京公网安备 11010802034615号
经营许可证编号:京B2-20210330
【导读】近日,普华永道全球AI研究报告发布。研究显示,人工智能可能会使2030年全球GDP高达14%,使其成为当今快速变化的经济体中最大的商业机会。人工智能的最大收益可能来自中国和北美,总计10.7万亿美元,占全球经济影响的近70%。本文将为你带来报告解读。
这份开放报告概述了将在八个领域中获益最大的区域经济以及最具人工智能潜力的3个商业领域。
从所有分析中,研究人员发现了人工智能的巨大潜力。到2030年,人工智能为全球经济贡献将高达15.7万亿美元,超过中国和印度目前的总产值。其中,6.6万亿美元可能来自生产力的提高,9.1万亿美元可能来自消费方面的影响。
虽然一些市场、领域和个体企业比其他市场、领域和个体企业更先进,但人工智能总体上仍处于非常早期的发展阶段。因此,从宏观经济的角度来看,新兴市场有机会超越发达市场。在你的商业领域,一家今天刚刚起步的公司,或者一家还没有建立起来的公司,都可能在十年内成为市场领导者。
报告亮点:
从我们手机中的个人助理,到我们越来越多的商业互动背后的形象塑造、定制和网络保护,人工智能几乎触及了我们生活的方方面面。而这只是开始。
根据分析,由于人工智能的加速发展和普及,2030年全球GDP将增长14%,相当于额外的15.7万亿美元。人工智能的经济影响将由以下因素驱动:
1、企业自动化流程(包括使用机器人和自动驾驶汽车)的生产力增益。
2、企业通过人工智能技术(辅助和增强智能)增强现有劳动力,从而提高生产力。
3、由于提供个性化和/或更高质量的人工智能增强产品和服务,增加了消费者需求。
在过去的十年里,从零售业到制造业再到医疗保健,我们工作和生活方式的方方面面都变得越来越数字化。互联网和移动技术推动了第一波数字浪潮,也就是“人联网”(Internet of People)。然而,人工智能专家进行的分析预计,物联网(IOT)产生的数据要比人联网产生的数据多得多。这些增加的数据已经导致了标准化,这自然会导致自动化,以及产品和服务的个性化,从而引发下一波数字化浪潮。人工智能将利用来自人和事物的数字数据来自动化和帮助我们今天所做的事情,并找到新的方法来做我们以前没有想到的事情。
人工智能的价值收益来自哪里?
在短期内,人工智能最大的潜在经济增长可能来自生产力的提高(见下图)。这包括自动化日常任务、增强员工的能力、解放他们使其专注于更具刺激性和更高附加值的工作。资本密集型行业(如制造业和运输业)很可能从人工智能中获得最大的生产力收益,因为它们的许多操作过程极易受到自动化的影响。
人工智能对全球GDP的影响
对生产力的影响可能是变革性的——未能适应和采用的企业很快就会发现自己在周转时间和成本上都会被削弱。因此,它们将失去大量的市场份额。然而,人工智能应用的这个初始阶段的潜力主要集中在增强已经完成的工作上,而不是创造太多新的工作。
哪个区域会从AI中获益最多?
对不同的区域,AI的影响是不同的。一些经济体在绝对值和相对值方面都有可能获得比其他经济体获得更多的收益。尽管所有经济体都应该从中受益,但中国和北美可能会看到最大的影响。
北美:未来增长最快
在北美,人工智能对国内生产总值的潜在提升将被引进更多生产性技术的巨大机会放大,其中许多技术已经准备好应用。先进的技术和消费者对人工智能的准备程度,以及资产快速积累的影响(不仅是技术,还包括数据接触点以及随之而来的信息流和客户洞察),将加速收益。
北美可能是未来几年增长最快的地区。虽然从20世纪20年代中期开始,影响仍然很强烈,但可能不会像前几年那么大。其中一个主要原因是,随着中国生产力开始赶上北美,将刺激人工智能产品从中国出口到北美。
中国:资本再投资率更高
中国制造业占中国国内生产总值的比例很高,这就加大了引进更多生产技术的潜力。很可能需要一段时间来积累实现这些能力所需的技术和专业知识,因此,GDP增长不会像美国那样迅速。但在大约十年的时间里,中国的生产率增长可能会开始向前推进。
与欧洲和北美相比,中国经济的资本再投资率更高,这是价值潜力的一个关键部分,因为中国企业的利润被注入到提高人工智能能力和回报中。
人工智能一方面也将在向更以消费者为导向的经济转型中发挥重要作用,另一方面也将推动价值链向上,向更复杂、高科技驱动的制造业和商业转型中发挥重要作用。在中国,申请的人工智能专利激增充分证明了这一点。在分析等领域加快人才培养对于实现中国经济中人工智能的潜在收益至关重要。
预计北美和中国将见证AI提高生产力带来的最大GDP增长,但两国影响的轨迹不同。
北美预计将更快地实现AI的大部分,获益更快。中国可能会更慢地接受AI技术,但到2030年,AI可能会对国内生产总值产生巨大影响。
不同行业最具AI潜力Top 3方向盘点
医疗保健:
•支持这些诊断领域:如检测患者健康数据与基线的微小变化或与类似患者的比较等。
•及早发现潜在的流行病并跟踪疾病的发生率,以帮助预防和控制其传播。
•影像诊断(放射学、病理学)。
汽车:
•用于共享汽车的自动驾驶车队。
•半自主功能,如辅助驾驶。
•发动机监测和预测,自主维护。
金融服务:
•个性化财务规划。
•诈骗检测和反洗钱。
•流程自动化——不仅包括后台功能,还包括面向客户的操作。
零售:
•个性化设计和生产。
•预测客户需求——例如,零售商开始利用深度学习提前预测客户订单。
•库存和交付管理。
技术、通信和娱乐:
•媒体存档和搜索——将分散的内容汇集在一起以供推荐。
•定制内容创作(营销、电影、音乐等)。
•个性化营销和广告
制造业:
•增强生产流程的监控和自动更正。
•供应链和生产优化。
•按需生产。
能源:
•智能计量–能源使用的实时信息,有助于减少费用。
•更高效的电网运行和存储。
•预测性基础设施维护。
运输与物流:
•自动驾驶卡车运输和交付。
•交通管制和减少拥堵。
•安全性增强
5年后如何创造竞争力?
正如分析所强调的,人工智能有潜力通过打造创新的服务和全新的商业模式从根本上扰乱你的市场。我们已经看到了数字化带来的第一波创造性破坏。随着人工智能的兴起,十年甚至五年后,一些市场领导者可能是你从未听说过的公司。反过来,如果反应太少或太晚的话,一些当今最大的商业品牌可能仅能维持,甚至完全消失。
明天的市场领导者可能会在今天探索可能性并制定策略。如果你的企业想要跟上步伐并充分利用这些机会,那么它应该解决四个关键问题:
正确对待这些,你的组织内的创造力、协作和决策都可以得到提升。你将有潜力了解客户的行为,以前所未有的精准和远见预测和响应他们的个人需求。
人工智能的最终商业潜力是做以前从未做过的事情,而不是简单地自动化或加速现有能力。出现的一些战略选择将不符合过去的经验或直觉。因此,作为一个商业领袖,你可能需要信仰的飞跃。
研究方法和模型说明
为了评估人工智能的影响和潜力,研究团队进行了一项雄心勃勃的、分阶段的自上而下和自下而上的分析。总的来说,他们识别和评价了近300个用例。
然后,他们评估人工智能对经济关键要素(包括劳动力、生产力、商业和政府)的影响以及它们之间的相互作用。这些模型由全球经济数据集、广泛的学术文献和现有的普华永道自动化工作提供信息。分析着眼于人工智能的总体经济影响,包括生产力的提高(可能涉及一些现有工作的转移)、创造新工作、新产品和其他影响。
研究结果是使用全球经济的大规模动态经济模型生成的。该模型建立在全球贸易分析项目(GTAP)数据库上。GTAP详细介绍了不同经济部门的规模(总共57个),以及它们如何通过供应链进行贸易。它在140个不同国家的基础上给出了这个细节。
在考虑结果时,有两个重要因素需要考虑:
1、结果只显示了人工智能的经济影响——研究结果可能不会直接显示在未来的经济增长数据中,因为会有许多积极或消极的力量放大或抵消人工智能的潜在影响(例如全球贸易政策的转变、金融繁荣和萧条、大宗商品价格的重大变化、地缘政治的冲击)。
2、经济模型结果与长期稳定经济增长的基准进行了比较。基线由三个关键要素构成:人口增长、资本存量增长和技术变化。假定的技术变化基准率是以平均历史趋势为基础的。很难区分人工智能将在多大程度上帮助各经济体实现长期平均增长率(意味着现有技术的贡献随着时间的推移逐渐消失),或者仅仅是历史平均增长率的附加值(考虑到这些因素将在早期的主要技术进步中起作用)。这两个因素意味着结果应该被解释为与人工智能相关的潜在“size of the economic prize”,而不是对未来经济增长的直接估计。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23