麦肯锡发布《15大技术趋势评估及最新动态》报告

生成式人工智能（Generative AI）是指以非结构化数据作为输入（例如自然语言和图像）来创建新内容（包括音频、代码、图像、文本和视频）的算法（例如ChatGPT）。它可以通过利用非结构化混合模态数据集来生成各种形式的新内容，从而实现工作自动化、增强和加速。

（一）趋势评估

在ChatGPT于2022年末推出的推动下，生成式人工智能在2023年与DALL-E2（文本-图像生成模型）和Stable Diffusion（深度学习文本到图像生成模型）等早期模型一起出现了激增。从2022年到2023年，生成式人工智能在每个量化维度上都有显著增长，例如搜索和投资数量增长了7倍，反映出人们对这一趋势强烈的兴奋感。

图1 生成式人工智能的发展趋势

（2019年-2023年）

（二）最近动态

1.多模态生成模型正在兴起；

2.强大的开源模型在性能和开发者采用方面正在挑战闭源模型；

3.自然语言处理(NLP)中的上下文窗口正在扩大；

4.大语言模型越来越多地被嵌入到各种企业工具中；

5.随着大语言模型的快速发展和持续创新，多智能体的方法获得了巨大的关注。

应用人工智能（Applied AI）的技术和技巧使用机器学习训练的模型来解决分类、预测和控制问题，以实现活动自动化、增加或增强功能和产品并改善决策。

（一）趋势评估

应用人工智能的高创新和投资得分与其巨大的潜在影响相称。从2019年到2023年，应用人工智能在此次研究的所有技术趋势中获得最高的创新得分，其投资得分也位列前5。虽然从2022年到2023年，对应用人工智能人才的需求下降了29%。但也许并不令人意外的是，2023年对应用人工智能人才的需求仍然是研究的所有技术趋势中最高的。

图2 应用人工智能的发展趋势

（2019年-2023年）

（二）最近动态

1.人们越来越重视以数据为中心的人工智能；

2.硬件加速在应用人工智能领域获得了巨大的发展动力；

3.生成式人工智能打开了更多应用人工智能的大门。

工业化机器学习（Industrializing machine learning）趋势包含一个快速发展的软件和硬件解决方案生态系统，可以加速机器学习解决方案的开发、部署和维护并降低风险。

（一）趋势评估

2019年至2023年期间，该技术在新闻、搜索、出版物和专利维度上的得分增长了一倍以上，而人才需求维度在同一时间段内增长了两倍多。这些增长表明，未来几年，工业化机器学习的使用可能会扩大。机器学习操作（MLOps）的股权投资活动已连续两年下降。

图3 工业化机器学习的发展趋势

（2019年-2023年）

（二）最近动态

1. 监控和编排正在成为机器学习操作的关键组成部分；

2. 预构建解决方案和应用程序编程接口（API）的使用正在增加；

机器学习操作从一开始就对生成式人工智能很重要。

下一代软件开发（Next-generation software development）包括支持现代代码部署管道和自动代码生成、测试、重构和转换的工具和技术，这些工具和技术可以改善应用程序的质量和开发流程。

（一）趋势评估

2019年至2023年期间，对该技术的搜索、出版物、专利和人才需求大幅增加，这清楚地表明机构和企业都看到了下一代软件开发工具发展的长期潜力。过去五年来，这项技术的投资环境经历了高峰和低谷（高峰反映了某些年份的一些大型交易）。

图4 下一代软件开发的发展趋势

（2019年-2023年）

（二）最近动态

1.新版本的人工智能开发工具正在从概念验证过渡到大规模应用；

2.越来越多的公司开始采用集成度更高的开发平台；

3.人才格局将发生变化；

4.人们对合规性和信任的关注度正在不断提高。