2022年是人工智能 (AI)的一个分水岭，ChatGPT，DALL.E和Lensa等几个面向消费者的应用程序发布了，它们的共同主题是使用生成式人工智能-这是人工智能领域的一次范式转换。生成式人工智能可以通过创建类似于其所训练的数据的新颖数据来模仿人类的创造过程，将人工智能从“赋能者”提升为(潜在的)“协作者”。
虽然目前生成式人工智能主要应用于面向消费者的产品，但它也有潜力为企业工作流程增加情景感知和类似于人类的决策能力，并彻底改变我们的商业模式。善世集团为大家带来《生成式人工智能对企业的影响和意义》，这是一份兼具预测性和启发性的报告，旨在为快速变化的市场提供一份清晰、有条理的参考。
第一节：解密生成式人工智能的魔法技巧
基础设施层通常被认为是最成熟、穗定和商业化的。现有的龙头企业提供计算网络和存储等基础设施，包括使用专门为人工智能工作负载优化的芯片 (如NVIDIA的GPU和Google的TPU) 。与此同时，应用层正在快速发展，其中包括利用和扩展基础模型，这相当于生成式人工智能的平台。
基础模型 (Foundation Mode)是区别生成式人工智能技术栈和之前人工智能的关键。这些模型通常可以通过开放或封闭的API提供给开发人员使用，开发人员可以通过额外的训练数据对模型进行微调，以提高其对特定用例的上下文理解、相关性推理和性能，同时优化交付成本。
基础模型通常经过以下四个阶段的开发，如下所示。
第二节：生成式人工智能在消费者和企业领域的应用案例
潜在的横向应用案例通常针对的是已建立的自动化中心，这些中心提供了大的训练数据(例如知识库、客服聊天记录)，并且是成本优化和提高生产力的重点。例如，一些创意型营销任务，比如撰写广告文案、博客或社交媒体标题，可能需要人类花费数小时或数天的时间才能完成。相比之下，生成式人工智能可以在几分钟内完成可行的初稿，只需要由人工进行编辑即可。
这些效率提升甚至可能重新定义工作的预期，使得提示工程 (prom ptengineering)技能(例如:对人工智能提出正确问题)成为一种区别化的技能集。最终，横向应用案例将为更专业的应用程序打下商业基础。企业必须开始早期部暑这些应用案例，以帮助构建能力和知识库随着时间的推移，为垂直应用提供有价值的案例。
第三节：生成式人工智能中的商机和竞争
基础设施层是生成式人工智能技术堆栈中最成熟的领域，超大规模计算服务提供商在这个领域占据了市场的主导地位这里的商业模式已经被证明是行之有效的就是提供可扩展的计算资源，并采用透明按消费计费的定价策略。为了让生成式人工智能工作负载更加稳定，超大规模计算服务提供商已经与模型提供商签暑了承诺以保证未来的工作负载，其中包括Azure与OpenA、Google 与 Anthropic 以及AWS与Stability.ai，还包括它们自己的专有模型。
第四节：生成式人工智能的采用和商业化
生成式人工智能可能会转变商业模式、流程和价值动态，改变个人工作、学习和互动的方式。与其他颠覆性技术一样，这种变革可能会在一开始缓慢发展，然后迅速加速。
我们已经讨论了企业在各个行业中如何利用生成式人工智能 (见第2节) ，从市场研究到提高客户支持互动的各种方式。此外，还有针对特定领域的用例，例如为财富管理人员提供定制化的财务规划、医疗保健领域的医学诊断、媒体和娱乐领域的生成新世界和体验，以及为零售商提供服装搭配建议等。实际上企业可以实现的好处可能是相当大的;我们已经提供了一些早期的想法，其中包括企业微市场的概念 (见第3节)。
