Gartner：虽有泡沫，但中国企业仍最关注大模型和生成式AI

在科技周边实战开发的过程中，我们经常会遇到一些这样那样的问题，然后要卡好半天，等问题解决了才发现原来一些细节知识点还是没有掌握好。今天golang学习网就整理分享《Gartner：虽有泡沫，但中国企业仍最关注大模型和生成式AI》，聊聊，希望可以帮助到正在努力赚钱的你。

数据分析和人工智能是当前全球范围内最热门的技术话题，尤其是去年生成式人工智能的问世，可以说彻底颠覆了整个人工智能市场，重新定义了各行各业对于人工智能的理解

每年Gartner都会发布针对全球市场的人工智能技术成熟度曲线，今年不仅有全球的报告，Gartner还首次发布了2023年中国数据分析和人工智能技术成熟度曲线。

2023年，人工智能技术的成熟度曲线发生了变化，特别是在生成式人工智能方面。中国的技术成熟度曲线则涵盖了数据分析和人工智能两个方面。Gartner高级研究总监张桐表示，两个报告的横向比较会有所不同。全球的曲线展现了智能体和多模态的发展趋势，而中国的曲线更加聚焦于相对成熟的大模型和相关应用等方面

在AI领域，全球和中国的技术成熟度基本相当。然而，差异主要体现在知识图谱方面。许多海外企业已经认识到知识图谱的能力，而中国的许多企业虽然也认识到了它的重要性，但由于数据基础和技术储备的不足，仍然难以创建

生成式AI还有很多的泡沫

中国数据分析和人工智能技术成熟度曲线的大模型和生成式AI分开讨论，主要是因为生成式AI的范围过于广泛

在张桐看来，所有生成式AI都是基于基础模型，像GPT、Stable Diffusion等，但现在我们说的生成式AI更多是在基础模型上产生的前端应用。

而大模型才是真正让生成式AI有了今天的发展，让AI产生变革的基础，所以中国将大模型单独作为一个技术放在曲线中，而且大模型的技术还有一定的发展空间。

目前大模型和生成式AI在曲线顶端，就意味着它有很多泡沫。很多企业也已经意识到只有几家企业可以做基础模型，更多企业需要做的是将基础模型通过企业的数据进行精调训练或者利用和知识库结合的提示语，在上面形成自己的应用，就像是选择基于iOS还是安卓开发APP一个道理。

商业闭源大模型在某些领域会有自己的独特优势，因为他们有独有的数据进行训练，有资本的支持并且有一套更完备的反馈机制。另外就是开源大模型，一些企业将自己的大模型开源可以更快的帮助模型占领市场份额。。目前中国企业由于合规和数据安全问题，更多会选择开源大模型，或者闭源大模型的本地部署。

未来基础模型的架构可能会不断演进。张桐认为，Transformer模拟了人脑的工作模式，但人脑的能耗非常低，而大型模型的能耗相当高。因此，我们期待在算力和算法方面取得新的突破

数据分析技术多在萌芽期

中国在数据编织、数据资产管理、组装式数据和分析、数据中台等技术方面也表现出了明显的关注和提升

数据编织是一种基于元数据的创新数据管理框架，旨在提供灵活快速的数据服务，涵盖数据集成、主动元数据管理、知识图谱和机器学习等领域。然而，要实现背后核心的主动元数据管理和知识图谱技术，可能还需要较长的时间

数据资产管理则是Gartner认为在曲线中唯一一个两年之内就可以实现的技术。张桐提到，我们在做这个判断的时候有很多争论，因为很多人认为数据资产管理中有很多客户数据，客户的数据价值有多少，能不能入表都是问题。从海外看虽然数据入表谈了不下十年，但是目前依然没有实现。然而随着我国最近出台的《企业数据资源相关会计处理暂行规定》，显然我们的进展更快，也佐证了我们判断的准确性。

我们的快速进展主要依赖于政府的推动。政府颁布了数字中国、数据20条和数据要素等政策，希望数据能够真正产生价值。因此，Gartner认为中国相对于海外会有更快的发展，并且有很大的可能性能够更快地实现目标

而且组装式数据分析比数据中台会更符合很多企业的需求，张桐把组装式AI比作了乐高玩具，不同的业务人员使用的数据不同，使用的分析工具也不同，插拔式的组装更容易满足个性化的需求。

重写后的内容：数据中台的建设旨在实现数据的灵活复用，并满足快速敏捷的应用业务需求。然而，许多中台并未达到这一目标，因此Gartner认为可组装的数据分析平台可能是未来的趋势。张桐指出，不应局限于中台这个名词，而是将多样的数据分析产品组合起来，以满足数据分析的需求，这才是不变的趋势

终于介绍完啦！小伙伴们，这篇关于《Gartner：虽有泡沫，但中国企业仍最关注大模型和生成式AI》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布科技周边相关知识，快来关注吧！