。然而，随着人工智能的成熟和技术的不断进步，我们可能会在 2022 年看到更多智能聊天机器人。

图形芯片生产商NVIDIA 正在推出一个生成交互式 AI 化身平台NVIDIA Omniverse Avatar。化身开发使用的底层技术包括计算机视觉、生成式AI、自然语言处理、模拟技术和推荐引擎。该公司表示，人工智能助手将能够执行数十亿次日常客户服务操作。

金融服务巨头富国银行宣布，在未来12个月内，其全智能助手Fargo将帮助更多客户转变为数字用户。该公司声称Fargo将能够处理汇款、账单支付、交易信息细节和预算建议。

趋势三：生成式AI将从根本上构建自更新的元宇宙

当我们进入虚拟世界时，虚拟助手和数字人将非常方便——一个让用户体验身临其境的体验并允许他们通过数字工具相互虚拟交互的虚拟环境。

生成式AI驱动的数字人将在新的虚拟环境中建立联系和互动。世界著名的AI 机器人 Sophia的创造者将专门为 Metaverse 发布机器人的动画虚拟版本。其开发人员声称，代币化的 SophiabeingAI将“随时随地、跨设备和媒体平台”与元宇宙用户互动。

与虚拟现实和增强现实技术一起，人工智能生成的合成内容将成为虚拟世界的基础。元宇宙将需要更多AI生成的内容，可以快速且低成本地创建、维护、更新，并帮助创建者促进内容获利，这是一种全新的自更新机制。

趋势四：生成式AI技术将面向解决业务问题迈进

基于深度学习的标记进步：深度学习算法可用于训练机器准确识别图像和视频。它减少了包括注释和标记数据在内的繁重任务，提高构建知识图谱的可能。

与数字孪生的融合：生成式AI正在将 AR 和 VR推向一个新的发展水平，即从根本上完成MR（Merged Reality）、扩展现实（XR）、数字孪生的内容重建自动化。AR和VR技术可以创建3D环境来跟踪图片中对象的移动。

生成流模型模块化：生成流模型的目标是准确估计数据分布。然而，估计图像数据分布的任务是一项具有挑战性的任务，因为图像数据的复杂性、像素的数量、不同的颜色通道，更重要的是，嵌入在每张图像中的语义关系将自己与另一张图像区分开来。与机器学习针对构建小的、通用的、专用的模型一样，使用生成流模型对各个产业基础部分进行建模，在不同行业形成标准模块及应用框架，机器最终会生成超逼真的实时结场景、声音、气味和其他感官数据。

趋势五：工程化水平是生成式AI的关键指标，定义AI服务黄金标准

在2022年AI趋势列表中，最后但重要的是改进的生成式AI的工程化能力及服务标准。而标准化的构建在于AI企业对于业务的理解、及工程实践。

Gartner 高级首席分析师Shubhangi Vashisth表示：“平均而言，将基于 AI 的模型集成到业务工作流程中并交付有形价值需要大约 8 个月的时间。”为了减少人工智能项目的失败，企业必须选择更为高效、稳定的工程化履约人工智能服务。

生成流模型模块化与工程化的履约能力是最具前途的方向。影谱科技发布的ADT引擎，是一种复杂的图像识别与生成流模型，可用来自动处理和生成视频、类人虚拟助手、数字商品，被部署在各类企业级商业平台，包括电商平台、长视频平台、社交网络。

影谱科技帮助企业创建人工智能驱动的内容生成解决方案，以自动化工作流程提高生产周期的效率，机器学习工程团队提供定制解决方案以满足各类业务需求。

企业应将工程化 (AI Engineering) 作为评价指标，已经成为一种共识。影谱科技通过一种有助于确保高度成功的原则性方法和平台生成准则为保障，形成以业务为中心、低代码敏捷部署、支持即插即用的模块化、极致体验感、对服务负责的AI标准体系。这一体系直接减少了将生成式AI模型从试验阶段转移到生产应用阶段所需的时间，影谱科技还为内容生成平台（图形、语言、基于规则的系统等）和内容运营模型提供了一个治理和生命周期管理系统。

企业可以应用生成式AI来创建新的媒体内容、合成数据和物理对象模型。例如，影谱科技AI赛事动态内容生成方案Moviebook SAiDT是工程化履约的典型代表，为媒体机构及赛事平台提供近乎即时的AI增强内容生成的能力。其发布的另一个数字商业内容生成方案Moviebook CSAI可以在极短时间内创建商品的3D可视化体验与交互，数据显示，理想状态下，CSAI方案可助力合作方实现平均交易规模增加50%，每笔交易项目增加30%，商品退货率同比减少80%，平均销售周期缩短30%。