2025年新一代智能企业：应对快速发展的AI领域报告-Omdia

微信扫码，打开到小程序

Click here or press enter for the accessibility optimised version 新一代智能企 新一代智能企业 业 驾驭快速发展的AI领域 Click here or press enter for the accessibility optimised version 从 从创 创新到影响： 新到影响：绘 绘 制人工智能 制人工智能发 发展 展图 图 景 景 Josh Builta, Senior Director, Enterprise Platforms & Applications Josh Builta, Senior Director, Enterprise Platforms & Applications 人工智能（AI）正以惊人的速度持续改变我们的日常生活，重塑各行各业、 经济体系和社会结构。 得益于计算能力的指数级增长、算法效率的显著提升以及数据的广泛可用 性，人工智能的采用已成为全球商业战略的核心组成部分。企业不再讨论是 否要整合人工智能，而是专注于如何快速实施并扩展人工智能以获得竞争优 势。 尽管近期人工智能领域取得了快速进展，但我们必须清醒地认识到，这仅仅 是发展的开端。在未来几年里，人工智能将在解决复杂挑战方面发挥越来越 重要的作用——从提升供应链的韧性到推动各行业的可持续发展与效率提 升。 未来的人工智能驱动创新将由诸如代理型人工智能（agentic AI）等突破性 技术塑造，这是一种能够自主决策、以目标为导向并仅需极少人类干预的新 一代人工智能系统。与传统系统通过预设输出响应特定输入不同，代理型人 工智能代表了根本性演进，将为各行业开辟全新应用场景与可能性。 边缘计算环境中更强大的人工智能能力普及，是市场发展的另一重大演进。 这一趋势正推动人工智能与物联网（IoT）的融合——这种架构转变将催生新 的物联网应用场景并带来变革性效益。通过赋能实时决策、提升安全性及强 化运营韧性，边缘人工智能有望释放全新可能性并创造显著价值。 在这本电子书中，Omdia专家将分享可操作的洞察与实证研究，助您应对当 前最关键的人工智能相关挑战： 克服企 克服企业 业人工智能 人工智能扩 扩展障碍 展障碍 通 通过 过人工智能 人工智能协 协调转 调转变 变工作 工作场 场所 所动 动态 态 驾驭 驾驭快速 快速发 发展的AI 展的AI领 领域 域 通 通 人工智能 人工智能 调转 调转 工作 工作场 场所 所 态 态 实 实施有效的 施有效的边 边缘 缘人工智能策略 人工智能策略 保 保护 护人工智能系 人工智能系统 统免受新兴威 免受新兴威胁 胁 衡量并 衡量并证 证明人工智能投 明人工智能投资 资回 回报 报率 率 Click here or press enter for the accessibility optimised version 最大化代理型人工 最大化代理型人工 智能：在潜力与 智能：在潜力与实 实 用主 用主义 义之 之间 间寻 寻求平 求平 衡 衡 Eden Zoller, Chief Analyst, Applied AI Eden Zoller, Chief Analyst, Applied AI 这引发了广泛的关注，但也带来了大量炒作，导致人们对代理型人工智能 （agentic AI）的实际能力产生了不切实际的期望。 Omdia对代理型人工智能及其组成部分的定义，为理解和评估代理型人工智 能以及该领域供应商的产品提供了框架。 Omdia的框架还明确了代理型人工智能与生成式人工智能（GenAI）以及传 统机器人流程自动化（RPA）之间的关系。 理解这些技术之间的差异，有助于明确它们如何互补，以及代理型人工智能 的独特之处。 这对于设计有效的AI战略至关重要，无论是从供应商路线图和营销角度，还 是从企业部署战略角度。 代理型人工智能并非单一应用或技术，而是整合多种技术、方法和组件的架 构，用于创建高度自主的目标导向型人工智能代理。 人工智能代理利用基础模型和高级机器学习（ML）技术（如链式推理 （CoT））、记忆模块及外部工具，能够自主或在极少人工干预下主动规划 并执行复杂任务。 代理型人工智能的重要发展方向是多智能体系统，其中专门化的智能体在协 调框架内协同工作以实现共同目标。 多智能体系统通过并行任务执行和分布式工作负载提升自主性，从而实现更 强的适应性和韧性。 代理型人工智能具 代理型人工智能具备 备更高的自主性水平，有望 更高的自主性水平，有望带 带来 来变 变革性 革性 的成果。 的成果。 对 对于企 于企业 业而言，代理型人工智能可以： 而言，代理型人工智能可以： 对于供应商而言，代理型人工智能（Agentic AI）为扩展现有生成式人工智 能（GenAI）和机器人流程自动化（RPA）能力提供了机遇，可将其转化为 涵盖内容生成到自主执行的全方位、全栈式解决方案。 这使供应商能够追求更大规模、更复杂的交易，实现更深入的企业集成并提 升客户依赖度。 然而，代理型人工智能引入了显著的复杂性，既放大现有生成式人工智能的 挑战，又带来了新的难题。 代理型人工智能对基础设施提出更高要求，需要与内部系统、外部环境、工 具及数据源进行集成。 代理型人工智能高度自主的特性也引发了关于可靠性、透明度和安全性的关 键担忧。 为确保成功实施，企业应避免盲目采用代理型人工智能，而应聚焦于其能力 能为简单解决方案带来真正优势的具体应用场景。 提升商业智能 实现可扩展的自动化 创建自适应工作流 在复杂流程中提供智能协调 人工智能成熟度较低的组织可利用预配置的领域专用代理或低代码平台，同 时确保健全的治理框架、持续监控和强大的安全措施。 供应商应整合反馈机制，使代理在面临不确定性时能够寻求人类输入，实现 全面的数据可观察性，实施 robust 验证流程，提供可解释性工具，并开发 复杂的多代理协调解决方案，以最大化影响力和客户吸引力。 图 图1：代理型人工智能的特征定 1：代理型人工智能的特征定义 义 Source: Omdia Source: Omdia 本 本书 书内容源自Omdia的四 内容源自Omdia的四项 项情 情报 报服 服务 务： ： Workplace Transformation Intelligence Service Advanced Computing Intelligence Service AI Applications Intelligence Service Managed Security Services Intelligence Service Click here or press enter for the accessibility optimised version 推理服 推理服务 务面 面临 临着不 着不 断 断变 变化的挑 化的挑战 战 Alexander Harrowell, Principal Analyst, Advanced Computing for AI Alexander Harrowell, Principal Analyst, Advanced Computing for AI 与此同时，阿里巴巴的Qwen3-30B在关键基准测试中表现优于其前代模 型，尽管其参数数量仅激活了10%。 这些进展凸显了近年来人工智能领域发生的显著变革。在经历了模型规模的 长期爆炸式增长后，市场已转向新一代更小、更专业化的模型。 如图1所示，2018年至2021年间模型规模增长了100倍，但自2023年 OpenAI发布里程碑式的GPT-4以来，再未推出更大规模的模型。由Meta的 LLaMa模型催化的更小规模模型出现，正在重塑人工智能领域。 人工智能工厂的三个关 人工智能工厂的三个关键绩 键绩效指 效指标 标 “人工智能工厂”数据中心常被比作第二次工业革命时期的工厂。 关键指标与大型工厂相同：吞吐量，通常以每秒处理的令牌数量为单位，并 根据能耗进行标准化。然而，与大型工厂一样，吞吐量并非唯一指标。 交互式和自主应用程序，以及网络物理系统，对延迟有严格要求。 与此同时，人工智能模型的快速多样化增添了第三个维度：产品组合，即工 厂能够生产的不同产品种类。在第三次工业革命中，那些通过优化产品组合 来实现大规模定制和丰田生产方式的工厂，超越了以吞吐量优化为目标的第 二次工业革命时期的工厂。 2025年3月，谷歌的Gemma3模型正式 2025年3月，谷歌的Gemma3模型正式发 发布。其中，参数 布。其中，参数规 规模 模为 为270 270亿 亿的Gemma3版本在性能上超越了参数 的Gemma3版本在性能上超越了参数规 规 模大644倍的DeepSeek 模大644倍的DeepSeek-V3模型。 -V3模型。 更多模型意味着数据中心现在必须学会支持产品组合、吞吐量和延迟。这意 味着要么维持大量小型单GPU节点以及机架级集群，要么大幅提升多GPU虚 拟化技术，以高效地将小型模型整合到大型GPU中。 这还可能意味着对CPU计算的需求增加；已有一些证据表明这种趋势正在发 生。小型模型还扩大了我们在边缘计算中无需涉及数据中心即可实现的功能 范围。 岔路口 岔路口 现代人工智能的构建者们在支持巨型模型、打造强大的旗舰级GPU以及构建 高度集成的晶圆级和机架级系统方面，已经迅速变得非常擅长。 NVIDIA的Dynamo项目设想将整个数据中心视为单一虚拟推理服务器。然 而，这一设想基于少数巨型模型的世界。这一愿景并未过时，但与2021年相 比，其确定性已有所降低，且仅是人工智能故事的一部分。 Source: Omdia 供应商应始终将混合需求放在心上。更好的GPU（或加速器）虚拟化是一种 解决方案，但产品战略同样重要。 市场可能存在对现代推理级GPU的需求缺口，这类GPU需具备高带宽内存与 计算性能的高比例；NVIDIA的A10虽发布于2020年，但仍因其在小型模型推 理中的应用而备受青睐。 真正注重混合计算的用户可能会对基于Arm架构的服务器CPU的顶级产品感 兴趣；中国超大规模云服务提供商如Qwen的创建者阿里巴巴，可能正在通 过这种方式适应GPU访问受限的局面。 阅读 阅读更多 更多 NVIDIA Dynamo: Serving general-purpose AI at huge scale, (June 2025), Omdia AI Inference Products of the Hyperscale Cloud Providers – Asia & Oceania, (July 2025), Omdia 本 本书 书内容源自Omdia的四 内容源自Omdia的四项 项研究服 研究服务 务： ： Workplace Transformation Intelligence Service Advanced Computing Intelligence Service AI Applications Intelligence Service Managed Security Services Intelligence Service Click here or press enter for the accessibility optimised version 人工智能在网 人工智能在网络 络安 安 全 全领 领域的持 域的持续 续发 发展 展 Jonathan Ong, Senior Analyst, Cybersecurity Robin Ody, Practice Leader Jonathan Ong, Senior Analyst, Cybersecurity Robin Ody, Practice Leader 近期对生成式人工智能（GenAI）的关注已对三个主要领域产生了显著影 响：监管、工具与威胁，以及人才。 生成式人工智能和代理式人工智能在2020年代通过其改变工作和日常生活潜 力的方式吸引了公众的关注。 这场人工智能革命得益于海量训练数据、硬件改进（如专用人工智能芯 片）、神经网络算法的突破，以及学术界与产业界之间的协作生态系统；所 有这些都得到了全球大量投资的支持。 网 网络 络安全 安全应 应用程序 用程序 尽管人工智能涵盖了多种模型类型，并在各行业中有着广泛的应用，但生成 式人工智能（通过现有数据生成新内容）和判别式人工智能（通过学习决策 边界对现有数据进行分类）目前在网络安全应用中占据主导地位。 人工智能承诺能够自动化复杂任务，这使其在软件开发、数据分析和网络安 全等成本密集型领域特别具有吸引力。 当前的人工智能热潮促使组织在众多应用场景中部署人工智能，其中包括网 安全域，无是防御方是威行者都已利用人工智能多年。 当前的人工智能热潮促使组在众多应用场景中部署人工智能，其中包括网 络安全领域，无论是防御方还是威胁行为者都已利用人工智能多年。 然而，保障人工智能工作负载和模型的安全代表着一个新的挑战领域，需要 在三个方面实现突破： 1.通过实施防止数据泄露、越狱和提示注入的防护措施，连接到大型语言 模型的应用程序 2.保护模型本身免受盗窃、篡改和中毒，同时加强开发人员访问模型时的 基本安全措施 3.通过改进数据卫生实践、治理和溯源，确保数据安全，然后再进行定制 AI训练 随着人工智能（AI）在企业运营中扮演越来越重要的角色，组织必须调整其 安全策略，以保护这些宝贵的新资产，同时利用AI的能力来提升整体安全态 势。 人工智能的 人工智能的进 进步正在重塑网 步正在重塑网络 络安全 安全领 领域，无 域，无论 论是防御方 是防御方还 还是攻 是攻击 击方都 方都试图 试图利用其技 利用其技术 术能力。 能力。 阅读 阅读更多 更多 https://omdia.tech.informa.com/om128529/market-landscape- the-ongoing-evolution-of-ai-in-cybersecurity Cybersecurity Decision Maker Survey 2024: Overall Findings (August 2024) "Update: Cybercriminals still not fully on board the AI train (yet)," Sophos X-Ops (January 2025) AI Readiness Report, Kyndryl (January 2025) Click here or press enter for the accessibility optimised version 边 边缘 缘AIo AIoT：源 T：源头 头智 智 能 能 Andy Brown, Practice Lead, IoT Andy Brown, Practice Lead, IoT 物联网部署正逐步成熟，越来越多的组织开始寻求从海量数据中获取更多洞 察。 越来越多的组织开始借助人工智能（AI）/机器学习（ML）和边缘计算技 术，以实现对运营环境的实时洞察（见图1）并提升自动化水平。 人工智能与物联网的融合，使得从制造设备预测性维护到RPM医疗设备心率 异常检测等应用场景成为可能。 物 物联 联网 网应 应用形式多 用形式多样 样 传统上，大多数物联网终端设备的计算处理能力较低。这些终端设备收集的 数据必须通过网络传输到中央数据中心（即云端）进行存储和处理，然后才 能采取任何行动。 虽然这种模式适用于许多物联网应用，但越来越多的应用场景需要实时决策 且网络延迟极低，因此终端设备与云端之间传输信息时的延迟变得不可接 受。 因此，人们开始转向边缘计算，并越来越关注智能终端本身，这导致了更高 程度的去中心化。 将更多计算能力和决策权转移到边缘的优势在运营环境中显而易见： 实时处 实时处理 理 — 通过本地处理数据，设备可以即时做出决策，无需等待服务 器响应。这在实时响应至关重要的环境中尤为关键，例如交通系统、制造 环境或医疗领域。 数据 数据隐 隐私 私 — 在运营技术（OT）与信息技术（IT）系统之间实现数据隔离 或分区的能力至关重要，尤其是在涉及关键基础设施（如电力电网）时。 在离线状态或解耦方式下运行AI和ML的能力，为提升运营环境和降低连接 系统相关风险带来了重大机遇。 网 网络 络效率 效率 — 通过本地数据处理，传输成本显著降低，从而降低了采用和 实施的门槛。 更小的AI模型可能将开启AIo 更小的AI模型可能将开启AIoTT时 时代 代 图 图1：您的物 1：您的物联 联网部署策略中包含哪些服 网部署策略中包含哪些服务 务？ ？ Source: Omdia 更小的AI模型可能将开启AIo 更小的AI模型可能将开启AIoTT时 时代 代 更小、更具成本效益的开源模型正推动AI创新，尤其惠及智能手机、个人电 脑、机器人及物联网设备等边缘设备。 这些紧凑型模型可本地部署，因此对重视数据隐私的组织以及开发需要超低 延迟的边缘AI应用的供应商极具吸引力。 仍存在需要克服的障碍。精简模型运行时将需要显著的计算能力。 此外，精简模型可能在复杂推理任务上有所妥协：为特定应用定义的模型可 能在物联网环境的长期生命周期中变得过时。 物联网高度分布式，这意味着本地模型的协调可能仅适用于特定运行环境。 然而，小型化模型的进展已为更多云-边缘混合部署打开了大门，使智能能 够更接近数据，直达“微边缘”。 摩尔定律表明，专用且更强大的硬件将继续向边缘普及，这将推动AIoT在未 来几年持续发展。 Click here or press enter for the accessibility optimised version 企 企业对 业对人工智能的 人工智能的 采用正在增加，但 采用正在增加，但 老 老问题 问题依然存在 依然存在 Eden Zoller, Chief Analyst, Applied AI Eden Zoller, Chief Analyst, Applied AI 企业继续面临在采用和扩展人工智能（无论是预测型还是生成型）时遇到的 重大障碍，其中安全和数据隐私问题被列为主要障碍，其次是合规问题、集 成复杂性和人才短缺。 许多企业难以应对未针对现代人工智能工作流程设计的遗留系统，这导致与 技术栈、数据格式和API的兼容性问题。数据质量仍是一个根本性障碍，而 预算限制和不明确的投资回报率进一步 complicate 投资决策。 生成式人工智能不仅加剧了现有挑战，还引入了一些新问题，包括欺诈风 险、内容生成不准确、版权侵权、输出偏见以及信任丧失等担忧。 尽管面 尽管面临 临这 这些挑 些挑战 战，人 ，人们 们对 对人工智能的信心依然 人工智能的信心依然坚 坚定，大 定，大 多数企 多数企业 业预计 预计人工智能 人工智能预 预算将 算将继续 继续增加。 增加。 尽管经济不确定性、投资回报率（ROI）不明朗以及人工智能（AI）的过度 炒作可能削弱部分计划的推进，但生成式AI的“代理型”分支却加速了相关兴 趣与实验，尤其因为代理型AI能够在生成式AI投资的基础上进行扩展和深 化。 克服这些采用障碍的组织报告了显著的益处，特别是在研发加速和客户智能 改进方面。 这表明