2022年12月，ChatGPT3.5的發(fā)布引發(fā)了全球范圍內(nèi)對大模型的廣泛關(guān)注，2023年2月國內(nèi)高校率先發(fā)布產(chǎn)品，2023年6月開始國內(nèi)涌現(xiàn)出眾多的通用大模型和垂類大模型，目前國內(nèi)大模型產(chǎn)業(yè)呈現(xiàn)出“百模大戰(zhàn)”的競爭格局。

大模型熱引發(fā)了全球范圍內(nèi)對生成式AI的廣泛關(guān)注，在生成式AI大爆發(fā)的時代，決策式AI是否會被替代?是否所有的行業(yè)都值得用生成式AI再做一遍?生成式AI在垂類行業(yè)中的技術(shù)落地是否會出現(xiàn)“水土不服”?決策式AI和生成式AI的商業(yè)落地場景能為下游客戶創(chuàng)造哪些商業(yè)價值?

這些問題的答案，需要從兩類技術(shù)的本質(zhì)出發(fā)，結(jié)合行業(yè)特性、市場需求和未來趨勢進行綜合考量。

決策式AIVS 生成式AI

決策式人工智能也稱為判別式AI，是指利用人工智能技術(shù)來輔助或自動化決策過程的一系列方法和系統(tǒng)，決策式人工智能識別數(shù)據(jù)中的隱藏規(guī)律，指導基于數(shù)據(jù)洞察的決策過程，并解決與核心業(yè)務(wù)運營密切相關(guān)的問題。

生成式人工智能是指基于生成對抗網(wǎng)絡(luò)、大型預訓練模型等人工智能的技術(shù)方法，通過已有數(shù)據(jù)的學習和識別，以適當?shù)姆夯芰ι晌谋尽D片、代碼、音頻和視頻等相關(guān)內(nèi)容的技術(shù)。整體來看，決策式AI和生成式AI在技術(shù)路徑、作用機制和應用方向等方面存在差異。

在技術(shù)路徑方面:決策式AI是一種用于決策的技術(shù)，它利用機器學習、深度學習和計算機視覺等技術(shù)來處理專業(yè)領(lǐng)域的問題，并幫助企業(yè)和組織優(yōu)化決策。其技術(shù)路徑是“對已有數(shù)據(jù)“打標簽”，從而對不同類別的數(shù)據(jù)做區(qū)別，比如將圖像區(qū)分為貓和狗。生成式AI是一種用于自動生成新內(nèi)容的AI技術(shù)，使用語言模型、圖像模型和深度學習等技術(shù)，自動生成新的文本、圖片、音頻和視頻內(nèi)容。其技術(shù)路徑為分析歸納已有數(shù)據(jù)后創(chuàng)作新的內(nèi)容，比如生成貓和狗的圖像。

圖:決策式AI和生成式AI技術(shù)路徑差異

（圖片來源:億歐智庫）

在作用機制方面:決策式AI通過學習數(shù)據(jù)中的條件概率分布，通過決策式模型輸出數(shù)據(jù)判定結(jié)果。生成式AI通過學習數(shù)據(jù)中的聯(lián)合概率分布，依托生成式模型學習非結(jié)構(gòu)化內(nèi)容后輸出新內(nèi)容。

圖:決策式AI和生成式AI作用機制差異

（圖片來源:億歐智庫）

在應用方向方面:決策式AI能夠識別數(shù)據(jù)中的隱藏規(guī)律，指導基于數(shù)據(jù)洞察的決策過程，在人臉識別、智能推薦、自動駕駛和智能風控等方向應用廣泛。生成式AI通過模型訓練能夠根據(jù)用戶需求生成內(nèi)容，文本生成、圖像生成、代碼生成和視頻生成為主要應用方向。

圖:決策式AI和生成式AI應用場景差異

（圖片來源:億歐智庫）

決策式AI的優(yōu)質(zhì)落地領(lǐng)域

決策式AI的布署相對于生成式AI訓練速度更快，能夠針對具體場景進行精細化的調(diào)整和優(yōu)化，實現(xiàn)場景快速落地和準確結(jié)果預測，適合對特定任務(wù)進行快速優(yōu)化和部署的環(huán)節(jié)。不同行業(yè)中均有決策式AI落地的場景，比如金融行業(yè)中的智能風控、智能推薦和人臉識別，工業(yè)中的智能質(zhì)檢、智能調(diào)度和智慧排產(chǎn)，交通運輸行業(yè)中的自動駕駛和供應鏈優(yōu)化。

以工業(yè)為例，在生成式AI出現(xiàn)之前，決策式AI已在工業(yè)場景中廣泛落地，幫助下游客戶實現(xiàn)效率提升和成本優(yōu)化的質(zhì)變。在工業(yè)領(lǐng)域，生產(chǎn)制造是行業(yè)的核心環(huán)節(jié)，在該環(huán)節(jié)中決策式AI的分布遠高于生成式AI，而在研發(fā)設(shè)計和經(jīng)營管理等創(chuàng)造性較強的環(huán)節(jié)中生成式AI分布比例較高。比如在智能質(zhì)檢場景中，決策式AI能夠從海量的工業(yè)產(chǎn)品圖片數(shù)據(jù)中，學習產(chǎn)品的外觀特征、質(zhì)量標準和缺陷模式等關(guān)鍵信息，對新樣本進行快速和準確的判斷。因此在工業(yè)領(lǐng)域中，對于模型輸出精度和響應速度要求相對較高的生產(chǎn)制造環(huán)節(jié)是決策式AI的優(yōu)質(zhì)落地領(lǐng)域。

圖:決策式AI和生成式AI在工業(yè)領(lǐng)域的分布情況

（圖片來源:騰訊研究院）

生成式AI的優(yōu)質(zhì)落地領(lǐng)域

生成式AI具有通用性、強計算能力和涌現(xiàn)性，適合綜合型和創(chuàng)造類的應用場景。根據(jù)麥肯錫2023年6月發(fā)布的研究，對于不同的行業(yè)和不同的職能部門，生成式AI對其帶來的影響有所差異。從行業(yè)來看，生成式AI為高新技術(shù)、銀行、零售等行業(yè)帶來的影響較大;從職能部門來看，營銷、產(chǎn)品研發(fā)和軟件工程是適合生成式AI落地的領(lǐng)域。

比如，在營銷環(huán)節(jié)中，生成式AI可以幫助企業(yè)輔助或自動生成營銷文案，并能根據(jù)用戶畫像和產(chǎn)品特征，生成不同語氣、語言、文化理念和風格的營銷文案，幫助企業(yè)實現(xiàn)降本增效。在產(chǎn)品研發(fā)環(huán)節(jié)中，生成式AI可以賦能醫(yī)藥和能源化工等行業(yè)，利用生成式AI的知識學習能力，幫助實現(xiàn)新藥物和新材料的發(fā)現(xiàn)，有效提升企業(yè)研發(fā)效率。

圖:生成式AI對不同行業(yè)和職能部門帶來的影響

（圖片來源:麥肯錫）

決策式AI和生成式AI的未來展望

展望未來，在短期內(nèi)（2-3年），決策式AI和生成式AI將各自在其擅長的領(lǐng)域深化發(fā)展，決策式AI將進一步深化其在金融風控、工業(yè)質(zhì)檢、供應鏈管理等關(guān)鍵領(lǐng)域的應用，提高決策的精準度和效率;生成式AI將在內(nèi)容創(chuàng)作、藝術(shù)設(shè)計、游戲開發(fā)等領(lǐng)域展現(xiàn)其創(chuàng)新潛力，不斷推動個性化和多樣化的體驗。

長期來看，盡管生成式AI的快速發(fā)展可能在某些領(lǐng)域引發(fā)變革，但不會出現(xiàn)生成式AI對決策式AI的取代。相反我們更有可能看到的是它們之間的融合發(fā)展，決策式AI的分析能力和生成式AI的創(chuàng)造性將相互補充，共同構(gòu)建更為復雜和高級的AI系統(tǒng)，推動社會向更加智能化的方向發(fā)展。

在當下，哪些行業(yè)適合落地決策式AI/生成式AI?決策式AI/生成式AI在哪些環(huán)節(jié)中能帶來顛覆性變革?決策式AI/生成式AI為不同行業(yè)下游客戶創(chuàng)造的價值如何?