全球著名数据库云平台Snowflake发布了《生成式AI巨大投资》调查报告。
本次，Snowflake对美国、加拿大、英国、法国、德国、澳大利亚、新西兰、日本、韩国9个国家中员工规模均在500人以上的企业进行了深度调查。
在3324名受访者中，有1900家已部署商业或开源生成式AI解决方案的企业成为核心分析的早期采用者样本，其中39%为员工超5000人的超大型企业，47%为员工1000-4999人的中型企业，14%为员工500-999人的小型企业。
主要调查结果
投资回报率（ROI）：对于那些具体量化了生成式AI项目ROI的企业，平均回报率为41%，即每投入100万美元，企业获得了141万美元的商业价值。
应用领域：生成式AI被广泛应用于IT、开发、网络安全、销售、市场营销、客户服务、人力资源、采购和制造等多个领域。
主要动机：企业采用生成式AI的主要动机包括提高运营效率（51%）、改善客户体验（43%）和加速创新成果（40%）。
数据挑战：80%至90%的数据是无结构的，这对生成式AI的应用构成了挑战。只有11%的早期采用者表示他们超过一半的无结构数据已经准备好用于大模型的训练和调整。
模型选择：企业通常采用多种大模型，包括消费级、商业级和开源模型。商业模型最受欢迎，被91%的早期采用者采用。
预算预期：98%的企业预计在未来12个月内，生成式AI项目的预算将在数据、模型、支持软件、基础设施或人员方面增加。
在应用场景方面，企业呈现出分化策略，55%的企业优先部署代码辅助、数据分析等员工端工具，44%的企业聚焦聊天机器人、个性化营销等客户端应用，且大型企业更倾向于客户端应用，占比达49%。
不过，企业在技术落地过程中面临数据与模型管理的核心挑战，80%-90%的数据为非结构化数据，但仅有11%的企业超半数非结构化数据可用于大语言模型训练，55%的企业受困于数据标注耗时，52%面临数据质量问题，50%担忧数据敏感性；
在模型策略上，91%的企业使用AzureOpenAI等商业模型，65%采用Llama等开源模型，80%采用云与本地混合部署的多模型架构，尽管96%的企业项目成本超预期，主因计算资源、软件支持和数据处理等方面的支出，但98%的企业仍计划增加相关预算。
不同行业的生成式AI渗透情况差异显著，金融服务业以提升财务表现为核心，重点部署客户支持（63%）与网络安全（70%），ROI达43%，且88%重视数据平台安全治理；
医疗行业在HR（53%用于简历筛选）与IT运维（76%）方面成效突出，ROI为44%，但模型多样性较低，51%的企业计划使用不超过2种大模型；
制造业71%将生成式AI用于生产管理，81%依赖供应商解决方案，整体渗透率滞后，ROI为37%；营销行业83%实现正ROI，但84%的项目延期，77%难以识别有效用例，因担忧AI准确性，客户端部署率仅45%；科技行业70%部署多场景应用，33%使用3种及以上大语言模型，开发效率提升64%，但76%受困于预算限制。
从全球区域策略来看，美国70%的企业部署多场景AI，ROI量化率达71%，88%计划增加云投资，36%预计2025年AI代理接管部分员工任务；
欧洲的德国88%的企业用自有数据微调模型，但69%受限于计算资源，ROI仅34%，英国93%的企业实现效率提升，69%用于网络安全，但63%受困于数据管理；
亚太地区的日本49%的企业停留在单一用例阶段，ROI为30%，但93%提升了运营效率，韩国79%使用开源模型，82%采用检索增强生成技术，但31%面临跨部门协作难题。
尽管各区域存在差异，但81%的企业计划成立“AI卓越中心”，88%强调跨场景数据策略，云数据仓库因安全、集成AI功能等关键指标成为核心基础设施。
（文：AIGC开放社区）