PitchBook-新兴技术未来报告：更新我们的人工智能展望（英）-2024-47页_746kb

生成式AI的现实进展与预期差距

技术演进与商业化现状

过去一年，生成式AI（GenAI）进入产业化阶段，多个技术领域出现突破：

1. 基础设施：算力成本下降推动初创云服务商崛起（如CoreWeave、Lambda）
2. 软件应用：GenAI软件支出仅占AI软件总量14%，低于预期
3. 应用落地：技术工具层（代码生成、数据分析）比垂直应用场景发展更快

各行业采用情况

企业应用

• 技术成熟度不足：LLM在结构化数据分析任务中的准确率仅56%
• 起步企业估值崩盘：DataRobot估值暴跌90%
• AI创新集中在工具层：代码助手获10亿美元融资，而垂直领域应用遇冷

消费领域

• 技术应用呈现三分化：
  1. 工具性应用（编程助手、数据分析）
  2. 辅助性应用（客服、个性化推荐）
  3. 创造性应用（内容生成）
• 消费者对AI服务的信任度待提升

非技术行业

• 政府与风投推动商业化：
  💡Cloudera等公司通过AI解决方案获得超千万美元投资
  🚀医疗领域初创企业估值普遍超过10亿美元

关键发现与转折点

1. 理想与现实差距

   • 技术悖论：工具层面便捷化（如代码完成）VS垂直场景碎片化
   • 基座模型商用化速度领先于实际应用场景创新

2. 投资与退出格局

   • VC投资重心转移：从工具链基础层向垂直领域转移
   • AI时代并购趋势显现：风险资本正在精准布局并购标的

3. 技术瓶颈辨析
   数据安全成为核心制约因素：复杂法规环境与碎片化架构形成双重挑战
   💎模型依赖性仍显着：90%创新仍建立在少数大模型之上

研究强调：尽管GenAI技术进步显著，但真正改变产业格局的创新仍需脱虚向实，尤其要解决数据孤岛、算法可靠性及合规成本等根本性挑战。未来三年，垂直领域整合、混合云架构及开源生态构建将成为关键突破口。