读完高盛关于生成式AI的研究报告，我们帮你总结了这12个核心观点
g导读：
人类历史的重大变革常以月甚至年为单位，而今，生成式 AI 的指数级增长使记录变革的单位变成了天。
高盛首席软件分析师 Kash Rangan 领导的团队在 3 月 26 日的报告中指出，ChatGPT 引爆的 AI 热潮，将企业级软件推入了云计算后的下一风口，在风口下的各行各业将迎来颠覆性变革，也只有迎着浪潮的公司才能迎来属于他们的时代。
# 01
生成式 AI 将大幅提高生产力
人类社会可能正在经历科学家们口中的 " 奇点 " 时刻：技术更迭速度呈指数级增长，生产力水平也在技术变革中大幅提高。生成式 AI 可以成为美国劳动生产力增长的助推器。
高盛认为，在生成式 AI 的加持下，工作流程将被大幅简化，生产力得到提振，在生成式 AI 发展的 10 年内，预计每年可以将生产力提高超 1.5%。
今天知识工作者价值创造与他们运用计算机的能力有关，包括：台式电脑、平板电脑及智能手机。
在生成式 AI 的帮助下，知识工作者可以更方便的使用此类平台，简化用户体验。
电脑出现后，软件的诞生使工作流程迈入了自动化，成为生产力大幅提高的第一个契机。但 20 年前任何分析师的产出与今天的交付水平相比差距巨大。这种差异是由软件和硬件技术的进步所驱动的，这些技术得以使我们节约更多时间，更容易获得信息。
# 02
生成式 AI 将颠覆各行各业
处于风暴眼的人工智能技术以雷霆万钧之势将整个人类社会拉入了一场前所未有的变革之中。人们该以何种姿势拥抱随之而来的重大变革呢？
高盛认为，未来整合基础模型（LLMs）和终端应用方面的平台将应运而生，而人工智能框架和 API（应用编程接口）将成为平台能否成功的关键。
这些框架和 API 将帮助开发人员制作支持人工智能的应用程序。
API 的发展将使企业软件公司的 AI 解决方案的交付越来越民主、开放且灵活，以满足不同客户的需求和不断变化的市场需求。
Hugging Face 和 GladIA 等平台为例，越来越多地采用开源技术来开发和交付 AI 解决方案，以降低成本、提高灵活性和可扩展性，帮助软件开发者轻松找到适合他们需求的模型。
未来的平台方面，人工智能框架和 API 将是关键的推动因素，为新公司的崛起提供了机会。
# 03
未来不需要程序员，几乎每个人都可以写出所需代码，而这将进一步刺激生产力
在科技变革的时代，编程正成为一项必备技能，高盛认为，未来不需要程序员，几乎每个人都可以写出所需代码，而这将进一步刺激生产力。
生成式 AI 可以通过自然语言处理 ( NLP ) ，如文本或语音，将其转换成代码，并快速执行各类任务，如风险分析、预测等。
现阶段传统的 SQL 方法必须通过 API 与基础数据库连接，使用 SQL 代码编程并执行命令。简而言之，过去你只能通过代码与计算机程序进行交互，而现在生成式 AI 可以通过自然语言输入，并从数据库中直接提取或处理数据来简化这个过程。为了更好的适应社科技变革，基于生成式 AI 的应用应运而生，且以指数级的速度更迭着。
生成式 AI 与此前传统的平台相比，其学习速度快且可以通过训练不断进步，持续反馈循环使得生成式 AI 能够不断提高其准确性并丰富知识库，从而创造出一类新的应用程序。
例如，在医学领域，相关专业知识未来将以一种变革性的方式被数字化，生成式 AI 可以利用获取到的用户医疗记录和实验结果，提供更深入的见解和更准确的结论。
生成式 AI 还可以在财务规划、商业风险分析、库存管理、生产调度、物流和运输等方面产生非常重大的影响。未来，生成式 AI 也将为建立新的应用程序提供更多的平台选择。
# 04
生成式 AI 带来了庞大的企业软件
高盛预测，基于对 AI 的广泛使用，在生成式 AI 的整合下，整个跨应用堆栈的中的企业软件总体规模（TAM）将增加约 1500 亿美元。
以拥有 3 亿个付费用户的微软 Office 等生产力工具的应用为例，预计 AI 的使用率将达到知识工作者总数的 30%。
根据目前正被使用的生成式 AI 应用程序的价格来看，现有软件定价将因融合了生成式 AI 的附加功能而有一定的涨价空间，在北美每人每年在生成式 AI 平均花费为 78 美元。
Adobe 的 Creative Cloud、Intuit 的 Turbo Tax Live，以及最近发布的产品包括 Microsoft Teams Premium 和 GitHub Copilot，均因加入了更多的附加功能而涨价。
这些产品因创新涨价约 10-20 美元 / 用户 / 月，随着更多的生成式 AI 被使用，预计未来将有更多涨价空间。
按照知识工作者基于生成式 AI 渗透率进行分析，假设当今 11 亿知识工作者，每人运用 5 个生成式 AI 应用程序，每月平均花费 78 美元，企业软件总体规模将达到 4290 亿美元。
但考虑到，当前仍处于生成式 AI 早期渗透阶段，约 30 — 40% 的知识工作者符合上述特征，企业软件总体规模将为 1500 亿美元。
# 05
AI将会被包装成“解决方案”，类似SaaS
在平台诞生后，人工智能将被包装成 " 解决方案 "，类似于 SaaS ( 软件即服务，一种软件交付模式），强化 SaaS 公司现有护城河。
我们预计人工智能公司不会与 SaaS 公司竞争，而是会进行合作，成功利用生成式 AI 的 SaaS 公司将获得上市动机。
将人工智能与 B2B SaaS 解决方案结合起来，应该可以增强它们的技术护城河。通常情况下，SaaS 公司拥有大量的客户数据、HCM、财务数据、垂直 SaaS-- 保险、医疗等等。
利用他们的用户数据来加强和训练人工智能驱动的大型语言模型，可以帮助 B2B SaaS 公司提取关键见解、自动化任务同时也能提高员工效率。
# 06
办公工具的变革将成为生成式 AI 最广泛的应用，而这可以大幅提高知识工作者的效率
以 Microsoft 365 Copilot 和 Google Workspace 为例，在评估生成式 AI 未来在这一方面的使用情况时，我们预计这些场景将以数据流、数据模型、应用程序及终端用户之间更广泛的实时连接为基础。员工在运用一个应用程序中工作时，可以迅速参考和利用以前不同的数据。
例如，创建演示文稿的员工可以利用生成式 AI，快速从 Word 文件中提取文字，填充到 PowerPoint 幻灯片中，而不必离开 PowerPoint。根据 Microsoft 365 Copilot 和 Google Workspace 的演示，这种类型的技术即将与市场见面。
生成式 AI 可以增强应用程序的利用率，大多数 Word、Excel、PowerPoint 等的用户对这些工具的应用可能仅停留在表面。我们相信生成式 AI 已经准备好简化这些应用程序的复杂功能，从而使用户可以深度使用，产出高质量的最终产品。
# 07
生成式AI将颠覆营销领域，尤其是客户关系管理
营销领域也将被生成式 AI 颠覆，高盛成，CRM将被优化，使用的重点将围绕：
1）拥有实时可操作的数据；
2）策划定制的销售动机；
3）生成动态、可扩展和个性化的内容。
CRM 是应用软件中比较分散的子行业之一，由销售、营销、服务和商务组成。生成式 AI 能逐步整合这一领域，并侧重于根据不同数据的训练模型，来产生建议、内容、分析和结果。
下一步的演变可能是定制策划方案并销售，通过利用现有的客户相关数据和对以往工作的洞察力，生成式 AI 可以提出经过验证的策略，并与客户产生更多的共鸣，提高效率，同时维护公司的品牌形象。
公司有可能利用这项技术，通过利用客户的数据，如电子邮件、手机等，创建个性化、动态、可扩展的内容。
# 08
生成式 AI 将改变搜索的方式
高盛指出，生成式 AI 将改变搜索的方式，使搜索引擎的回答倾向准确且简单的对话形式并会提供相关链接（而不是此前传统网站列表）。
微软和谷歌在这一领域的最新公告已经证明了生成式 AI 的能力很重要，可以让用户直接在搜索界面上与其互动。
举例来说，如果用户想购买产品、预订酒店或要求提供服务，他们将能够在一个界面上汇总并展示相关数据以完成交易。虽然这可以在更广泛的搜索中实现（如 Bing、Chrome 等），但它也可能被纳入公司特定的网站中。
# 09
生成式AI将大幅提高人力资源的效率
高盛认为生成式 AI 也将提高人力资源的效率，协助日常工作。
生成式 AI 的第一轮发展可能侧重于协助日常工作，如更新工作岗位，为员工活动提供建议（基于以前成功的员工倡议），协助分析应聘者，策划员工的入职内容和流程。
长期而言，可以提升分析和决策效率，优化资源：
1）减少面试过程，生成式 AI 可以筛选候选人，评估不同面试官的反馈，并提出下一步建议；
2）能够汇编对于员工的评估，以确定员工的晋升资格；
3）通过关键分析加快上市时间，如公司在 D＆I 或 ESG 类别中的表现。
# 10
生成式 AI 将对设计领域产生颠覆性影响
生成式 AI 未来也将对设计领域产生颠覆性的影响，从文本到图像再到 3D 扫描绘图，有助于加速建筑、工业设计、视频游戏及电影视觉特效的设计和开发。
生成式 AI 将会能会提供更多的设计方案，将更多的重点转向哪种设计能最有效地满足终端客户的需求，这可以极大地提高工程生产率。
在产品制造方面，我们期望从设计到制造的整个生命周期可以依托人工智能进行更好的调整，将关键的制造智能注入到设计过程中，这可以提高生产力效率，降低成本，并加问世时间。
同样，建筑和施工行业可以利用 AI 行设计探索并提高生产力，同时也有助于在建筑项目生命周期的早期更好地预测成本和进度。
# 11
生成式AI在医疗保健和生物技术也有着广泛应用
在医疗保健和生物技术领域，从病人护理到药物开发，生成式 AI 也有多种应用。
AI 可用于病人诊断、个性化治疗和新型药物设计等多方面。在药物开发方面，其可以在进行高成本的临床前体内（动物）和临床（人类）研究之前，减少大量成本和时间（即使用计算机模拟）。
生成式 AI 可用于创建合成数据，以加强和增加用于训练 ML 模型的数据集的多样性。在数据稀缺且难以收集的领域（如罕见疾病）推动新药设计和研究的效率，从而加快试验时间，降低开发成本。
此外，生成式 AI 可以帮助判断不平衡且不具代表性的数据集，提高数据集的可操作性。
# 12
ChatGPT将会威胁到3亿人的工作岗位
如果AI技术实现其承诺，也会给劳动力市场带来“重大颠覆”，使大型经济体中相当于3亿全职工人受到自动化的威胁。而律师和行政人员将率先面临被淘汰的风险。
首先行政专员被替代的可能性最高，有46%的就业岗位可以被取缔；然后就是法律岗位，有44%的可能性被取缔；第三就是建筑工程学岗位，有37%可能被替代。
最难被取代的是户外和体力工作，这部分岗位在美国占比为30%，比如建造业（6%）和维修行业（4%）
从最容易受到AI影响的几个地区来看：
首先高盛认为中国香港最危险，因为体力工作少，有30%的全职岗位都可能被AI取代；其次就是以色列、日本和瑞典等…… 而影响最小的地方则是印度、肯尼亚和越南，这些地区是劳动密集型岗位为主，所以GPT也没法替代。
但研究同时指出，受生成式 AI 技术影响，未来，失业人员可能会在技术变革之下找到新的职业方向。
正如经济学家 David Autor 曾在一篇论文中说的那样，当前 60% 的工作岗位在 1940 年时并不存在。这个观点放在未来同样成立。
我们希望如此吧。
搞定ChatGPT，
成为AI2.0时代的领跑型创业者，
欢迎加入“ChatGPT智能商业研习社”，
可以扫如下二维码了解详情。
AI 商业研究所