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
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16