企業(yè)級AI“脫虛向?qū)崱?，落地還有幾道檻？

科技云報到原創(chuàng)。

從ChatGPT橫空出世，到越來越智能化的人形機器人，再到讓世人驚艷的Sora文生視頻……種種跡象表明，人工智能逐漸迎來產(chǎn)業(yè)化的臨界點。

當全球科技巨頭們將AI的邊界推向星辰大海時，絕大多數(shù)企業(yè)仍在經(jīng)歷著AI落地的“高原反應”。某制造業(yè)CIO的辦公桌上，堆積著三份不同供應商的AI解決方案，卻始終無法解答他“如何讓AI看懂三十年陳舊的ERP數(shù)據(jù)”的靈魂拷問。

這個場景折射出企業(yè)級AI正在經(jīng)歷從技術(shù)狂歡向場景回歸的陣痛期，就像攀登者必須面對的“希拉里臺階”，看似近在咫尺的峰頂，實則暗藏著致命的空氣稀薄帶。

從技術(shù)到場景，摸著石頭過河

摩根大通最新研報指出，2025年中國生成式AI應用將跨越臨界點，帶動互聯(lián)網(wǎng)服務消費規(guī)模實現(xiàn)指數(shù)級增長，企業(yè)數(shù)字化轉(zhuǎn)型與消費端智能體驗升級有望形成雙向驅(qū)動。

從文案創(chuàng)作到圖像生成，從視頻剪輯到演示文檔制作，生成式AI已悄然化身人們的“全能伙伴”，深度融入職場協(xié)作與日常生活場景，成為不可或缺的數(shù)字化生產(chǎn)力工具。

從AI應用發(fā)展進程看，大致經(jīng)歷了三波浪潮。第一波是以GPT為代表的大模型的出現(xiàn)；第二波是應用層的快速創(chuàng)新，如微軟Copilot，使智能化從Chat向Work轉(zhuǎn)化；第三波則是深度業(yè)務場景的應用，打通業(yè)務數(shù)字化全流程，服務實體經(jīng)濟。

在滿足企業(yè)智能化需求、打通業(yè)務場景的過程中，智能體、大模型等生成式AI應用作為一種理想的產(chǎn)品化落地形態(tài)，正在承接日益復雜的提質(zhì)增效需求，并強化內(nèi)外部協(xié)同效能，釋放組織核心生產(chǎn)力，對抗組織熵增帶來的挑戰(zhàn)。

如今，生成式AI應用融合感知、分析、決策和執(zhí)行能力，具備相當顯著的主動性，正在成為人類的理想智能助手。例如，AI智能體可以根據(jù)個人在線互動和參與事務處置時的信息，了解和記憶個體的興趣、偏好、日常習慣，識別個體的意圖，主動提出建議，并協(xié)調(diào)多個應用程序去完成任務。

從1997年“深藍”戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫開始，沃森在智力問答節(jié)目《危險邊緣》中戰(zhàn)勝人類冠軍、ResNet在ImageNet圖像識別比賽中的準確率超過人類、AlphaGo在圍棋比賽中戰(zhàn)勝李世石、OpenAI Five在多人策略游戲Dota2中戰(zhàn)勝人類職業(yè)戰(zhàn)隊冠軍、AlphaFold的蛋白質(zhì)結(jié)構(gòu)預測準確率超過人類等，完成這些任務背后的能力涵蓋了人類智能感知、認知、決策的各個方面，也不斷塑造著AI應用的技術(shù)內(nèi)核。

實際上，人工智能自誕生之初就開始探索生成式AI的解決方案。最近經(jīng)歷了基于規(guī)則設(shè)計、基于強化學習和目前基于預訓練大模型三種范式。其中基于強化學習的AI智能體代表是AlphaGo和OpenAI Five，這類方法仍然是面向?qū)Ｓ萌蝿盏奶囟ōh(huán)境進行交互。預訓練大模型學習到了通用世界知識，并可以通過語言的形式輸入和輸出，因而可以泛化到不同任務和環(huán)境。

據(jù)咨詢公司Gartner預測，到2028年，至少15%的日常工作將通過智能體自主完成，33%的企業(yè)軟件也將包含智能體。有觀點認為，2025年將成為智能體商業(yè)化元年。

從應用場景來看，生成式AI能夠幫助未來企業(yè)構(gòu)建以“人機協(xié)同”為核心的智能化運營新常態(tài)。越來越多的業(yè)務活動都將被委托給AI，而人類則只需要聚焦于企業(yè)愿景、戰(zhàn)略和關(guān)鍵路徑的決策上。人與大量AI實體之間的協(xié)同工作模式，將顛覆當前企業(yè)的運行基礎(chǔ)，讓企業(yè)運營成效獲得成倍提升。

比如在電商領(lǐng)域，AI能夠根據(jù)用戶的購物歷史、瀏覽行為和偏好提供個性化的產(chǎn)品推薦，這不僅能提高用戶滿意度，還能增加銷售額和客戶忠誠度；AI還可以作為智能客服，通過自然語言處理和機器學習技術(shù)自動回答用戶咨詢，處理訂單問題和退貨請求，從而提高客戶服務效率。

在金融領(lǐng)域，AI可以幫助用戶管理個人財務，提供投資建議，甚至預測股票走勢；在交通領(lǐng)域，AI可以通過分析交通數(shù)據(jù)和實時路況提供最佳的路線規(guī)劃和交通建議；在醫(yī)療領(lǐng)域，AI可以幫助醫(yī)生進行疾病診斷和治療方案的制定；在內(nèi)容生產(chǎn)領(lǐng)域，AI已深度融入搜索問答、文案創(chuàng)作、代碼生成、藝術(shù)設(shè)計等核心環(huán)節(jié)；服務場景中，法律咨詢、醫(yī)療問診、智能客服等正在實現(xiàn)“人機協(xié)同”升級。

從實驗室走向商用還要闖幾關(guān)？

隨著生成式AI的快速發(fā)展，2025年行業(yè)正迎來一系列創(chuàng)新突破，AI正逐步從內(nèi)容生成進化到復雜推理、自主執(zhí)行，AI未來將不僅限于文本、圖像的內(nèi)容生成，而是逐步走向執(zhí)行復雜任務，幫助企業(yè)自動化業(yè)務流程。

在亞馬遜云科技&Dify.AI媒體溝通會上，Dify.AI聯(lián)合創(chuàng)始人延君晨表示：“企業(yè)對于生成式AI應用已經(jīng)不是‘是或否’的問題了，而是考慮如何將生成式AI跟業(yè)務做深度集成。隨著基礎(chǔ)設(shè)施的逐漸成熟、模型能力的不斷提升、以及企業(yè)業(yè)務場景的深度挖掘，企業(yè)有望基于生成式AI實現(xiàn)正向的投入產(chǎn)出比，推動商業(yè)模式革新。”

然而，盡管AI的能力越來越強，如何把AI能力與企業(yè)業(yè)務進行充分整合集成，并且確保它穩(wěn)定可用，仍是一個巨大的行業(yè)挑戰(zhàn)。

首先，在系統(tǒng)整合層面，企業(yè)AI系統(tǒng)的有效部署受制于現(xiàn)有信息孤島與異構(gòu)系統(tǒng)環(huán)境，表現(xiàn)為數(shù)據(jù)碎片化、接口標準不一致以及業(yè)務流程分散等問題。這種結(jié)構(gòu)性障礙不僅增加了技術(shù)實施的復雜度，還顯著延長了價值實現(xiàn)周期。研究表明，超過60%的企業(yè)AI項目在系統(tǒng)對接階段陷入技術(shù)泥潭，嚴重延緩價值實現(xiàn)。

在與AI整合過程中，企業(yè)通常會面臨技術(shù)兼容性、數(shù)據(jù)整合與轉(zhuǎn)換，以及實時性要求?，F(xiàn)有的自動化系統(tǒng)往往基于特定的架構(gòu)或技術(shù)棧，如基于規(guī)則的系統(tǒng)、傳統(tǒng)的機器學習模型等。這些系統(tǒng)在集成生成式AI時，面臨著技術(shù)兼容性的問題。例如，現(xiàn)有系統(tǒng)可能無法處理生成式AI所需的大規(guī)模計算，或者AI模型的輸入輸出格式與現(xiàn)有系統(tǒng)的數(shù)據(jù)流不兼容。

同時，生成式AI需要大量的數(shù)據(jù)進行訓練和推理，而現(xiàn)有系統(tǒng)中的數(shù)據(jù)格式、存儲方式和管理方式可能與生成式AI所需的數(shù)據(jù)格式不一致。因此，如何從現(xiàn)有系統(tǒng)中抽取、轉(zhuǎn)換和整合數(shù)據(jù)，是集成過程中必須解決的問題。

其次，許多自動化應用對實時性有較高要求。例如，自動化客戶服務系統(tǒng)需要能夠?qū)崟r生成回復，自動化生產(chǎn)系統(tǒng)雪要在極短時間內(nèi)生成設(shè)計圖紙。生成式AI的推理過程通常是計算密集型的，因此如何優(yōu)化生成式AI的推理速度，以滿足實時性要求，是集成過程中的一大挑戰(zhàn)。

第二，在規(guī)模化方面，企業(yè)AI應用從原型階段遷移至生產(chǎn)環(huán)境時面臨根本性的架構(gòu)挑戰(zhàn)。概念驗證環(huán)境中運行良好的AI解決方案在面對真實業(yè)務負載、嚴格性能要求和持續(xù)運維需求時常顯不足。根據(jù)行業(yè)調(diào)研，77%的概念驗證項目無法成功遷移至規(guī)?；渴?，在性能、穩(wěn)定性和可維護性方面面臨嚴峻挑戰(zhàn)。

第三，專業(yè)人才方面，AI領(lǐng)域?qū)I(yè)人才稀缺且競爭激烈，86%的企業(yè)面臨嚴重的技能缺口，技術(shù)團隊與業(yè)務團隊間的溝通障礙進一步阻礙了AI應用的有效落地。

作為亞馬遜云科技生成式AI合作伙伴計劃中的一員，Dify.AI專注于提供簡單易用的大語言模型應用開發(fā)平臺，通過其開放架構(gòu)、全生命周期管理和民主化設(shè)計理念，為企業(yè)提供了一條克服這些挑戰(zhàn)的可行路徑。

Dify采用后端即服務（Backend as a Service, BaaS）的設(shè)計理念，構(gòu)建開放API框架和可擴展插件市場。這種架構(gòu)支持即插即用的各類跨系統(tǒng)集成，實測可將企業(yè)AI應用的系統(tǒng)整合周期從平均12周縮短至3-4周，集成效率提升70%，大幅加速從概念到生產(chǎn)的轉(zhuǎn)化速度。

為進一步降低開發(fā)難度，Dify提供完整的AI應用生命周期管理工具鏈，從開發(fā)、測試到部署、監(jiān)控一站式覆蓋，簡化了企業(yè)級AI應用的運維復雜度，幫助團隊有效識別并解決生產(chǎn)環(huán)境中的潛在問題，使AI應用穩(wěn)定性顯著提升。

更為重要的是，Dify.AI深度集成亞馬遜云科技生成式AI技術(shù)，通過生成式AI能力集成與擴展、數(shù)據(jù)層架構(gòu)優(yōu)化和彈性架構(gòu)與成本優(yōu)化，在性能、成本、安全三方面實現(xiàn)突破，助力企業(yè)高效落地生成式AI應用。

從Dify.AI創(chuàng)業(yè)之初開始到現(xiàn)在，亞馬遜云科技從多個維度為Dify.AI提供了良好的技術(shù)服務與商業(yè)拓展支持。例如，在技術(shù)層面，Dify.AI產(chǎn)品原生支持在Amazon Bedrock上調(diào)用Claude、Cohere等大型語言模型和嵌入模型，以及如果企業(yè)通過Amazon SageMaker進行了模型微調(diào)，也可以無縫地銜接到Dify產(chǎn)品中。亞馬遜云科技在模型服務層的優(yōu)勢，可以滿足企業(yè)對多模型融合使用的需求。在應用過程中，亞馬遜云科技工程師還幫助Dify.AI解決了向量數(shù)據(jù)庫業(yè)務主機架構(gòu)切換問題，實現(xiàn)了超過30%的成本削減。

Dify.AI通過與亞馬遜云科技的深度融合，為AI落地產(chǎn)業(yè)打開了通路。比如某世界500強生物技術(shù)和醫(yī)療器械公司利用Dify.AI基于亞馬遜云科技構(gòu)建的生成式AI解決方案，實現(xiàn)多語言工單處理工作流。

此解決方案可將客戶服務請求的語音實時轉(zhuǎn)錄為文本（支持多語言），結(jié)合 LLM 進行語義優(yōu)化、上下文分析以及智能分類，并實時檢索相關(guān)的產(chǎn)品文檔、歷史案例和知識庫，最終生成建議解決方案并交付給支持團隊。工單生成與驗證時間從傳統(tǒng)的10-20分鐘縮短至不到3分鐘，平均每天自動生成約300個工單。以每單節(jié)省10分鐘計算，每月約節(jié)省60人/天的工時。

在電商領(lǐng)域，Dify.AI基于亞馬遜云科技的生成式AI技術(shù)與服務，為某跨境電商企業(yè)搭建企業(yè)AI生產(chǎn)力平臺，打破業(yè)務與IT壁壘，實現(xiàn)生產(chǎn)效率提升。通過此平臺，業(yè)務員工可直接在Dify上接入Amazon Bedrock并創(chuàng)建AI應用，如Excel公式解析助手、旅行規(guī)劃助手等，實現(xiàn)零代碼AI任務編排，快速落地AI方案。

此外，基于Dify可視化工作流編排，用戶可定制個性化業(yè)務流程，實現(xiàn)智能化AI任務管理。方案部署兩個月內(nèi)，企業(yè)成功構(gòu)建超900個生成式AI應用，其中活躍應用數(shù)量達到100多個，大幅提升業(yè)務效率，消費者洞察業(yè)務版塊已實現(xiàn)AI純自動完成了90%的任務創(chuàng)建工作。

企業(yè)級AI的“脫虛向?qū)崱?，本質(zhì)是技術(shù)架構(gòu)、組織能力與生態(tài)協(xié)同的系統(tǒng)性升級。站在產(chǎn)業(yè)的田野上，那些成功穿越“AI死亡谷”的企業(yè)，都在重復著相似的路徑：用手術(shù)刀式的精準替代大而全的幻想，將業(yè)務顯微鏡與技術(shù)望遠鏡融合。

事實證明，技術(shù)的革新是不可逆轉(zhuǎn)的，拒絕接受只會使我們錯失機遇。當企業(yè)學會如何與AI共生協(xié)同，也就抓住了通往未來的鑰匙，便能在這股科技浪潮中乘風破浪，書寫產(chǎn)業(yè)升級的新敘事。

【關(guān)于科技云報到】

企業(yè)級IT領(lǐng)域Top10新媒體。聚焦云計算、人工智能、大模型、網(wǎng)絡(luò)安全、大數(shù)據(jù)、區(qū)塊鏈等企業(yè)級科技領(lǐng)域。原創(chuàng)文章和視頻獲工信部權(quán)威認可，是世界人工智能大會、數(shù)博會、國家網(wǎng)安周、可信云大會與全球云計算等大型活動的官方指定傳播媒體之一。

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。