cURL Error Code: 7 cURL Error Message: Failed to connect to 127.0.0.1 port 9200: Connection refused cURL Error Code: 7 cURL Error Message: Failed to connect to 127.0.0.1 port 9200: Connection refused
我们相信企业价值创造的人工智能重心正在从大型语言模型转移到小语言模型,其中 S 不仅代表小,还包含一个小型、专业、安全和主权模型的系统。
此外,我们看到 LLM 和 SLM 不断发展成为代理,因此 SAM 小动作模型。我们认为,这些 S 模型的集合与新兴的数据协调层相结合,将使代理系统能够协同工作并创造高影响力的业务成果。这些多代理系统将彻底重塑软件行业,更具体地说,为全球组织释放新的生产力范式。
在这篇重大分析中,我们将向您介绍生成式人工智能和大语言模型的最新状况来自我们合作伙伴企业技术研究的一些支出数据。我们还将重新审视我们的前提,即 SLM 的长尾将以多个代理形式出现的新的高价值组件,这些代理在业务目标和关键指标的指导下协同工作。
让我们首先回顾一下前提我们一年多前提出了生成人工智能的幂律。这个概念是,与其他幂律类似,新一代人工智能市场将随着专业模型的长尾而发展。在此示例中,模型的大小位于 Y 轴上,模型特异性为长尾。与经典幂律的区别在于,开源运动和第三方模型会将红色所示的躯干向上拉至右侧。我们将 Meta Platforms Inc. 标为红色,原因很快就会明朗,但这一情况正在如我们预期的那样发展,尽管进展缓慢,企业正在寻求投资回报,他们正在降低投资回报预期,并意识到人工智能卓越并不重要。就像对 OpenAI 模型进行一系列应用程序编程接口调用一样简单。
我们在上一张幻灯片中强调 Meta 的原因是,正如我们预测的那样,开源势头正在对市场产生巨大影响。下面来自 ETR 的数据在纵轴上显示了净得分或支出动量,在 X 轴上显示了 1,600 多名信息技术决策者的数据集中的帐户重叠。重叠是市场渗透率的代表。40% 处的红线表明支出速度极高。
让我们从 Llama 开始。请注意左上角的表格插入。这是 ETR 调查的初步数据,该调查现已在现场进行,将于 10 月份结束。我们获得了 ETR 的特别许可来使用这些数据。看看元。凭借 74% 的净得分,它现已超越 OpenAI 和微软公司,成为支出势头领先的大语言模型。对于 Llama 等表面上免费的开源产品,调查正在衡量采用情况,尽管我们注意到组织将以劳动力(技能)、基础设施和服务的形式支出来部署开源模型。
我们在图中用红色圆圈将这些公司和同类群体进行了分组。那么让我们从 Meta 和 Anthropic 开始。这里有开源和第三方代表,正如我们之前所说,它们将幂律的躯干拉到右侧。
在最左边的圆圈中,我们展示了早期的人工智能以及 SparkCognition Inc.、DataRobot Inc.、C3 AI Inc.、Dataiku Inc. 和 H2O.ai Inc. 等机器学习创新者。在 Y 轴下方,但随着市场渗透率的加深,我们展示了此处代表的大型传统公司IBM Corp. 与 Watson 和 Oracle Corp. 都是人工智能领域的参与者。
然后我们展示了现代数据堆栈的两个代理,Databricks Inc. 和 Snowflake Inc.,它们也在游戏中。接下来,AWS 和谷歌正在与右上角的微软和 OpenAI 争夺第二名的地位,这两家公司推动了新一代人工智能运动。它们确实是破纪录的。
以下几点值得注意:
我们的研究表明,企业在人工智能和机器学习方面的投资大幅增加。主要亮点包括:
我们相信,像 Metas Llama 3.1 这样的模型,特别是 405B 模型,已经达到了与 GPT-4 相当的前沿类别。其他观察结果包括:
总而言之,对人工智能和机器学习的加速投资反映了战略转变企业之间正在寻求先进的人工智能功能,ISV 准备通过集成解决方案促进广泛采用。
让我们换个话题,谈谈人工智能的现状一代人工智能支出。下图显示了最近 ETR 对 gen AI 深入调查的最新数据。我们之前曾分享过,大约 40% 到 42% 的账户通过从其他预算中窃取资金来资助新一代人工智能计划。目前这一数字已高达45%。最新数据的新维度是,业务线是资金的主要贡献者,如下所示。资金来自业务应用程序、非 IT 部门、外包服务和营销预算。
关键是业务线在这场游戏中占有重要地位,这才是真正价值得到认可的地方。
p>
我们想要探索的另一个向量是投资回报率预期。最初,当 ETR 开始围绕一代 AI 投资回报率进行调查时,人们对更快的回报的期望要乐观得多,如下所示。
请注意,黄色条在一年多的时间里如何从 14% 的低点跃升起来今年 4 月(灰色条),当时人们更加乐观,最常见的反应是不到 12 个月。如今,调查基数中的 14% 几乎翻了一番,达到 25%。此外,期望 12 个月内快速获得投资回报的客户比例也显着下降。我们预计,随着组织寻求更大的回报和更高的净现值,这种情况将持续下去。
我们注意到以下几点:
我们的结论是,当前阶段的技术转型正在经历这是典型的幻灭期,炒作略高于现实,预期也变得更加平衡。我们相信,随着市场调整预期和策略,这种暂时的放缓将导致增长和采用率再次激增。
主要观察结果包括:
我们相信,随着生成式人工智能作为一项功能集成到现有产品中,它将成为持续创新。引用 Clay Christensen 的话说,这可以增强现有公司的当前产品,而无需彻底转变其业务模式,从而使现有公司受益。
其他见解:
总而言之,当前围绕人工智能投资回报率的保守主义是技术采用周期的自然组成部分。我们预计,随着组织利用开源模型并将生成式人工智能功能集成到现有产品中,人工智能投资和创新将持续强劲,从而带来显着的价值创造和全行业的进步。
让我们以我们之前围绕代理系统的研究为基础,展望未来。下面我们重新审视我们看到的新的多代理应用程序堆栈的框图。
在上图中,让我们继续往上看。从底部开始,我们展示了与操作和分析应用程序的双向连接。在堆栈中向上移动,我们展示了数据平台层,该层已因 Snowflake 和 Databricks 等而普及。在此之上,我们看到一个新的、正在出现的协调层,我们已经多次讨论过它,有时称为语义层。然后我们展示多个代理以及代理操作和编排模块。
很多人谈论单个代理。我们在这里讨论的是可以在自上而下的关键绩效指标和组织目标的指导下协同工作的多个代理。您可以在图中左上角看到树状结构。这里的整个想法是代理们协同工作,他们受到这些自上而下的目标的指导,但他们正在执行自下而上的计划来实现这些目标。
另一点是,与硬编码不同微服务中,这些代理群可以观察人类行为,而这些行为不一定是硬编码的。随着时间的推移,代理会学习并做出响应,创建新颖且更加高效的工作流程,从而成为业务的实时代表。
最后一点是,我们相信每个应用程序公司和每个数据公司都将不断发展引进自己的代理商。我们的期望是客户将能够部署这些代理并挖掘增量价值,无论是通过自然语言与企业数据通信,还是更轻松地在应用程序中构建工作流程。
但他们很快就会发现,他们只是加强现有的应用程序或自动化和分析数据的孤岛,并且提出了这个更广泛的框架,需要随着时间的推移逐渐发展,以实现端到端集成和自动化所带来的全部生产力价值。
在上图中,我们以红色突出显示了协调层。让我们用下图更全面地描述这一点。我们认为,智能、自适应系统的发展就像一座冰山,其中代理代表了水面上可见的一角,但实质的复杂性却隐藏在表面之下。我们相信,从语义设计过渡到智能自适应、受控设计对于有效授权这些代理至关重要。
该生态系统的关键组成部分包括:
我们相信整个系统会变得自学和自我完善。我们注意到这个协调层作为代理系统的关键推动者的重要性。这是我们看到现有 ISV(例如 Salesforce Inc.、Palantir Technologies Inc. 等)构建到其平台中的新知识产权。以及跨应用程序平台构建的第三方(例如 RelationalAI、EnterpriseWeb LLC 等)。
其他见解包括:
总之,过渡到由 LLM 和 SLM 协调生态系统支持的智能、自适应设计对于实现企业价值最大化至关重要。通过整合因果人工智能并培育有机的自学习系统,组织将能够释放更深入的见解,保留关键的专业知识并构建更有效的代理系统,以准确反映和适应现代企业的动态本质。
这个新兴堆栈中的一个高价值资产就是我们所说的代理控制框架。在下一节中,我们将使用产品退货用例详细解释这一点。
我们之前的研究表明,大语言模型和智能代理的发展使我们更接近实现产品的实时数字表示我们将组织的愿景比作所有人的 Uber。我们相信,为了支持这一愿景,代理控制框架对于有效组织和管理人工智能代理至关重要。
关键的附加分析和见解如下:
总而言之,我们认为开发代理控制框架并将因果关系整合到人工智能系统中是创建动态、自学习生态系统的关键步骤。通过协调业务模式并促进各种人工智能组件之间的协同作用,组织可以提高可靠性、精确度和性能,最终获得更深入的见解和更有效的决策。
最后讨论了我们看到的投资以推进这一愿景的公司和一些公司的例子。请注意,这不是一个包含所有公司的列表,而是协调层和代理控制框架内的公司样本。下面,我们从上一张图表中提取了代理堆栈,对其进行了简化,并叠加了我们看到的一些朝这个方向发展的参与者。
如今,业务逻辑、数据和元数据都被锁定在应用程序域内。我们看到这个未来系统中出现了两个创新载体,具体来说:1)现有 ISV 添加协调和代理控制框架功能;2)有志于创造超越单一应用领域的横向能力的科技公司。重要的是,这些领域并不相互排斥,因为我们看到一些公司试图同时做这两件事,我们将在下面更详细地描述。
关键分析和见解包括:
我们相信这种转变反映了过去的行业趋势,其中开源和开放标准已成为常态。统一的业务模型和人工智能代理的集成代表了企业软件的变革时期,开源解决方案在满足现代企业的独特需求方面发挥着关键作用。
总而言之,该行业正在经历一场变革。企业软件新基础层的出现推动了重大转型。我们认为,业务模型的协调和人工智能代理的添加将带来前所未有的能力和生产力提升,相对于当今部分自动化的企业来说,可能提高 10 倍。开源模型的采用进一步加速了这种演变,这些模型提供了当今企业所需的定制、灵活性和信任。我们预计开源和开放标准将再次成为行业现实,塑造人工智能和企业技术的未来格局。
谢谢