•
Deloitte：2025年六大技術趨勢（深度解析）
在這個技術變革加速的時代，人工智慧（AI）正以前所未有的速度改變企業的核心營運模式。此份報告圍繞空間計算、AI未來趨勢、智慧硬體、IT升級、量子計算、智慧核心六大主題展開深入探討，無論是企業決策者還是技術管理者，都可以從中獲取策略性洞察，為未來的技術升級和數位化轉型做好準備。
一、空間計算成為焦點
空間計算未來會是什麼樣子？從即時模擬的簡單應用開始，這項技術正逐漸改變從醫療到娛樂等多個行業。它不僅是一項新興技術，更是一種可能重新定義我們生活和工作的工具。
挑戰：資訊孤島與協作難題
現在的工作方式要求員工在非常專業的領域具備深入的技能。如果不明白具體背景，想快速上手項目就很難。這在涉及實際物理操作的工作中表現得尤其明顯。例如設計師或工程師能快速從CAD（電腦輔助設計）檔案中看出項目的關鍵細節，但如果是非專業領域的人，例如行銷、財務、供應煉或項目管理人員，就很難理解這些檔案裡的內容，這導致了資訊被孤立，團隊協作受限。
空間計算如何改變這一現狀
空間計算能讓團隊協作變得更簡單。空間計算可以用新的方式把業務資料視覺化，讓客戶、員工更容易理解、互動。它能把物理和數字結合起來，打造一個沉浸式的技術環境，讓人與世界的互動更加自然。
舉個例子：空間計算可以透過一個可視化互動介面，直接從業務軟體中提取相關資料。例如，供應鏈工作人員可以快速找到需要訂購的零件，而行銷人員能更直觀地理解產品的外觀，從而更有效率地制定推廣方案。通過這種方式，不同部門的人都能輕鬆獲取項目資訊，快速做出決策，而不用因為專業壁壘而卡殼。
不僅僅是酷炫的VR頭顯
說到空間計算，很多人會想到那些看起來很酷的VR頭顯。但空間計算並不僅僅是「戴個眼鏡看畫面」這麼簡單。它是將感測器資料、物聯網、無人機、激光雷達（LIDAR）等技術整合起來，打造出能真實還原業務操作的數字模型。無論是傳統的二維螢幕、輕便的增強現實（AR）眼鏡，還是完全沉浸式的VR環境，都可以用來呈現這些模型。
空間計算的核心是感知真實的物理環境，使用技術將物理和數字連接起來，並將數字資訊疊加到一個融合的介面上（見圖1）。
多元化應用，正在改變各行各業
現在，空間計算的應用已經覆蓋了多個領域，即時模擬是目前的主要應用場景之一。未來，隨著技術的進步，這項技術將推動更多創新，重新定義醫療、製造、物流和娛樂等產業。這也是為什麼從2022年到2033年，空間計算市場預計每年將成長18.2%。
從現在到未來，空間運算將徹底改變我們與數字和實體世界互動的方式，讓工作和生活變得更有效率、更有趣，同時也帶來更多新機會！
模擬技術大展身手
空間計算的核心，是讓數字世界更貼近現實生活。許多業務流程都跟物理世界相關，特別是在那些「重資產」產業中，但問題是，這些流程的資訊常常被抽象化，關鍵的細節和洞察就這麼丟掉了。
企業當然能從有條理、結構化的資料中學到不少東西，但如果再加入實體資料，他們對業務的理解會更加深入。這就是空間計算大顯身手的地方。
「空間計算的優勢在於：在正確的時間，以正確的方式，提供正確的資訊。」亞馬遜雲服務（AWS）全球空間計算負責人David Randle說道，「我們相信，空間計算能幫助人們更自然地理解和感知真實世界和虛擬世界。
高級模擬：空間計算的拿手好戲
空間計算解鎖了一個非常重要的應用—高級模擬。這不只是傳統的「數字孿生」概念，而是更進一步。除了虛擬化地監控實體資產，它還能讓企業測試各種情境，看看不同條件會如何影響業務運作。
舉幾個例子：
1.一個製造企業，設計師、工程師和供應鏈團隊可以一起通過同一個3D模型，完成設計、製造和採購所有零件的任務。
2.醫生可以透過增強現實裝置，查看幾乎真實還原的患者身體模型，更直觀地理解病情。
3.石油和天然氣公司可以把精細的工程模型直接疊加在二維地圖上，輕鬆規劃業務。
這些應用場景，可能性幾乎和物理世界一樣多樣。
再看看一個特別的例子：葡萄牙足球俱樂部本菲卡的體育資料科學團隊，利用攝影機和電腦視覺技術，即時追蹤球員的比賽動作，並為每位球員產生完整的3D模型。
這些攝影機能從每位球員身上收集2000多個資料點，而AI會幫助識別球員的身份、他面對的方向，以及影響他決策的關鍵因素。通過這些資料，俱樂部實際上為每個球員建立了一個數字孿生，可以用來模擬「如果某個球員位置不同，比賽戰術會如何變化」。那些過去畫在戰術板上的“X”和“O”，現在成了教練可以隨意調整的3D模型。
「AI在推動這些模式方面真的有了巨大的進步，現在我們能用它們來幫助做出更好的決策。」Joao Copeto，本菲卡俱樂部的首席資訊和技術長這樣說道。
多模態AI創造上下文
過去，企業無法將空間資料和業務資料合併到一個可視化介面中，但這種局面正在改變。多模態AI——能夠處理幾乎任何類型資料輸入，並以多種格式輸出的AI工具——已經非常擅長處理各種輸入資料，包括文字、圖像、音訊、空間資料和結構化資料。
這種能力將使AI成為連接不同資料來源的橋樑，幫助解釋並建立空間資料與業務資料之間的上下文關聯。 AI可以深入分散的資料系統，提取相關洞察並為決策提供支援。
這並不意味著多模態AI可以消除所有障礙。企業仍需要有效管理和治理資料。俗話說「輸入垃圾，輸出垃圾」（Garbage in, garbage out），在AI時代，這句話比以往更加貼切。如果用混亂或不具代表性的資料訓練AI工具，其錯誤會被放大到前所未見的程度。因此，企業應優先實施開放的資料標準，並與供應商合作以實現資料類型的標準化。
一旦這些問題得到解決，IT團隊就可以探索令人興奮的新應用領域。 「你可以用新穎且富有創造力的方式塑造這項技術。」派拉蒙公司（Paramount）負責員工賦能的執行副總裁Johan Eerenstein說道。
AI是全新的使用者介面
空間計算的許多挑戰都與資料整合相關。企業通常難以將分散的資料來源整合到一個可視化平台中，並以對日常工作有實際價值的方式呈現資料。但AI的加入將很快降低這些障礙。
如前文所提到的，多模態AI能夠處理各種輸入資料，並在一個平台上進行解析，但這可能只是一個開始。隨著AI逐漸融入更多應用與互動層，它能讓服務之間形成協作。這種趨勢已經催生了具有上下文感知能力的自主系統，它們可以根據使用者偏好主動執行功能。
未來，這些自主智慧代理將支援供應鏈管理、軟體開發、金融分析等角色。與現今的簡單聊天機器人不同，明天的AI代理將具備前瞻性規劃能力，能夠提前預測使用者需求，而不需要明確指令。基於使用者偏好和歷史行為，它們將能夠在恰當的時機提供合適的內容或採取正確的行動。
當AI代理與空間計算結合，使用者無需擔心資料是來自激光雷達（LIDAR）、攝影機，還是其他空間系統（前提是AI系統以高品質、管理良好且互通的資料為基礎訓練）。智慧代理將使AI成為全新的介面，使用者只需表達一個偏好，而不需要明確地程式設計或輸入複雜指令。
想像一下：
• 一個AI機器人能自動向金融分析師發出市場變化警報。
• 或者，它每天為管理層編寫關於業務環境變化或團隊士氣的報告。
未來，所有我們今天使用的裝置——手機、平板、電腦、智慧音箱——可能都會顯得笨拙。那時，我們只需通過一個簡單的手勢，甚至無需動作，就能讓這些上下文感知的AI系統完成命令。
邁向新數字前沿的第一步
雖然自主智慧AI系統在空間計算中的全面影響可能還需要幾年時間才能實現，但企業已經可以開始利用空間計算帶來的好處。建構資料管道可能是最繁重的工作，但一旦完成，就能解鎖無數應用場景，例如：
• 自動資產檢測
• 更流暢的供應鏈
• 真實感更強的模擬
• 沉浸式虛擬環境
一些領先企業已經開始利用這些方式讓營運更具空間感知能力。隨著AI與空間系統的不斷交匯，我們將看到新的數字領域的誕生，這些領域的輪廓我們現在還只是剛剛開始繪製。
二、人工智慧的下一步是什麼？
大型語言模型（LLMs）還在不斷進化，但新的AI模型和代理（agents）在某些特定任務上表現得更有效率。用一句俗話來說：“對症下藥，才能事半功倍。”
就在去年，各企業還在努力弄清楚如何擁抱生成式AI時，我們就提醒過讀者，要以實際需求為導向，用戰略性的方式將大型語言模型（LLMs）落地應用。
如今，LLMs已廣泛應用，有資料估計多達70%的企業正在探索或實施LLM的用例。
然而領先的企業已經開始考慮AI的下一個階段：與其依賴那些由AI巨頭打造的超大型基礎模型——雖然它們功能強大、數據豐富，但往往超出實際需求——不如部署多個小型模型，更有效率地滿足特定業務需求。
LLMs仍然是某些場景（例如通用聊天機器人或科學研究模擬）的最佳選擇，但一個用於分析財務資料、尋找收入增長點的聊天機器人，真的需要和一個解答客戶詢問的機器人用同樣的模型嗎？
換句話說，我們會看到不同任務用不同AI模型的趨勢。
一系列小型模型可以協同工作，服務於當前LLM難以覆蓋的用例。開源模型的普及和多模態輸出（不僅限於文字）正在幫助企業解鎖全新的服務和產品。
未來幾年，小型、更專業化的模式會進一步推動AI在企業中的發展，並讓AI的「規則」再次被重新定義。
從“增強知識”到“增強執行”
我們可能會看到AI從「幫助獲取知識」逐步轉向「幫助完成任務」的根本轉變。
目前在開發中的代理型AI（Agentic AI），正是這種趨勢的代表。這些智慧代理商有望顛覆我們的工作和生活方式，為消費者和企業提供一個「矽基助理軍團」。
想像一下：
• AI代理可以在董事會會議上呈現財務報告，甚至幫你申請一筆資金撥款。
• 我們常說的「有什麼應用（app）可以解決這個問題？」可能會演變成「有一個AI代理可以幫你搞定」。
現在：打好基礎是關鍵
雖然LLMs令人興奮，但要真正落地還需要紮實的基礎工作。
許多企業沒有自行開發模型，而是選擇與Anthropic或OpenAI等公司合作，或透過雲端運算巨頭（Hyperscalers）使用AI模型。
根據Gartner的預測，AI服務器的支出將佔雲端運算巨頭總服務器支出的近60%。
一些企業已經從LLMs中找到了直接的業務價值，但也有企業對基於外部資料訓練的LLMs的精確性和適用性心存顧慮。
現實是：
目前的AI發展階段還很早，類似「嬰兒學爬」或「剛學走路」的階段。根據德勤、Fivetran和Vanson Bourne的調查，只有不到三分之一的生成式AI實驗進入了生產階段，主要原因是企業在獲取或清理運行AI所需數據時遇到了困難。
資料是AI的基石
根據德勤的2024年第三季《企業生成式AI狀態報告》，75%的受訪企業因生成式AI而增加了在資料生命周期管理上的投資。
• 資料是LLMs的基礎，輸入資料差，輸出結果會更糟（俗話說：「垃圾進，垃圾出」）。
• 資料標註成本也是AI投資的一個重要因素。
雖然一些AI公司通過抓取互聯網數據來構建大規模模型，但聰明的企業更傾向於建立“更智能的模型”，通過領域專用數據進行更好的訓練。
案例：
位於溫哥華的LIFT Impact Partners是一家為非營利組織提供資源的機構，他們用經過優化的資料訓練AI虛擬助手，幫助新移民辦理加拿大的移民手續。
「當你用組織獨特的個性、數據和文化去訓練AI，它會變得更加貼合實際，更有效率。」LIFT的總裁兼執行長Bruce Dewar說道，「它不只是工具，更像是企業的延伸和代言人。
資料面臨的挑戰
企業在AI落地過程中還面臨以下與資料相關的挑戰：
• 如何讓AI試點項目順利擴展？
• 對敏感資料的模糊法規？
• 外部資料（如第三方授權資料）的使用問題？
調查顯示：
55%的企業因為資料問題避免了某些AI用例，同時同樣比例的企業正在加強資料安全。
解決之道：
雖然使用供應商提供的「開箱即用」模型可以繞過部分問題，但要實現差異化的AI價值，企業需要獨特的企業資料。
AI的現實價值
儘管有挑戰，AI帶來的回報也非常顯著：
1、三分之二的企業因為已經看到了強大的業務價值而增加了對生成式AI的投資。
2.AI已經在保險索賠審計、電信故障排查、消費者分層分析等領域展現了現實價值。
3.在更專業的場景中，LLMs也有建樹，如太空維修、核反應模擬和材料設計。
不同任務，用不同AI模型
LLMs覆蓋了廣泛的用例，但它們並不是萬能的。
1、LLMs需要龐大的資源，主要用於處理文字，並且更擅長“增強人類智能”，而非執行具體任務。
2、小型語言模型（SLMs）和多模態模型可能更適合某些特定需求。
未來趨勢：
在接下來的18-24個月內，企業可能會採用多種AI模型組合的方式，包括：
1. 小型語言模型（SLMs）
2. 多模態模型
3. 代理型AI系統
案例：
一家企業可以用庫存資料訓練一款SLM，讓員工快速獲得洞察，而不是手動處理大量資料——這可能需要數周時間。
透過這種方式，AI不僅變得更靈活，還讓企業在效率和成本之間找到更好的平衡。
小模型的系統化未來
Databricks副總裁Naveen Rao認為，越來越多的企業會用系統化的方法來發展AI：「那種『萬能電腦無所不懂』的想法只是科幻電影的幻想。我們更應該像管理人類團隊一樣，把問題分解開。得多。
小型模型（SLMs）的優勢之一是它們可以直接在裝置上運行，而且企業可以用高度定製化的小型資料集來訓練這些模型，解決更具體的問題，而不是應對寬泛的需求。例如，微軟和Mistral正在開發這種精簡版的小型語言模型，而Meta則提供了多個小型模型和前沿模型供選擇。
此外，許多SLMs的進步來自開源模型，例如Hugging Face或Arcee.AI等公司提供的模型。這些開源模型非常適合企業使用，因為它們可以根據不同需求進行調整，只要企業的IT團隊擁有調試這些模型的AI人才即可。一份Databricks的報告顯示，超過75%的企業正在選擇小型開源模型，並將其定製用於具體場景。由於多樣化的開發者社區不斷改進這些開源模型，模型的效率和規模預計將快速提升。
多模態模型的崛起
人類透過多種方式交流，如文字、肢體語言、語音和視頻等。現在，機器也正在努力趕上這個等級。
企業的需求遠超文字資料，這就是為什麼多模態AI開始成為大家關注的焦點。其實，我們已經接觸到了一些多模態AI的應用，例如，當我們和數字助手對話時，它可以以文字或圖像的形式回覆我們；或者我們開車時，車輛通過電腦視覺和音頻提示提供駕駛輔助。
然而，多模態生成式AI還處於起步階段。 2024年5月，Google的Project Astra、OpenAI的GPT-4 Omni，以及亞馬遜雲服務（AWS）的Titan展示了早期的多模態AI技術。這些技術的進展較慢，原因在於它們需要大量的資料、資源和硬體支援。此外，目前文字生成AI存在的「幻覺」和偏見問題在多模態生成中可能更加突出。
企業應用前景：
多模態AI可以“一次訓練，多場景輸出”，例如基於文字資料訓練的模型可以根據用戶需求，以圖片、視頻或音頻的形式提供答案。這種能力不僅提升了使用者體驗，還促進了數字包容性。
具體場景：
1、企業可以用它將行銷資料快速從英文翻譯成其他語言，或自動產生內容。
2.在供應鏈優化中，多模態AI可以結合傳感器資料、維護記錄和倉庫圖像，推薦最佳的庫存量。
隨著技術的發展和模型架構的效率提升，未來18到24個月內會看到更多新的應用場景。
代理型AI（Agentic AI）
AI的第三大趨勢可能在未來十年內徹底改變我們的工作方式。
代理型AI不僅能夠回答問題，還能完成現實世界中的具體任務。例如，幫助用戶根據個人偏好預訂航班，或在無需複雜指令的情況下，提供自動化的客戶支援。這些模型作為自主數字代理的普及標誌著代理型AI的開端，像Salesforce和ServiceNow這樣的企業軟件供應商，已經開始宣傳這些可能性。
企業案例：
在ServiceNow的Xanadu平台中，一個AI代理可以根據客戶問題的歷史記錄產生下一步建議，然後將這些建議傳遞給另一個代理來執行，而人類則只需在代理之間的溝通中進行審計。這種協作模式可以擴展到不同領域，例如一個代理專注於雲端工作負載管理，另一個代理則負責為客戶下單。
ServiceNow的首席客戶官Chris Bedi表示：“代理型AI無法完全取代人類，但它可以成為團隊的好助手，處理重複性的任務、尋找資訊和資源，並在後台全天候工作。”
液態神經網絡：AI技術的新突破
除了AI模型的種類，AI的設計和運作機制也正在快速進步，例如液態神經網絡的出現。這種網絡擁有更高的靈活性，其訓練方法模仿了人腦的結構。與傳統網路需要十萬個節點不同，液態神經網路可能只需要幾十個節點就能完成類似的任務。
這種尖端技術不僅能顯著降低運算需求，還能提供更高的透明性，使得AI更適合嵌入邊緣裝置、機器人和關鍵安全系統。
換句話說，未來的AI不僅在應用場景上會帶來更多可能，它的底層技術也在醞釀新的顛覆。
每個任務都可以有一個AI代理
在未來十年，AI可能完全專注於執行任務，而非僅僅增強人類的能力。
想像一下：
員工可以對AI代理髮出簡單的指令，例如「完成第二季的帳目並產生一份EBITDA（稅息折舊及攤銷前利潤）報告」。主代理會像企業的分層管理一樣，將任務分派給具有不同職責的代理，這些代理會跨多個生產力工具套件協同完成行動。
正如人類團隊合作能夠提升效率一樣，AI間的團隊合作可能成為推動機器能力提升的關鍵因素。
以下是未來幾年需要考慮的幾個重點：
1. AI與AI之間的溝通
AI代理之間的溝通可能會比模仿人類語言更有效率。
我們不需要AI透過像人類一樣的聊天方式彼此交談，而是可以採用更直接的機器語言進行溝通。這種方式能夠提升AI之間的協作效果，同時降低人類需要掌握AI專業知識的門檻。
最終，AI可以適應每個人的溝通風格，讓更多人無需成為專家，也能從AI中受益。
2. 工作的取代與創造
有人擔心像「提示工程師」這樣的角色可能會變得過時。但實際上，這些具有AI專業技能的員工仍然會很重要，他們的職責會轉向管理、培訓和與AI代理合作，就像他們現在處理大型語言模型（LLMs）一樣。
例如，一個精簡的IT團隊可以透過企業內的「AI工廠」打造它們所需的AI代理，來支援各類任務。
此外，隨著工作技能和教育需求發生顯著變化，人類具備的創造力和設計能力等技能可能會變得更加寶貴。這一點在之前的《科技趨勢》中已經提到過。
3. 隱私與安全
隨著AI代理的普及，它們對系統的存取權會引發更多的網路安全問題。
這些問題會隨著時間的推移和AI對更多資料的存取而變得更加重要。為了更好地利用AI代理，新的風險控制和信任管理範式將變得不可或缺。
4. 能源與資源消耗
AI的能耗問題正成為一個日益增長的關注點。
為了降低對環境的影響，未來的AI開發需要在性能與可持續性之間找到平衡。這可能需要利用液態神經網絡或其他高效的AI訓練方法，同時改進硬體技術（關於硬體，我們在《硬體正在吞噬世界》中有深入討論）。
5. 為未來培養領導力
AI擁有改變世界的潛力，但這種潛力能否實現，很大程度取決於領導者的決策和視野。
如果AI只是被用來加速現有的工作方式，那麼最多隻能帶來潛力的浪費，最糟的情況下則可能放大現有的偏見。
真正有想像力和勇氣的領導者應該敢於將AI引入“下一代實踐（Next Practices）”，通過創造性的方式重新組織數據和工作流程，構建一個更高效、更智能的AI世界。
未來AI的核心依舊是資料
當談到AI時，未來企業依舊需要考慮三個核心問題：資料、資料，還是資料。
在AI系統能夠達到人工通用智能（AGI）或像人類大腦一樣高效學習之前，AI將始終需要更多的數據和輸入，來提升其能力和精準性。
今天為組織、優化和保護企業資料所做的努力，可能在未來多年帶來巨大的回報。如果沒有做好這些基礎工作，企業可能面臨**「數據債務」**的積累，最終成為技術債務中最沉重的部分。
同時，這些資料準備工作還可以幫助企業應對AI帶來的各種監管挑戰和倫理問題，例如資料採集與使用的限制、公平性問題以及透明度不足等。
「垃圾進，垃圾出」的問題只會變得更加嚴重，而目標應該是「天才輸入，天才輸出」。如果企業能夠在資料上投入更多的努力，那麼未來AI代理帶來的價值將是無法估量的。
三、硬體正在吞噬世界
在過去的幾年裡，我們一直說“軟件正在吞噬世界”，但現在輪到硬體登場了。
隨著摩爾定律逐漸失效，AI革命的未來越來越依賴合適的硬資源。舉個例子：NVIDIA（輝達）現已成為全球最具價值、最受關注的公司之一，因為專用晶片已成為AI計算任務中不可或缺的資源。
根據德勤基於「世界半導體貿易統計」預測的研究，僅用於生成式AI的晶片市場預計將在今年突破500億美元的規模。
企業硬體的關鍵用例：嵌入AI的終端裝置
一個關鍵的硬體應用場景可能在於嵌入AI的終端使用者裝置和邊緣裝置。例如，個人電腦（PC）產業在過去多年中已經高度商品化，但隨著AI嵌入PC，我們可能正站在計算技術重大變革的起點。
AMD、戴爾、惠普等公司已經在宣傳AI PC的潛力，認為它們可以：
• 「未來-proof」（未來適用）技術基礎設施
• 降低雲端運算成本
• 增強資料隱私
借助離線AI模型，知識工作者可以快速實現圖像生成、文字分析和資料檢索等功能，大幅提高工作效率和精確度。
儘管如此，企業在大規模更新終端使用者裝置時需要謹慎決策，因為AI資源是有限的，浪費它們沒有意義。
硬體背後的能源代價：可持續發展的壓力
當然，所有這些技術進步的背後都有代價。
隨著大型AI模型的能源需求不斷成長，資料中心正成為永續發展的新焦點。國際能源總署（IEA）預測，到2026年，AI的能源需求將使資料中心的用電量大幅增加，達到與瑞典或德國全年用電量相當的水平。
德勤的研究也估計，未來十年內，由於AI需求的推動，全球資料中心的電力消耗可能會增加三倍。
為應對這一挑戰，需要在能源來源和能源效率創新方面進行突破，以使AI硬體既可用又可持續。例如，美國三里島核電廠的1號機組，五年前因經濟因素關閉，但預計在2028年重新開放，為資料中心提供無碳電力支援。
硬體未來的展望：從IT到物聯網
展望未來，AI硬體將從IT領域擴展到物聯網（IoT）。
越來越多的智慧型裝置將變得更加智能，因為AI賦予它們分析自身使用情況並承擔新任務的能力（這一點在「AI的下一步是什麼？」中提到的代理型AI將繼續推動）。
今天：比如，AI被用在牙刷等看似普通的裝置中。
明天：AI可能被嵌入救命的醫療裝置中，其潛力遠超目前的應用。
當更智慧的裝置能夠與機器人技術結合，這種硬體將真正釋放出改變我們生活的力量，重新定義人類與機器的關係。
晶片崛起的時代
長期以來，技術界普遍認為軟件是投資回報的關鍵，因為它具有可擴展性、易於更新和知識產權保護的優勢。
但現在，隨著電腦從“計算器”進化到“認知者”，硬體投資正在快速崛起。
我們去年曾提到，像圖形處理器（GPU）這樣的專用晶片正在成為訓練AI模型的首選資源。
根據德勤2024年的《TMT預測報告》，AI晶片市場預計在2024年將佔全球晶片市場（5,760億美元）總量的11%。
目前估計AI晶片市場約為500億美元，但到2027年，這個數字可能成長到4,000億美元（較保守的預測為1,100億美元，詳見圖1）。
大型科技公司推動AI硬體需求
大型科技公司正成為推動AI硬體需求的一部分，它們可能自建AI模型並部署專用晶片到本地。但事實上，各行各業的企業都在尋求更強的計算能力來實現它們的IT目標。
例如：
根據Databricks的一份報告，在運行大語言模型（LLMs）以處理欺詐檢測和財富管理任務時，金融服務業的GPU使用量在過去六個月內增長了88%，是增長最快的行業之一。
GPU需求超越供給：新的“淘金熱”
所有這些對GPU的需求已經遠遠超出了產能。在當今這個「新淘金熱」中，那些提供「鎬和鏟」的公司，也就是為技術轉型提供工具的企業，正在贏得大筆回報。
NVIDIA（輝達）執行長黃仁勳表示，雲GPU的容量幾乎已經用盡。不過，NVIDIA正在推出新一代的晶片，其能源效率顯著高於以往版本。
雲端運算巨頭（Hyperscalers）正在以驚人的速度購買剛剛下線的GPU，投資接近1兆美元用於資料中心基礎設施，以滿足客戶對GPU使用的租賃需求。與此同時，現有資料中心的能源消耗也將全球舊的電網推向極限。
新一代晶片：神經處理單元（NPUs）
面對GPU需求激增的壓力，企業正在尋找新的解決方案。儘管GPU對於處理LLMs或內容產生的高工作負載至關重要，而CPU依然是基本組態，但**神經處理單元（NPUs）**正迅速成為新熱點。
NPUs模擬大腦的神經網絡結構，可以以更高的效率和更低的功耗加速較小的AI工作負載。它們的優勢在於：
• 讓AI應用從雲端轉移到本地運行
• 保護敏感資料，避免託管在外部平台上
這類新型晶片是未來嵌入式AI的重要組成部分。
戴爾科技（Dell Technologies）戰略資深副總裁Vivek Mohindra表示：
“目前全球有15億台PC，其中30%超過4年機齡。這些老舊PC都沒有NPUs，無法利用最新的AI PC功能。”
企業硬體可能迎來一場大規模的升級浪潮。隨著NPUs讓終端裝置離線運行AI，同時讓AI模型更小、更貼合具體用例，硬體可能再次成為企業效能的差異化優勢。
AI的變革潛力
根據德勤的一項研究：
72%的受訪者認為生成式AI對其所在產業的影響將是「重大到變革性」。
隨著硬體的進一步普及，讓AI觸手可及，這一比例可能會接近100%。
新趨勢：企業基礎設施重回戰略核心
曾經，雲端運算給人一種「資源無限」的印象，但如今，我們正進入一個資源受限的時代。
在過去幾年裡，企業基礎設施（例如PC）被視為一種“工具性資源”，但現在，它們再次成為戰略重點。
特別是，專用硬體在以下三個AI增長領域將特別重要：
1. 嵌入AI的裝置與物聯網（IoT）
2. 資料中心
3. 先進的實體機器人
儘管機器人領域的影響可能在未來幾年才會顯現，但企業在未來18到24個月內需要著手應對前兩個領域的相關決策。
1. 邊緣計算的崛起
到2025年，超過50%的資料可能會由邊緣裝置產生。
隨著NPUs的普及，更多裝置將能夠運行AI模型而無需依賴雲端運算。尤其是，生成式AI的供應商正在開發更小、更有效率的模型，針對具體任務提供支援。
邊緣計算的優勢：
• 更快的回應時間
• 更低的成本
• 更強的隱私控制
混合計算（即雲端與裝置端AI工作負載相結合）可能成為許多企業的必備選項，而硬體製造商正在押注這一趨勢。
戴爾科技的Mohindra表示：
“從延遲、網絡資源以及數據量來看，將數據移到集中計算位置既低效又不安全。將AI帶到數據前線，而不是把數據送到AI前線，是更好的選擇。”
2. 硬體的升級浪潮即將到來
一家大型銀行預測，到2026年，AI PC將佔PC出貨量的40%以上。
同時，預計到2024年，近15%的智慧手機將能夠運行LLMs或圖像生成模型。
HP AI PC體驗與雲端客戶資深總監Alex Thatcher表示：
「這次裝置升級浪潮就像90年代從命令列輸入到圖形使用者介面的轉型一樣重大。軟件已經發生了根本性的變化，帶來了全新的工具和協作方式。企業需要能夠加速這種變化的硬體，以便更輕鬆地建立和交付AI解決方案。
蘋果和微軟今年也透過將AI嵌入到它們的裝置中，推動了即將到來的硬體升級潮。
企業的戰略硬體應用
隨著硬體選擇的增多，良好的治理將至關重要。企業需要問自己：
• 我們的員工中有多少人需要下一代裝置？
• 那些業務領域最需要這些硬體的支援？
儘管晶片製造商正在競相提升AI的算力，但企業無法在每次新技術發佈時對所有裝置進行全面升級。
相反，企業應該採取分級戰略，確保這些裝置能夠部署在最需要的地方，以實現最大的影響。
四、IT能力大升級
隨著技術職能從引領數字化轉型轉向引領AI轉型，前瞻性的領導者正在利用這個機會重新定義IT的未來。
AI對IT的全面影響：軟件工程與技術職能
關於人工智慧如何徹底改變業務場景和結果，業界已有許多討論。 《科技趨勢》多次提到這一點，而在軟件工程全生命周期和資訊技術業務中，這一點尤其真實。
生成式AI能夠編寫程式碼、測試軟件並全面增強技術團隊的能力，這些優勢正在改變IT的工作方式。
根據德勤的研究，走在這一組織變革前沿的科技公司，已經準備好享受這一紅利：
它們比較保守的同業企業更有可能表示生成式AI正在或即將在一年內改變其組織。
我們在《科技趨勢2024》中提到，企業需要重新組織開發者的工作體驗，幫助IT團隊取得更好的成果。如今，AI的熱潮更進一步，將焦點聚集在IT職能的工作方式上。
IT長期以來一直是企業數字化轉型的燈塔，但現在，它必須承擔起AI轉型的責任。
前瞻性的IT領導者正將這一時刻視為百年難得的機會，透過重新定義角色與職責、設定投資優先順序和傳遞價值預期，全面推動組織變革。更重要的是，透過扮演這一先鋒角色，**首席資訊長（CIO）**可以激勵其他技術領導者將AI轉型付諸實踐。
AI時代的技術支出趨勢
在企業長期追求精益IT和一切服務化的背景下，AI正在引發一場從虛擬化和縮減預算向新投資方向的轉變。
Gartner預測，到2024年，全球IT支出將達到5.26億美元，比2023年增加7.5%。
正如我們在《硬體正在吞噬世界》中討論的，硬體和基礎設施正成為焦點，企業的IT支出和營運可能因此發生相應變化。隨著傳統AI和生成式AI變得更加強大和普及，技術交付的每個階段可能從「以人為主導」逐步轉向「人類參與其中（Human in the Loop）」。
企業需要在這種轉變發生之前製訂清晰的戰略。根據德勤的分析，未來18到24個月內，IT領導者應圍繞以下五大核心支柱制定AI轉型計畫：
1. 工程
2. 人才
3. 雲財務運營（FinOps）
4. 基礎設施
5. 網絡風險
未來IT：從“建設者”到“創新者”
這場趨勢可能在未來十年催生一種新的精益IT模式。如果企業的商業職能中出現更多「公民開發者」或能夠隨時產生應用的數字代理，那麼IT職能的角色可能會從建構與維護轉變為協調與創新。
這種情況下，AI不僅僅是隱藏在後台的助推器，甚至可能直接參與到董事會層面的戰略決策中，與人類需求保持一致，監督技術運營。
IT支出的聚光燈下
多年來，IT一直承受著控制雲支出的壓力。然而，自2020年以來，受疫情期間對協作工具的需求激增和數字化轉型的推動，技術投資呈現上升趨勢。
資料統計：
1.從2020年到2022年，全球企業的技術預算佔收入比例從4.25%躍升至5.49%。
2.2024年，美國企業的數字化轉型預算佔營收的7.5%，其中5.4%來自IT預算。
隨著AI需求帶來新一輪支出成長，德勤2023年的《全球技術領導研究》中提到的觀點依然成立：技術就是業務，因此技術支出也不斷增加。
企業正在應對硬體需求、資料管理和數字化的新相關性，以加速AI的應用並釋放其價值潛力。根據德勤Q2生成式AI報告，認為自己在生成式AI方面具有「非常高」專業水準的企業，在硬體和雲消費方面的投資比平均水平高出許多。
AI驅動的技術投資策略
75%的企業因生成式AI而增加了資料生命周期管理的投資。
這些資料指向一個共同主題：為了讓生成式AI發揮最大效用，企業需要加速雲和資料現代化。 AI有潛力在成本、創新和其他多個領域帶來高效益，但前提是企業必須專注於正確的技術投資策略。
由於這些關鍵的投資策略，技術領導者成為了關注的焦點。
根據德勤的研究，超過60%的美國技術領導者現在直接向執行長匯報，比2020年增加了10個百分點。這反映出技術領導者在製訂AI戰略中的重要性，已從單純的技術支援角色轉變為策略制定者。
IT不再只是成本中心，而是AI時代的差異化優勢，CEO們正密切關注AI在企業中的應用，以保持領先地位。
IT的未來：更精實、更融合、更快速
Vanguard（先鋒集團）前全球CIO兼德勤美國駐地CIO John Marcante認為，AI將從根本上改變IT的角色。他說：「技術團隊會變得更精簡，但覆蓋範圍更廣。它將與業務的融合程度比以往任何時候都高。AI發展速度很快，而集中化是確保組織速度與專注的最佳方式。
IT的變革時刻已經到來
隨著IT為AI帶來的機會做好準備，技術職能的組織方式和執行方式正在改變。這可能正是許多技術領導者和員工一直在等待的機會。
但這場變革的代價很高，IT也即將迎來一場全面的「改頭換面」。
新趨勢：AI為IT注入動力
未來18到24個月，隨著企業對生成式AI的日益採用，IT職能的性質可能會發生巨大變化。根據德勤的前瞻分析，到2027年，即使在最保守的情境下，生成式AI也將嵌入每家企業的數字產品或軟件體系中（如圖1所示）。以下是AI將在五大核心支柱中的具體影響。
1. 工程（Engineering）
在傳統的軟件開發生命周期中，手動測試、缺乏經驗的開發者以及分散的工具環境往往會導致效率低下。這些問題已在我們先前的《科技趨勢》中討論過。而現在，AI正在這些領域產生積極的影響。
AI輔助的功能：
• 代碼生成
• 自動化測試
• 快速資料分析
這些能力幫助開發者節省時間，從而將更多精力投入創新和功能開發。據估計，僅代碼編寫效率的提昇在美國的生產力收益就高達120億美元。
Google案例：
Google正在內部向開發人員推出AI工具。該公司CEO桑達爾·皮查伊在近期的財報電話會議中提到，大約25%的新程式碼是透過AI開發的。
Google開發者產品高級總監Shivani Govil表示：
「AI可以徹底改變工程團隊的工作方式，提高創新能力、減少重複性勞動並提升開發者滿意度。Google的做法是將AI技術融入開發者每天使用的產品和工具中，以支援他們的工作。隨著時間的推移，我們可以實現代碼與業務需求之間更緊密的對齊，從而加速反饋循環、改善產品與市場的契合度，並更好地支援業務目標。
AI提升的真實場景：
• 一家醫療公司透過AI支援的COBOL代碼助手，幫助一位沒有COBOL經驗的初級開發者產生了準確率高達**95%**的解釋檔案。
開發者角色的轉變
德勤在最近一篇關於生成式AI時代工程開發的文章中指出，開發者的角色正從「編寫代碼」轉向「定義架構、審查代碼並通過上下文化的提示工程整合功能」。
技術領導者應預見到，人類參與的代碼產生與審查將在未來幾年成為AI應用的行業標準。
2. 人才（Talent）
根據德勤去年對技術主管的調查，許多企業在招募具有關鍵IT背景（如安全、機器學習和軟件架構）的人才時面臨困難。由於缺乏具備適當技能的人才，它們不得不推遲一些已經獲得資金支援的項目。隨著AI成為最新的熱門技能，許多公司可能根本找不到所需的全部人才，導致招募缺口進一步擴大，目前約有50%的AI相關崗位無法填補。
因此，技術領導者需要將重點放在提升現有團隊的技能上，而這恰好是AI可以發揮作用的領域之一。可以想像以下AI支援的能力：
• AI驅動的技能差距分析與建議
• 個性化學習路徑
• 隨選學習的虛擬導師
生命科學公司拜耳（Bayer）利用生成式AI總結程式檔案，並產生動畫等豐富的媒體用於電子學習。同樣，AI還可以產生檔案，幫助新開發者理解舊系統技術，並為其產生相關的學習播客和考試內容。
在Google，開發者依靠實際操作經驗和解決問題來成長，因此公司領導者特別注重提供AI學習資源和工具（如程式碼助理），以滿足開發者當前學習階段的需求。 Google開發者體驗高級總監Sara Ortloff表示：
“我們可以通過AI提升學習能力，將其與新興技術的上下文結合起來，預見並支援不斷變化的技能需求，幫助開發者適應這些變化。”
隨著自動化的增加，技術人才將更承擔監督角色，同時有更多的時間專注於推動創新，為企業帶來實際的利益。這種變化還能吸引人才──根據德勤的研究，技術崗位吸引人才的最大因素是崗位本身的工作內容。
3. 雲財務運營（Cloud Financial Operations）
在雲端運算時代，由於資源可以隨手點擊部署，過度支出已成為常見問題。雖然雲端服務商（Hyperscalers）已經為財務團隊和CIO提供了工具以更好地追蹤雲端使用情況，但許多FinOps工具仍需要手動預算，且在跨系統之間的可見性方面存在限制。
AI的加入可以讓企業在財務管理上更有資訊透明、主動出擊、有效率地管理。比如：
• 即時成本分析
• 強大的模式檢測
• 跨系統的資源分配
AI還能透過更好的預測和追蹤，幫助企業發現更多節省成本的機會。
隨著未來幾年AI需求的持續成長，大型企業可能面臨雲成本顯著上升的情況。然而，將AI應用於FinOps，不僅可以為AI投資正名，還能在其他領域優化成本。
4. 基礎設施（Infrastructure）
在廣泛的IT基礎設施領域－從工具鏈到服務管理，企業自動化程度仍遠低於預期。幾年前的研究表明，近一半的大型企業仍在手動處理安全、合規和服務管理等關鍵任務。
缺少的關鍵要素是什麼？
能夠學習、改進並回應企業需求變化的自動化。
如今，這種能力正成為現實。
比如：
• 自動化的資源分配
• 預測性維護
• 異常檢測
這些功能可以透過一個即時感知自身狀態並採取行動的系統來實現。這種新興的IT概念被稱為**「自主IT」**，靈感來自人體的自主神經系統，它能動態調整心率和呼吸以適應內部和外部刺激。
4. 自主IT的優勢：
• 讓基礎設施自行運行，只在需要人工干預時提出問題。
• eBay已利用生成式AI擴展其基礎設施，並分析大量客戶資料，從而對其平台進行重要改進。
5. 網絡安全（Cybersecurity）
雖然AI讓許多IT流程變得更簡單、更有效率，但也帶來了更高的網路風險複雜性。正如我們去年提到的，生成式AI和合成媒體為網路攻擊打開了新的入口，包括：
• 釣魚攻擊
• 深度偽造（Deepfakes）
• 提示注入攻擊
隨著AI的普及，以及數字代理成為最新的B2B代表，這些風險可能會更加嚴重。
企業該如何應對？
• 資料認證：例如，安全公司SWEAR透過區塊鏈驗證數字媒體的真實性。
• 資料遮罩
• 事件回應
• 自動化策略生成
生成式AI還可以優化網路安全響應，加強對攻擊的防禦能力。
重新思考IT資源分配
隨著技術團隊逐步適應上述變化和挑戰，許多團隊將把重點轉向由AI驅動的創新、敏捷性和成長。
團隊可以：
• 簡化IT工作流程
• 減少對手動干預或外包的依賴
• 專注於高價值活動
這可能會導致IT資源的全面重新分配。
正如Freeplay公司CEO Ian Cairns所說：
“與任何重大平台轉變一樣，能夠重新思考和適應工作方式及軟件開發模式的企業，將在這一新紀元中勝出。”
五、量子計算
量子電腦可能會對當前的加密實踐構成嚴重威脅，更新加密技術已經變得刻不容緩。
量子威脅的迫近
網路安全專業人士已經有許多問題需要擔憂：從常見的社群工程攻擊到AI生成內容帶來的新威脅，問題層出不窮。然而，在應對這些緊迫問題的同時，他們可能忽略了一個重要的威脅：量子電腦對加密系統的潛在風險。一旦具備加密破解能力的量子電腦（CRQC）出現，可能會攻破目前廣泛依賴的公鑰加密技術。這將動搖互聯網連接會話的建立、交易驗證以及用戶身份驗證等核心過程。
相較之下，可以將這種風險與歷史上的千年蟲問題（Y2K）應對方式進行對比。 Y2K是一個明確的風險，企業從特定的時間節點倒推，採取了系統性行動來避免更大的影響。而量子電腦的威脅卻正好相反：它的影響可能更為深遠，但具體何時成為現實卻無法預知。這種時間上的不確定性讓企業傾向於將其視為次要問題，並推遲為量子電腦的到來調整網路安全防禦的必要活動。
正如網絡安全公司Quantropi的首席技術長Mike Redding所說：
“除非量子電腦已經出現，人們會說，'沒關係，我們以後再處理，或者供應商會幫我解決。我的事情已經夠多了，預算也有限。'”
他補充說：“量子技術也許是有史以來最重要的事情，但對大多數人來說，它並不緊迫，他們只是把問題往後推。”
忽視的代價
這種鬆懈心態可能會導致災難性的後果，因為問題的關鍵並不是量子電腦是否會到來，而是何時到來。
專家共識：
雖然量子電腦的具體時間表尚不明確，但絕大多數專家認為，一台能夠威脅加密安全的量子電腦將在未來5到10年內出現。然而，企業需要多長時間才能完成對基礎設施和第三方依賴的全面升級？ 8年？ 10年？甚至12年？
回顧歷史，從雜湊演算法SHA1遷移到SHA2的時間就很長。考慮到這種遷移的複雜性，儘早行動是明智的選擇。正如美國管理和預算辦公室在一份報告中所指出的：
「很可能具備加密破解能力的量子電腦（CRQC）將能夠攻破目前政府和私營部門廣泛使用的一些加密形式。儘管目前尚不知是否存在這樣的電腦，但量子計算領域的穩步進展可能會在未來十年內帶來CRQC的誕生。
問題的規模與解決方案
量子電腦帶來的問題可能影響範圍極大，但幸運的是，現有的工具和專業知識已經為企業提供解決方案：
1. 後量子密碼學（PQC）標準：
美國國家標準與技術研究院（NIST）最近發布了PQC演算法標準，這些演算法可以在問題變得昂貴之前化解風險。
2. 國際合作：
世界上許多國家的政府也在積極研究解決這個問題的辦法。
此外，量子威脅也為企業提供了一個重新思考網路安全的機會，以建立更強大的安全體系。
當前趨勢：無處不在的加密
網絡安全團隊目前面臨的兩大核心問題是技術完整性和營運中斷。
削弱數字簽名和支援資料加密的加密密鑰交換正是這些擔憂的根源。
如果失去了能夠保證數字簽名真實性和未被篡改的加密技術，通訊和交易的完整性可能會遭受重大打擊。此外，失去安全傳輸資訊的能力可能會顛覆大多陣列織的運作流程。
企業對量子威脅的日益關注
企業已經開始意識到量子計算對網路安全構成的風險。
根據德勤的《全球網絡未來調查》：
• 52%的企業正在評估自身的暴露程度，並制定與量子相關的風險策略。
• 另有30%的企業表示，正在採取果斷行動以實施應對這些風險的解決方案。
印度一家大型工業產品公司安全技術部門的副總裁Gomeet Pant表示：
“這個問題的規模相當龐大，其未來的影響迫在眉睫。或許我們還有時間應對，但現在採取主動措施可以避免未來的危機。這是我們需要前進的方向。”
識別加密系統的全域風險
加密技術如今如此普遍，以至於許多組織可能難以識別它存在的所有位置。
加密不僅用於它們自有的應用程序，還廣泛分佈在合作夥伴和供應商系統中。
要全面理解具有加密相關性的量子電腦（CRQC）對加密技術可能造成的風險（見圖1），企業需要在以下領域採取行動：
• 基礎設施
• 供應鏈
• 應用程式
CRQC將威脅以下領域中使用的加密技術：
• 資料保密性
• 數字簽名的完整性
這包括電子郵件、巨集指令、電子檔案和使用者認證的完整性和真實性。
這些威脅可能會破壞數字通訊的完整性與可信度。
「先採集，後解密」的新風險
更糟的是，即使CRQC尚未出現，企業的資料可能已經面臨風險。
有跡象表明，惡意行為者正在進行所謂的「先採集，後解密」攻擊：
• 他們竊取加密資料，等量子電腦技術成熟後再進行解密。
因此，直到企業升級到量子抗性加密系統之前，其數據將持續處於威脅之下。
JP Morgan新興技術安全組織總監Yassir Nawaz表示：
「我們很早就識別到了客戶資料和金融行業可能面臨的潛在威脅，這推動了我們在量子準備方面的開創性工作。
我們的計畫從全面的加密技術盤點開始，並延伸到開發後量子密碼學（PQC）解決方案，透過靈活加密流程來現代化我們的安全防護。 」
升級到量子安全加密的時間窗口
鑑於問題的規模，升級到量子安全加密可能需要數年，甚至十年以上。而根據專家預測，CRQC可能會在這段時間範圍內出現。
量子對加密的威脅似乎還很遙遠，但現在正是開始解決這個問題的最佳時機（見圖2）。
NIST電腦安全性部門負責人Matt Scholl表示：
「組織必須從現在開始為量子計算可能帶來的威脅做好準備。
從當前加密系統過渡到新的後量子加密標準將是一個漫長的過程，需要全球的協作。
NIST將繼續開發新的後量子密碼學標準，並與產業和政府合作，推動這些標準的採用。 」
六、智能核心：AI正在重塑核心現代化
多年來，核心繫統和企業資源規劃（ERP）系統一直是企業記錄管理的「唯一真實來源」。但人工智慧（AI）正在從根本上挑戰這一模式。
AI如何改變核心繫統
許多核心繫統供應商已經全面擁抱AI，並將其產品與功能圍繞「AI優先」模式進行重建。將AI整合到核心企業系統中，標誌著企業營運和技術應用方式的重大轉變，為企業競爭優勢提供了全新的路徑。
多年來，企業依賴核心繫統及其上的ERP工具作為記錄管理的基礎。如果對營運中的任何方面有疑問，無論是供應商還是客戶，答案都可以從核心繫統中找到。
然而，AI的影響不僅僅是增強這一模式，而是從根本上挑戰它。 AI工具能夠深入核心繫統，學習企業的營運流程、理解其業務邏輯，甚至能夠複製這些流程。這意味著使用者不再需要直接訪問核心繫統來獲取問題的答案，而是可以使用他們最熟悉的AI工具。
這種變革不僅限於自動化常規任務，而是從根本上重新設計和優化流程，使其更加智慧、高效和具有預測能力。 AI結合整個企業的資訊，能夠釋放全新的業務模式，為員工賦能。
整合與管理的挑戰
不可否認，在實現這一轉型的過程中會面臨整合和變更管理的挑戰。
• 技術與技能投資：IT團隊需要選擇合適的技術並提升團隊技能。
• 資料治理框架：建立健全的資料治理框架，保護敏感資料免受風險。
• 複雜架構管理：隨著AI深入核心繫統，系統架構將變得更加複雜，這需要團隊有效應對。
• AI的信任問題：確保AI系統在處理關鍵核心操作時的高效率與責任性也同樣重要。
儘管如此，克服這些挑戰將帶來巨大的利益。未來，AI可能不僅僅是一個新的記錄系統，還會發展成為一系列智慧代理，不僅能夠分析和提出建議，還可以直接採取行動。最終，這將實現自主決策，使企業的營運速度遠超當前水準。
現在：企業需要核心繫統提供更多支援
核心繫統，尤其是ERP平台，被越來越多地視為企業的重要資產。企業普遍認識到，集中管理所有業務資訊的系統是實現更高效率和數據驅動決策的關鍵。
正因如此，全球ERP市場預計將以11%的年成長率從2023年持續成長至2030年。這種成長主要由企業對更高效率和數據驅動決策的需求所推動。
為什麼許多ERP項目未能滿足預期？
儘管企業已經意識到ERP系統的價值，但現實中，只有少陣列織品能夠真正從中獲益。根據Gartner的研究，到2027年，超過**70%**的新ERP實施項目將無法完全實現其原定的商業目標。
原因之一是ERP系統的「千篇一律」：
• 企業需要調整自己的業務流程以適應ERP系統的模式。
• 企業內部的應用程式需要與ERP整合。
由於ERP作為記錄系統，持有所有的業務資料和邏輯，企業被迫適應其要求，儘管這些要求可能難以滿足。這種模式導致了企業與ERP系統之間的脫節。
AI如何打破傳統模式
有些企業希望減少對單一ERP系統的依賴，而AI正是實現這一目標的關鍵工具：
• 開放資料集：AI使資料更靈活和可用。
• 改變工作方式：AI提供了全新的、更聰明的工作方式。
這不僅是技術的升級，更是企業營運模式的全面變革。
新的模式：AI助力核心繫統升級
隨著不斷的演變，ERP系統很可能會繼續保持其作為企業記錄管理「系統真相」的核心地位。在大多數大型企業中，這些系統仍然承載著幾乎所有的業務資料，而那些花費數年時間實施ERP系統的企業，通常也不願意輕易放棄它們。
打造平台化協同模式
在這種新模式下，現有的核心繫統將演變成一個平台，成為AI創新的基礎。然而，這種前景也帶來了多個需要IT和業務領導者解答的問題：
• 是否依賴供應商的模組？
• 是否使用第三方工具？
• 是否由技術能力強的團隊自行開發模型？
資料的開放程度也是一個需要關注的問題。生成式AI的優勢在於能夠跨不同系統和檔案類型讀取和解讀資料，從而帶來新的洞察和自動化機會。但與此同時，這也可能帶來隱私和安全風險，尤其是在處理核心繫統中高度敏感的HR、財務、供應商和客戶資料時。
在缺乏強有力治理的情況下，將這些數據輸入AI模型可能會引發新的風險。
另一個問題是：AI在核心繫統中的落地應該由誰負責？
這不僅是一個高度技術化的過程，需要IT的專業技能，同時也涉及業務部門的關鍵營運職能，因此需要業務部門的深度參與。
答案可能因不同的用例和企業情況而異。但企業在全面擁抱核心繫統中的AI之前，應該事先考慮這些問題，並制定清晰的解決方案。這些答案將構成AI技術進一步釋放價值的基礎。
SAP雲ERP與產業首席營銷長Eric van Rossum表示：
「為了充分利用AI，企業應該制定一個以業務目標為核心的清晰策略。AI不應該被視為獨立的功能，而是應該成為嵌入所有業務流程中的關鍵能力，從而支援企業的數字化轉型。 」
AI推動全新工作模式
前瞻性的企業已經開始回答這些協同問題。
例如，Graybar（一家電氣、工業和數據通訊解決方案的批發分銷商）正在進行一個為期多年的現代化升級項目，該項目涉及對已有20年的核心繫統進行全面改造。
• 他們的現代化處理程序從HR管理工具的升級開始，目前轉向ERP系統的現代化升級。
• 在此過程中，Graybar在適用的情況下依賴核心繫統供應商提供的最佳模組，同時在有機會差異化其產品和服務時，引入第三方整合以及自主開發的工具。
AI的成長為公司領導層提供了一個不僅可以升級技術堆疊，還可以重新思考業務流程的機會，以推動新的效率提升和收入成長。
在這一現代化過程中，信任是關鍵因素之一。公司正在針對具體的、狹義的用例推出AI工具，確保這些工具在安全性和可靠性方面都符合要求。
（行業報告研究院）