63010/09
摘 要：生成式AI將給金融業(yè)帶來巨大變化，麥肯錫預(yù)計，生成式AI用例在金融行業(yè)（銀行、保險和資管）的價值池約為2500億至4100億美元
文｜曲向軍 韓峰
縱觀2023年上半年國內(nèi)外各大科技戰(zhàn)略趨勢和投資熱點領(lǐng)域榜單，毫無疑問，生成式人工智能（下稱“生成式AI”）是最引人注目的技術(shù)之一。伴隨ChatGPT橫空出世，這項新興技術(shù)進入了一個前所未有的熱潮之中，各行各業(yè)都在圍繞相關(guān)話題展開討論，更不必提科技巨頭和AI廠商紛紛下場，唯恐錯過此番科技盛宴，也有行業(yè)翹楚和媒體將生成式AI浪潮類比昔日的移動互聯(lián)網(wǎng)機遇，進一步凸顯了其潛在的巨大價值和影響力。
與傳統(tǒng)AI相比，生成式AI具有四大核心優(yōu)勢，使其備受矚目，包括自動化和效率提升、個性化和定制化、創(chuàng)造性和創(chuàng)新能力以及可解釋性和透明度。這對于金融、醫(yī)療等需要可解釋性的領(lǐng)域尤為重要，有助于建立信任、滿足監(jiān)管要求，并使人們更容易接受和采納系統(tǒng)決策。
簡而言之，生成式AI可通過提高生產(chǎn)效率、推動創(chuàng)新能力和改變競爭格局三大方式，為全球各行各業(yè)創(chuàng)造巨大價值。
麥肯錫預(yù)測，AI整體將為全球經(jīng)濟帶來高達25.6萬億美元的正面經(jīng)濟影響，而其中來自生成式AI的貢獻高達7.9萬億美元，相當于當前全球經(jīng)濟總GDP（國內(nèi)生產(chǎn)總值）體量的8%。
生成式AI之所以能吸引世界各地人們的注意力和想象力，要歸功于其廣泛的實用性——幾乎任何人都可以使用其理解自然語言和創(chuàng)造內(nèi)容的“超能力”，這使得生成式AI在提升行業(yè)生產(chǎn)效率和促進產(chǎn)品創(chuàng)新方面具有顯著優(yōu)勢，預(yù)期未來將顛覆全球各行各業(yè)的現(xiàn)有格局。
從行業(yè)來看，生成式AI產(chǎn)生價值最大的三個行業(yè)為高科技、銀行業(yè)及零售。麥肯錫估計，到2032年，生成式AI每年將會給全球銀行業(yè)（含資產(chǎn)和財富管理，下文統(tǒng)稱“資管”）帶來約2000億-3400億美元的新增價值，占銀行業(yè)年收入的比例高達2.8%-4.7%。加上生成式AI在保險業(yè)預(yù)期每年帶來的500億-700億美元新增價值（約占行業(yè)年收入比例為1.8%-2.0%），我們預(yù)計生成式AI用例在金融行業(yè)（銀行、保險和資管）的價值池約為2500億-4100億美元。
由此可見，無論是絕對價值還是相對增長潛力，金融行業(yè)都是生成式AI用例最具潛力的行業(yè)之一。那么，令人眼花繚亂的生成式AI究竟如何結(jié)合行業(yè)特征創(chuàng)造價值？麥肯錫觀察到，當前有四類最主流的應(yīng)用方式，將合計貢獻生成式AI在金融業(yè)產(chǎn)生的總效益的75%，我們將其總結(jié)為“4C”，分別是：內(nèi)容提煉/虛擬專家（Concision）、用戶互動（Customer engagement）、內(nèi)容生成（Content generation）和編程加速（Coding）。
分行業(yè)來看，銀行業(yè)方面，在內(nèi)容提煉/虛擬專家方面，金融領(lǐng)域重復(fù)性和繁瑣的任務(wù)能夠通過生成式AI實現(xiàn)自動化，從而提高金融從業(yè)人員效率、降低成本，同時釋放員工時間用于更高價值的工作，而通過虛擬專家，銀行一線人員能從非結(jié)構(gòu)化數(shù)據(jù)中歸納提取洞見、解讀文本，快速訪問所有相關(guān)信息，例如產(chǎn)品指南和政策，以即時滿足客戶請求，工作效率能提升60%。
其他典型用例還包括：交易處理：自動化處理金融交易，包括訂單處理、結(jié)算和清算等；財務(wù)報表生成：自動收集、整理和分析金融數(shù)據(jù)，生成準確和及時的符合會計準則的財務(wù)報表，有助于減少報表準備時間和降低人工錯誤；風險評估和合規(guī)檢查：自動分析大量金融數(shù)據(jù)，識別潛在風險因素，并進行合規(guī)檢查。
在用戶互動方面，生成式AI系統(tǒng)通過學(xué)習(xí)和分析大量的專業(yè)知識和人工經(jīng)驗，為用戶提供個性化的解決方案和支持。金融企業(yè)可以據(jù)此提供更加個性化、高效和滿意度的服務(wù)。例如使用聊天機器人完成客戶觸達和數(shù)據(jù)收集，未來5年-10年至少80%以上的客戶互動可被自動化。其他典型用例包括：智能助手、個性化推薦和定制化服務(wù)、情感分析和情緒監(jiān)測。
在內(nèi)容生成方面，生成式AI通過學(xué)習(xí)和分析大量文本、圖像和音頻數(shù)據(jù)，可以生成文字和視覺圖示等新內(nèi)容，加速金融業(yè)企業(yè)內(nèi)容研發(fā)流程。例如可以生成金融市場分析報告和個性化投資洞察；可用來擬定合同、招標書等重要文件；還可以用來編寫銀行、保險、資管和券商等的宣傳文案和營銷材料。
金融領(lǐng)域尤其是量化交易以及風險管理方面，高效、準確的代碼編寫是至關(guān)重要的。在編程加速方面，生成式AI能夠解讀并生成代碼，通過自動生成代碼片段、模板和算法，實現(xiàn)軟件開發(fā)過程加速和人工失誤減少。
從銀行業(yè)務(wù)職能部門的角度來看，生成式AI用例對一線分銷，客戶運營，技術(shù)以及法律、風險、合規(guī)和欺詐部門這四個職能的影響最大，約占其在銀行整體價值潛力池的70%。使用生成式AI工具，能夠增強客戶滿意度，改善決策與提升員工體驗，并通過更好地監(jiān)控欺詐等行為來降低風險。
從保險業(yè)來看，作為金融行業(yè)的重要組成部分，依舊按照4C的視角看，生成式AI對產(chǎn)險和壽險等都將帶來巨大價值。
其中包括：軟件開發(fā)速度和質(zhì)量的提升、保險理賠員效率的大幅提升、保險經(jīng)紀人的效率和客戶價值主張的提升、保險客戶體驗的顯著改善等。
在用例成效上，麥肯錫觀察到，復(fù)雜索賠（例如訴訟索賠）的賠付成本可節(jié)約約25%，辨別欺詐騙保的準確率可提高約18%，99%的核保流程可被生成式AI承保解決方案自動化，保險公司的承保成本有望降低10%-20%。
從資管行業(yè)來看，麥肯錫也觀察總結(jié)了生成式AI的4C應(yīng)用。如在內(nèi)容提煉、虛擬專家方面，基于非結(jié)構(gòu)化數(shù)據(jù)生成見解并推動投資行動，例如尋找投資標的。例如美國某全球商業(yè)、金融和財經(jīng)資訊的提供商，開發(fā)了自己的GPT：針對特定金融領(lǐng)域數(shù)據(jù)和一般數(shù)據(jù)相結(jié)合進行培訓(xùn)的大模型；圍繞回答財務(wù)問題和報告分析。
再如在編程加速方面，美國某跨國投資銀行與金融服務(wù)公司在內(nèi)部使用ChatGPT類型的AI工具來幫助開發(fā)人員編寫代碼；在內(nèi)容生成上，某北美資管公司利用ChatGPT來加速營銷抵押品的內(nèi)容創(chuàng)建，以及創(chuàng)建數(shù)據(jù)可視化或篩選工具；在用戶互動上，美國最大的基金管理公司之一推出AI輔助的注冊技術(shù)業(yè)務(wù)，允許金融機構(gòu)使用專有NLP模型創(chuàng)建，審查和批準公共通信。上述生成式AI用例都是橫跨資管業(yè)務(wù)功能，且兼顧投資人和資管公司內(nèi)部員工的需求。
追根究底，生成式AI能夠在金融業(yè)發(fā)揮巨大價值，是源于行業(yè)長期以來形成的四項特征，以銀行為例：首先，與傳統(tǒng)的IT架構(gòu)有關(guān)，幾十年來，銀行一直在投資技術(shù)，積累了大量的“技術(shù)債務(wù)”以及孤立而復(fù)雜的IT架構(gòu)；其次，從面向客戶的大型員工隊伍角度來看，銀行業(yè)依賴大量業(yè)務(wù)服務(wù)代表；第三，銀行方面的文件工作繁重，生成式AI的影響可以跨越整個組織，協(xié)助所有員工編寫電子郵件、創(chuàng)建業(yè)務(wù)演示文稿和其他任務(wù)；另外，作為一個受到嚴格監(jiān)管的行業(yè)，銀行業(yè)有大量的風險、合規(guī)性和法律需求。
綜上所述，對于金融機構(gòu)，生成式AI應(yīng)用能夠通過減少人為錯誤來提高生產(chǎn)效率，節(jié)省時間和資源；同時增強創(chuàng)新能力，為終端用戶提供更優(yōu)秀的產(chǎn)品和更良好的服務(wù)體驗。
由于生成式AI蓬勃發(fā)展，其產(chǎn)業(yè)規(guī)模也在高速增長，引來投資者紛紛入局。據(jù)彭博數(shù)據(jù)顯示，2022年生成式AI市場收入規(guī)模為400億美元，預(yù)計2027年及2032年將分別達到3990億美元和13040億美元。2022年-2032年復(fù)合增長率達42%。
中國市場方面，據(jù)《中國AI數(shù)字展望2021-2025》數(shù)據(jù)，2022年規(guī)模約660億元，2020年-2025年復(fù)合增速將達84%，2025年將占全球市場規(guī)模（2170億美元）的14%。由此看來，生成式AI不僅在為全球經(jīng)濟創(chuàng)造巨大價值，其產(chǎn)業(yè)本身也擁有巨大的投資機會。
生成式AI價值鏈由六個環(huán)節(jié)組成，分別是專用硬件、云平臺、基礎(chǔ)模型、模型中心和MLOps、應(yīng)用和服務(wù)。伴隨著技術(shù)的欣欣向榮，整個價值鏈都蘊藏著巨大機會，但研究表明各環(huán)節(jié)市場機會存在顯著差異，部分環(huán)節(jié)的資源投入、專業(yè)知識和先發(fā)者優(yōu)勢形成的行業(yè)壁壘，成為新進入者和小型企業(yè)展業(yè)的強大阻力。
2022年到2035年全球市場規(guī)模增量主要來源于訓(xùn)練側(cè)硬件、廣告應(yīng)用和軟件。其中，基礎(chǔ)設(shè)施服務(wù)年復(fù)合增長率將達到60%，增量達2448億美元。廣告應(yīng)用年復(fù)合增長率則達到125%，增量達1924億美元。
在生成式AI的價值鏈條之上，有如下市場機會值得關(guān)注：
一、專用硬件：模型訓(xùn)練和推理過程所用算力基礎(chǔ)設(shè)施，市場壁壘較高，基本為大玩家占據(jù)算力硬件的核心是以GPU和TPU為代表的計算芯片。
二、云平臺：訪問算力基礎(chǔ)設(shè)施以及運行生成式AI工作負載的平臺，市場份額較為集中。
三、基礎(chǔ)模型：生成式AI價值鏈的核心環(huán)節(jié)，依靠專業(yè)知識和成本投入驅(qū)動，通用大模型賽道趨勢表現(xiàn)為頭部集中，行業(yè)大模型賽道仍有市場空白。
四、模型中心和MLOps：托管、微調(diào)和部署模型的工具，巨頭和獨立廠商形成差異化競爭模型中心和MLOps承擔在基礎(chǔ)模型之上構(gòu)建應(yīng)用的兩項必須的工作：一是模型倉庫，提供存儲和訪問基礎(chǔ)模型的空間；二是專門的MLOps工具用于微調(diào)和部署基礎(chǔ)模型至應(yīng)用。
五、應(yīng)用：基于大模型微調(diào)的終端應(yīng)用，是初創(chuàng)企業(yè)擁有最大機會的賽道，約一半生成式AI獨角獸企業(yè)誕生于這個市場，我們預(yù)期，在短期內(nèi)，為垂類行業(yè)和特定功能開發(fā)，基于精細微調(diào)的模型所建立的應(yīng)用能夠最早脫穎而出。
六、服務(wù)：依托模型產(chǎn)品提供增值服務(wù)的整體解決方案提供商為大廠壟斷，但垂類領(lǐng)域仍有中小型玩家參與的市場空間。
首先是運營模式的轉(zhuǎn)變。規(guī)?；茝VGenAI，需要企業(yè)進行全方位的運營模式轉(zhuǎn)型，并將AI內(nèi)嵌到業(yè)務(wù)的每個環(huán)節(jié)。在規(guī)模化實施GenAI應(yīng)用時，一個成功的運營模式應(yīng)涵蓋六大方面：戰(zhàn)略路線圖、人才、運營模式、技術(shù)、數(shù)據(jù)以及技術(shù)應(yīng)用與變革管理。
生成式AI在飛速演進，CEO（首席執(zhí)行官）們也在探索其商業(yè)價值及潛在風險。CEO在推動企業(yè)關(guān)注生成式AI方面發(fā)揮著重要作用。CEO在踏上征途時需要熟記的策略，其中有很多與過往技術(shù)浪潮興起時企業(yè)高管應(yīng)當做出的反應(yīng)一致。
然而，生成式AI也帶來了獨有的挑戰(zhàn)，這包括其超越以往技術(shù)變革的空前發(fā)展速度及隨之而來的應(yīng)對難度。
為此，我們提供一份生成式AI核心概要，供廣大CEO們參考（見上圖）。
在決策應(yīng)用生成式AI之前，考慮從零開始摸索和反復(fù)試錯的大量時間及資源投入成本，企業(yè)也可適當借力專業(yè)機構(gòu)的力量來加快部署生成式AI，利用第三方的技術(shù)、知識和經(jīng)驗，避免繞彎路和踩坑，更快速、經(jīng)濟地達到價值創(chuàng)造的目標。
此外，值得注意的是，生成式AI為各行各業(yè)提供了新的增長動力，卻也存在一定的負面影響，金融機構(gòu)在應(yīng)用生成式AI時尤其需要關(guān)注模型幻覺、惡意使用、信息泄露等三大關(guān)鍵風險。企業(yè)需要高度重視并積極采取措施進行妥善防范和管理，最小化其潛在風險，最大化釋放其價值。
(作者曲向軍為麥肯錫全球資深董事合伙人、中國區(qū)金融機構(gòu)咨詢業(yè)務(wù)負責人，韓峰為麥肯錫全球董事合伙人，麥肯錫團隊成員胡藝蓉、方浩翔、方溪源、李靜瑤、宋戈、邱外山、王喆宸、蔣子翔、魯志娟等對此文亦有貢獻；《財經(jīng)》研究員丁艷對此文亦有貢獻；編輯：楊芮、張威；本文刊于2023年9月18日出版的《財經(jīng)》雜志)
文｜曲向軍 韓峰縱觀2023年上半年國內(nèi)外各大科技戰(zhàn)略趨勢和投資熱點領(lǐng)域榜單，毫無疑問，生成式人工智能（下稱“生成式AI”）是最引人注目的技術(shù)之一。伴隨ChatGPT橫空出世，這項新興技術(shù)進入了一個前所未有的熱潮之中，各行各業(yè)都在圍繞相關(guān)話題展開討論，更不必提科技巨頭和AI廠商紛紛下場，唯恐錯過此番科技盛宴，也有行業(yè)翹楚和媒體將生成式AI浪潮類比昔日的移動互聯(lián)網(wǎng)機遇，進一步凸顯了其潛在的巨大價值和影響力。
與傳統(tǒng)AI相比，生成式AI具有四大核心優(yōu)勢，使其備受矚目，包括自動化和效率提升、個性化和定制化、創(chuàng)造性和創(chuàng)新能力以及可解釋性和透明度。這對于金融、醫(yī)療等需要可解釋性的領(lǐng)域尤為重要，有助于建立信任、滿足監(jiān)管要求，并使人們更容易接受和采納系統(tǒng)決策。
簡而言之，生成式AI可通過提高生產(chǎn)效率、推動創(chuàng)新能力和改變競爭格局三大方式，為全球各行各業(yè)創(chuàng)造巨大價值。
麥肯錫預(yù)測，AI整體將為全球經(jīng)濟帶來高達25.6萬億美元的正面經(jīng)濟影響，而其中來自生成式AI的貢獻高達7.9萬億美元，相當于當前全球經(jīng)濟總GDP（國內(nèi)生產(chǎn)總值）體量的8%。
場景：生成式AI的金融行業(yè)新變
生成式AI之所以能吸引世界各地人們的注意力和想象力，要歸功于其廣泛的實用性——幾乎任何人都可以使用其理解自然語言和創(chuàng)造內(nèi)容的“超能力”，這使得生成式AI在提升行業(yè)生產(chǎn)效率和促進產(chǎn)品創(chuàng)新方面具有顯著優(yōu)勢，預(yù)期未來將顛覆全球各行各業(yè)的現(xiàn)有格局。
從行業(yè)來看，生成式AI產(chǎn)生價值最大的三個行業(yè)為高科技、銀行業(yè)及零售。麥肯錫估計，到2032年，生成式AI每年將會給全球銀行業(yè)（含資產(chǎn)和財富管理，下文統(tǒng)稱“資管”）帶來約2000億-3400億美元的新增價值，占銀行業(yè)年收入的比例高達2.8%-4.7%。加上生成式AI在保險業(yè)預(yù)期每年帶來的500億-700億美元新增價值（約占行業(yè)年收入比例為1.8%-2.0%），我們預(yù)計生成式AI用例在金融行業(yè)（銀行、保險和資管）的價值池約為2500億-4100億美元。
由此可見，無論是絕對價值還是相對增長潛力，金融行業(yè)都是生成式AI用例最具潛力的行業(yè)之一。那么，令人眼花繚亂的生成式AI究竟如何結(jié)合行業(yè)特征創(chuàng)造價值？麥肯錫觀察到，當前有四類最主流的應(yīng)用方式，將合計貢獻生成式AI在金融業(yè)產(chǎn)生的總效益的75%，我們將其總結(jié)為“4C”，分別是：內(nèi)容提煉/虛擬專家（Concision）、用戶互動（Customer engagement）、內(nèi)容生成（Content generation）和編程加速（Coding）。
分行業(yè)來看，銀行業(yè)方面，在內(nèi)容提煉/虛擬專家方面，金融領(lǐng)域重復(fù)性和繁瑣的任務(wù)能夠通過生成式AI實現(xiàn)自動化，從而提高金融從業(yè)人員效率、降低成本，同時釋放員工時間用于更高價值的工作，而通過虛擬專家，銀行一線人員能從非結(jié)構(gòu)化數(shù)據(jù)中歸納提取洞見、解讀文本，快速訪問所有相關(guān)信息，例如產(chǎn)品指南和政策，以即時滿足客戶請求，工作效率能提升60%。
其他典型用例還包括：交易處理：自動化處理金融交易，包括訂單處理、結(jié)算和清算等；財務(wù)報表生成：自動收集、整理和分析金融數(shù)據(jù)，生成準確和及時的符合會計準則的財務(wù)報表，有助于減少報表準備時間和降低人工錯誤；風險評估和合規(guī)檢查：自動分析大量金融數(shù)據(jù)，識別潛在風險因素，并進行合規(guī)檢查。
在用戶互動方面，生成式AI系統(tǒng)通過學(xué)習(xí)和分析大量的專業(yè)知識和人工經(jīng)驗，為用戶提供個性化的解決方案和支持。金融企業(yè)可以據(jù)此提供更加個性化、高效和滿意度的服務(wù)。例如使用聊天機器人完成客戶觸達和數(shù)據(jù)收集，未來5年-10年至少80%以上的客戶互動可被自動化。其他典型用例包括：智能助手、個性化推薦和定制化服務(wù)、情感分析和情緒監(jiān)測。
在內(nèi)容生成方面，生成式AI通過學(xué)習(xí)和分析大量文本、圖像和音頻數(shù)據(jù)，可以生成文字和視覺圖示等新內(nèi)容，加速金融業(yè)企業(yè)內(nèi)容研發(fā)流程。例如可以生成金融市場分析報告和個性化投資洞察；可用來擬定合同、招標書等重要文件；還可以用來編寫銀行、保險、資管和券商等的宣傳文案和營銷材料。
金融領(lǐng)域尤其是量化交易以及風險管理方面，高效、準確的代碼編寫是至關(guān)重要的。在編程加速方面，生成式AI能夠解讀并生成代碼，通過自動生成代碼片段、模板和算法，實現(xiàn)軟件開發(fā)過程加速和人工失誤減少。
從銀行業(yè)務(wù)職能部門的角度來看，生成式AI用例對一線分銷，客戶運營，技術(shù)以及法律、風險、合規(guī)和欺詐部門這四個職能的影響最大，約占其在銀行整體價值潛力池的70%。使用生成式AI工具，能夠增強客戶滿意度，改善決策與提升員工體驗，并通過更好地監(jiān)控欺詐等行為來降低風險。
從保險業(yè)來看，作為金融行業(yè)的重要組成部分，依舊按照4C的視角看，生成式AI對產(chǎn)險和壽險等都將帶來巨大價值。
其中包括：軟件開發(fā)速度和質(zhì)量的提升、保險理賠員效率的大幅提升、保險經(jīng)紀人的效率和客戶價值主張的提升、保險客戶體驗的顯著改善等。
在用例成效上，麥肯錫觀察到，復(fù)雜索賠（例如訴訟索賠）的賠付成本可節(jié)約約25%，辨別欺詐騙保的準確率可提高約18%，99%的核保流程可被生成式AI承保解決方案自動化，保險公司的承保成本有望降低10%-20%。
從資管行業(yè)來看，麥肯錫也觀察總結(jié)了生成式AI的4C應(yīng)用。如在內(nèi)容提煉、虛擬專家方面，基于非結(jié)構(gòu)化數(shù)據(jù)生成見解并推動投資行動，例如尋找投資標的。例如美國某全球商業(yè)、金融和財經(jīng)資訊的提供商，開發(fā)了自己的GPT：針對特定金融領(lǐng)域數(shù)據(jù)和一般數(shù)據(jù)相結(jié)合進行培訓(xùn)的大模型；圍繞回答財務(wù)問題和報告分析。
再如在編程加速方面，美國某跨國投資銀行與金融服務(wù)公司在內(nèi)部使用ChatGPT類型的AI工具來幫助開發(fā)人員編寫代碼；在內(nèi)容生成上，某北美資管公司利用ChatGPT來加速營銷抵押品的內(nèi)容創(chuàng)建，以及創(chuàng)建數(shù)據(jù)可視化或篩選工具；在用戶互動上，美國最大的基金管理公司之一推出AI輔助的注冊技術(shù)業(yè)務(wù)，允許金融機構(gòu)使用專有NLP模型創(chuàng)建，審查和批準公共通信。上述生成式AI用例都是橫跨資管業(yè)務(wù)功能，且兼顧投資人和資管公司內(nèi)部員工的需求。
追根究底，生成式AI能夠在金融業(yè)發(fā)揮巨大價值，是源于行業(yè)長期以來形成的四項特征，以銀行為例：首先，與傳統(tǒng)的IT架構(gòu)有關(guān)，幾十年來，銀行一直在投資技術(shù)，積累了大量的“技術(shù)債務(wù)”以及孤立而復(fù)雜的IT架構(gòu)；其次，從面向客戶的大型員工隊伍角度來看，銀行業(yè)依賴大量業(yè)務(wù)服務(wù)代表；第三，銀行方面的文件工作繁重，生成式AI的影響可以跨越整個組織，協(xié)助所有員工編寫電子郵件、創(chuàng)建業(yè)務(wù)演示文稿和其他任務(wù)；另外，作為一個受到嚴格監(jiān)管的行業(yè)，銀行業(yè)有大量的風險、合規(guī)性和法律需求。
綜上所述，對于金融機構(gòu)，生成式AI應(yīng)用能夠通過減少人為錯誤來提高生產(chǎn)效率，節(jié)省時間和資源；同時增強創(chuàng)新能力，為終端用戶提供更優(yōu)秀的產(chǎn)品和更良好的服務(wù)體驗。
投資：金融視域下的產(chǎn)業(yè)前景
由于生成式AI蓬勃發(fā)展，其產(chǎn)業(yè)規(guī)模也在高速增長，引來投資者紛紛入局。據(jù)彭博數(shù)據(jù)顯示，2022年生成式AI市場收入規(guī)模為400億美元，預(yù)計2027年及2032年將分別達到3990億美元和13040億美元。2022年-2032年復(fù)合增長率達42%。
中國市場方面，據(jù)《中國AI數(shù)字展望2021-2025》數(shù)據(jù)，2022年規(guī)模約660億元，2020年-2025年復(fù)合增速將達84%，2025年將占全球市場規(guī)模（2170億美元）的14%。由此看來，生成式AI不僅在為全球經(jīng)濟創(chuàng)造巨大價值，其產(chǎn)業(yè)本身也擁有巨大的投資機會。
生成式AI價值鏈由六個環(huán)節(jié)組成，分別是專用硬件、云平臺、基礎(chǔ)模型、模型中心和MLOps、應(yīng)用和服務(wù)。伴隨著技術(shù)的欣欣向榮，整個價值鏈都蘊藏著巨大機會，但研究表明各環(huán)節(jié)市場機會存在顯著差異，部分環(huán)節(jié)的資源投入、專業(yè)知識和先發(fā)者優(yōu)勢形成的行業(yè)壁壘，成為新進入者和小型企業(yè)展業(yè)的強大阻力。
2022年到2035年全球市場規(guī)模增量主要來源于訓(xùn)練側(cè)硬件、廣告應(yīng)用和軟件。其中，基礎(chǔ)設(shè)施服務(wù)年復(fù)合增長率將達到60%，增量達2448億美元。廣告應(yīng)用年復(fù)合增長率則達到125%，增量達1924億美元。
在生成式AI的價值鏈條之上，有如下市場機會值得關(guān)注：
一、專用硬件：模型訓(xùn)練和推理過程所用算力基礎(chǔ)設(shè)施，市場壁壘較高，基本為大玩家占據(jù)算力硬件的核心是以GPU和TPU為代表的計算芯片。
二、云平臺：訪問算力基礎(chǔ)設(shè)施以及運行生成式AI工作負載的平臺，市場份額較為集中。
三、基礎(chǔ)模型：生成式AI價值鏈的核心環(huán)節(jié)，依靠專業(yè)知識和成本投入驅(qū)動，通用大模型賽道趨勢表現(xiàn)為頭部集中，行業(yè)大模型賽道仍有市場空白。
四、模型中心和MLOps：托管、微調(diào)和部署模型的工具，巨頭和獨立廠商形成差異化競爭模型中心和MLOps承擔在基礎(chǔ)模型之上構(gòu)建應(yīng)用的兩項必須的工作：一是模型倉庫，提供存儲和訪問基礎(chǔ)模型的空間；二是專門的MLOps工具用于微調(diào)和部署基礎(chǔ)模型至應(yīng)用。
五、應(yīng)用：基于大模型微調(diào)的終端應(yīng)用，是初創(chuàng)企業(yè)擁有最大機會的賽道，約一半生成式AI獨角獸企業(yè)誕生于這個市場，我們預(yù)期，在短期內(nèi)，為垂類行業(yè)和特定功能開發(fā)，基于精細微調(diào)的模型所建立的應(yīng)用能夠最早脫穎而出。
六、服務(wù)：依托模型產(chǎn)品提供增值服務(wù)的整體解決方案提供商為大廠壟斷，但垂類領(lǐng)域仍有中小型玩家參與的市場空間。
實戰(zhàn)：企業(yè)如何部署生成式AI
首先是運營模式的轉(zhuǎn)變。規(guī)?；茝VGenAI，需要企業(yè)進行全方位的運營模式轉(zhuǎn)型，并將AI內(nèi)嵌到業(yè)務(wù)的每個環(huán)節(jié)。在規(guī)模化實施GenAI應(yīng)用時，一個成功的運營模式應(yīng)涵蓋六大方面：戰(zhàn)略路線圖、人才、運營模式、技術(shù)、數(shù)據(jù)以及技術(shù)應(yīng)用與變革管理。
生成式AI在飛速演進，CEO（首席執(zhí)行官）們也在探索其商業(yè)價值及潛在風險。CEO在推動企業(yè)關(guān)注生成式AI方面發(fā)揮著重要作用。CEO在踏上征途時需要熟記的策略，其中有很多與過往技術(shù)浪潮興起時企業(yè)高管應(yīng)當做出的反應(yīng)一致。
然而，生成式AI也帶來了獨有的挑戰(zhàn)，這包括其超越以往技術(shù)變革的空前發(fā)展速度及隨之而來的應(yīng)對難度。
為此，我們提供一份生成式AI核心概要，供廣大CEO們參考（見上圖）。
在決策應(yīng)用生成式AI之前，考慮從零開始摸索和反復(fù)試錯的大量時間及資源投入成本，企業(yè)也可適當借力專業(yè)機構(gòu)的力量來加快部署生成式AI，利用第三方的技術(shù)、知識和經(jīng)驗，避免繞彎路和踩坑，更快速、經(jīng)濟地達到價值創(chuàng)造的目標。
此外，值得注意的是，生成式AI為各行各業(yè)提供了新的增長動力，卻也存在一定的負面影響，金融機構(gòu)在應(yīng)用生成式AI時尤其需要關(guān)注模型幻覺、惡意使用、信息泄露等三大關(guān)鍵風險。企業(yè)需要高度重視并積極采取措施進行妥善防范和管理，最小化其潛在風險，最大化釋放其價值。
(作者曲向軍為麥肯錫全球資深董事合伙人、中國區(qū)金融機構(gòu)咨詢業(yè)務(wù)負責人，韓峰為麥肯錫全球董事合伙人，麥肯錫團隊成員胡藝蓉、方浩翔、方溪源、李靜瑤、宋戈、邱外山、王喆宸、蔣子翔、魯志娟等對此文亦有貢獻；《財經(jīng)》研究員丁艷對此文亦有貢獻；編輯：楊芮、張威；本文刊于2023年9月18日出版的《財經(jīng)》雜志)
