
【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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01