雷火竞技首页

生成式人工智能商业化的进展、挑战与建议
发布时间:2025-12-09
 生成式人工智能已经被应用于金融行业的理财、保险、供应链金融等领域,在慢性疾病管理、长寿药物开发等应对老龄化领域具有良好的商业化前景,在碳数据的跟踪、管理和分析等方面也出现了不少有益实践。然而,生成式人工智能在商业应用中也面临着生成虚假信息、冲击就业、影响金融稳定、耗能巨大等挑战。我国在推进生成式人工智能商业化过程中需要考虑各种潜在风险,统筹不同发展目标,以促进其高质量、可持续发展。  2025

  生成式人工智能已经被应用于金融行业的理财、保险、供应链金融等领域,在慢性疾病管理、长寿药物开发等应对老龄化领域具有良好的商业化前景,在碳数据的跟踪、管理和分析等方面也出现了不少有益实践。然而,生成式人工智能在商业应用中也面临着生成虚假信息、冲击就业、影响金融稳定、耗能巨大等挑战。我国在推进生成式人工智能商业化过程中需要考虑各种潜在风险,统筹不同发展目标,以促进其高质量、可持续发展。

  2025年10月,党的二十届四中全会通过《中央关于制定国民经济和社会发展第十五个五年规划的建议》,其中提出全面实施“人工智能+”行动,以人工智能引领科研范式变革,加强人工智能同产业发展、文化建设、民生保障、社会治理相结合,抢占人工智能产业应用制高点,全方位赋能千行百业。人工智能(AI)已经在人类的生活和生产活动中产生广泛影响,由ChatGPT问世所带动的AI跳跃式发展更使生成式AI成为全球科技热点,为各种行业的创新和发展提供新的工具和视角,展现出巨大的商业应用潜力。根据赛迪智库的报告,截至2024年9月,我国AI核心产业规模已经接近6000亿元,相关企业超过4500家。美国SAS大数据平台发布的报告显示,2024年中国生成式人工智能的应用率高达83%,超过英美,位居全球首位,可见生成式人工智能在中国的商业化应用进展之迅速。

  生成式AI是一种通过学习大规模数据集生成新的原创内容的新型AI。相比传统AI,生成式AI不仅能够对输入数据进行处理,更能学习和模拟事物内在规律,自主创造出新的内容。如今,生成式AI已经在金融行业取得不少商业成功案例,在应对人口老龄化、气候变化等方面也显示出巨大商业潜力。

  金融行业的商业化应用场景丰富、数字化程度高,成为生成式AI最先落地的行业。由清华大学经管学院等机构联合编写的《2024年金融业生成式AI应用报告》指出,生成式AI技术在金融业中的应用尚处于技术探索和试点应用的并行期,预计1-2年内,首批大模型增强的金融机构会进入成熟应用期,3年后将会带动金融业生成式AI的规模化应用。

  生成式AI在提高金融服务的普惠程度、降低成本费用、提升业务准确率、加速业务流程等方面均展现出明显优势,已经渗透到许多金融服务领域,如:银行网点的员工助手、商业银行的智能审贷、券商的线上客服和智能投顾等。蚂蚁集团一直走在国内金融科技前沿,其于2023年9月推出的智能金融助理“支小宝2.0”,到2024年6月底月活用户已达到5908万。在保险领域,蚂蚁集团基于AI大模型打造全新业务流程,使核保服务的回答准确率达到95.5%,高于人工服务的正确率;保险配置模型可定制超过1000万种方案,使相同风险覆盖下的保费平均节省30%;AI+隐私计算重塑理赔全流程,创造“秒赔”服务体验。近期,一些实体企业在供应链金融领域积极探索AI大模型应用,如新希望集团准备构建AI大模型来为下游企业提供融资支持。在产业金融生态中,核心企业的下游企业通常规模小、信用低,需要以数字化信用代替主体化信用。基于企业数字化信息构建AI大模型,像新希望集团这样的核心企业就可以发现处于生命周期中间阶段、负债率在可控范围的下游企业,并为其提供融资支持。

  人口老龄化已成为全球趋势,生成式AI在老年人医疗健康和养老服务等领域被寄予厚望。根据联合国在2024年7月发布的《2024年世界人口展望:结果摘要》报告,到本世纪30年代中期,全球80岁以上人口的数量预计将达到2.65亿,超过1岁以下人口的数量。人口老龄化使慢性疾病的数量增多,如帕金森、阿尔茨海默症等。生成式AI在慢性疾病管理、长寿药物开发、老年人看护和情感陪伴方面都具有很大的商业化潜力,有望帮助实现全人群、全周期、全方位的健康管理。

  目前,生成式AI在老年人健康医疗管理方面的探索较多处于研发和试点阶段,成功商业化的案例较少。新加坡陈笃生医院开展的一些应用尝试提供了很好的范例。作为全亚洲仅有的两所只收55岁以上病人的综合养老医院,陈笃生医院与百合乐龄科技联合研究中心合作将AI技术引入疾病的诊疗和康复环节;后者主要研究AI技术在老年人关怀、缓解老龄化社会问题中的应用,其开发的AI+游戏可以对失智、虚弱、糖尿病进行测试,从而比较准确地筛查出处于慢性病早期的老人,并及时进行干预。譬如,AI+游戏通过将认知活动与物理活动结合在一起,相当于把医生的问卷嵌入游戏,可以有效地监测出老年人的肌肉损失、智力损失;AI+游戏还能通过全方位的行为轨迹跟踪、监测预失智的老年人群,并进行有效的早期干预;全身多部位的AI+游戏可以帮助动过手术的老年人完成康复训练。这些游戏应用已在新加坡20多个社区推广,大约6个月就可以达到人工干预两年的目标。

  随着全球气候变暖、极端天气事件频发,气候变化已成为全球关注的焦点,生成式AI在气候变化领域的应用也日益受到关注。通过不断学习和适应新的气候数据,AI大模型能够更好地模拟气候系统的复杂性和不确定性,显著提升气候变化预测的准确性,快速识别极端天气征兆并发出预警,帮助政府和社会各界提前制定应对策略。同时,通过智能调度和优化能源使用,生成式AI还可帮助降低能源消耗和碳排放。

  应对气候变化是联合国可持续发展目标(SDGs)的重要方面,生成式AI可成为帮助实现SDG的有效工具,目前在低碳转型领域已有一些应用研究和实践案例。譬如,腾讯把气候变化作为重要的战略议题,在虚拟电厂的探索中涉及大量对于AI的训练,以促进能源节约、效率提升。2023年,腾讯与英特尔一起发布的报告显示,AI使虚拟电厂在整体能源柔性供应方面提高了15%。更进一步,腾讯还考虑在废钢利用中使用AI技术以开展低成本、灵活性的探索。通过打造AI数字化电厂进行内部流程的监测和控制,在连续的铸造流程中实现一定的柔性,这可以带来大约3元/千瓦时的增量价值。阿里云则已落地多项应用实践,为客户提供低碳转型的解决方案。其与国际奥委会在2023年达成合作伙伴关系,为后者提供一个基础设施碳足迹的整体规划;为杭州亚运会推出的亚运村低碳生活App,帮助人们更好地计算整体碳排情况,推广低碳生活方式;其给英国石油提供的AI驱动碳管理数字解决方案,能够做出更准确的碳足迹计算。

  生成式AI虽然在商业应用中具有提升效率、降低成本、增加普惠性等优势,但是也面临着生成虚假信息、冲击就业、影响金融稳定、耗能巨大等挑战。

  首先,生成式AI带来虚假信息的问题,使其可信度受到质疑。生成式AI只负责生成,并不能保证生成结果的正确性、真实性、安全性和隐私性,这给其实际应用带来挑战。譬如,有些大语言模型对错误问题的回答可以很逼真,使人误以为这个问题真实而有意义;一些图片生成模型生成的图像、视频内容难以分辨真假,对使用者产生误导;语音多模态大模型已经可以生成非常逼真的声音,可能带来欺诈等安全问题。总之,由于AI生成虚假信息的门槛低、识别难,可能在经济社会中产生广泛的不良影响。

  其次,生成式AI的商业化应用可能对就业产生冲击,特别是使较大年龄人群的就业环境恶化。随着生成式AI的大量应用,搜索引擎等工具将被取代,程序员、UI设计师、客户服务等岗位将被大量替代,使市场调研、产品开发等领域的人力需求大幅下降。对较大年龄群体而言,第一,AI对部分工作岗位的替代效应,可能首先作用于年龄较大的人,而这部分人群在失业后很难重新回到劳动力市场。第二,AI使一些工作的效率获得提升,导致这些领域对专业人员的数量需求减少,这对劳动生产率较低的较大年龄人群尤为不利。第三,作为一项新技术,AI被应用到工作中需要一定的学习门槛,而较大年龄人群要掌握这项技能比年轻人面临着更大的难度。

  再次,生成式AI的大规模应用还可能对金融稳定性产生不利影响。国际清算银行(BIS)的报告指出,AI的兴起会对金融体系及其稳定性产生影响,并通过总供给(生产力)和需求(投资、消费和工资)的变化作用于宏观经济。市场参与者对少数算法的依赖也会导致金融稳定风险,这可能源于AI在整个金融体系中的普遍采用,及其在没有人为干预情况下独立决策能力的成长速度远超人类。基于相同算法的金融机构的行为,可能会加剧羊群效应、流动性囤积、挤兑和抛售,从而放大顺周期性和市场波动性。具有垄断力量的AI大模型服务提供商或其模型的任何故障、网络攻击都会给依赖它们的金融机构带来风险;一些大企业还可能有操纵数据的动机,采取特定策略倒逼市场做出改变。

  最后,生成式AI的发展需要消耗大量能源,这与可持续发展理念相悖。当前的AI大模型竞争正在进入一场“算力军备竞赛”,长时间以大量数据对AI大模型进行持续训练,需要更强的算力中心和与之匹配的散热能力,导致对电力和水资源的消耗快速增加。美国《纽约客》杂志曾刊载文章指出,ChatGPT每天响应约2亿个需求,消耗超过50万度电力,相当于1.7万个美国家庭平均一天的用电量。华泰证券研报认为,AI的快速发展将带来远超预期的电力需求:到2030年,中国与美国的数据中心总用电量将分别达到0.65-0.95万亿千瓦时、1.2-1.7万亿千瓦时,分别是2022年的3.5倍和6倍以上;届时,中国与美国的AI用电量将分别达到2022年全社会用电量的20%和31%。

  生成式AI的商业化浪潮即将来临,我国在把握机遇的同时,也要关注潜在风险,必赢国际437官方统筹考虑不同发展目标,以促进AI的高质量、可持续发展。

  首先,需把握生成式AI驱动商业化的核心要素及其演化趋势,为AI高质量发展提供支持。数据、算力和算法是AI发展的三大核心驱动力。数据和AI大模型同源发展,我国对数据产业很重视,已出台《数据二十条》等指导性文件,未来还需进一步打造包括法律、政策、技术等多方面的完整生态,细化和落地有关所有权、隐私保护、估值、安全的规定。算力投资是AI驱动商业变革进入下一阶段的重要动力。目前,工信部、科技部、国家发改委等部门均已出台政策部署算力基础设施建设,31个省市中约2/3已制定鼓励算力基础设施建设的文件。未来,需要对中央和地方政策进行统筹规划,避免“一窝蜂”式的过度投资,促进算力基础设施的高质量发展。算法突破是决定AI能否在商业上产生颠覆性影响的关键,也是我国AI创新相对薄弱的方面。相关部门应重视和加强对算法创新的支持力度,鼓励算法人才培养和交流,对从事算法工具源头创新、核心算法研发、算法创新转化等业务的企业予以重点支持。

  其次,充分利用AI技术解决人口老龄化的各方面问题。第一,大力发展AI在健康管理中的应用,使年龄较大的人依然能够保持较高生产力。例如,鼓励运动领域AI+游戏产品的开发,帮助中老年人锻炼身体、延缓衰老;支持在慢性疾病管理中应用AI技术,以实现疾病的早发现、早干预、早治疗;探索AI在长寿药物开发中的作用,将“丢失的劳动力”重新回馈到就业市场。第二,鼓励AI在老年人医疗、看护服务中的商业化应用,打造智慧健康养老新产品、新业态、新模式,减轻人口老龄化造成的社会压力。通过补贴、政府采购、税收等方式支持用于老人日常生活辅助、健康问题诊断、情感陪伴等功能性AI App的开发、试点和推广,以提高对老年人服务的普惠性和高效性。第三,加强对中年人的AI技能培训,使年龄较大的人能够更好地适应就业市场需要。与此同时,要创造适合中年人就业的市场环境。

  再次,有必要关注和防范AI大规模使用可能对金融稳定产生的影响。中国人民银行及其他金融监管部门需要加强调研、分析和协调工作,加深对AI相关风险的理解,以制定切实可行的监管框架。同时,金融监管机构也要提升自身使用AI监管工具的能力,以提高对金融风险监测和预测的准确性,及早发现潜在的风险点并采取措施。BIS指出,AI大模型可以支持央行的信息收集和统计汇编、宏观经济和金融分析、支付系统监督等关键任务。一方面,金融监管机构需要具备在内部建立核心AI基础设施的能力,这需要雇佣同时具备经济专业知识和编程技能的人才,并加强对现有员工的AI技能培训。另一方面,在非核心基础设施或业务领域,监管机构可以选择外部的AI服务提供商予以支持。这需要尽快建立对第三方服务提供商的选择标准,制定相应的监督约束机制,以确保业务所涉数据、信息的所有权和使用权始终掌握在监管机构手中。此外,金融监管机构还需要健全数据治理框架,不仅包括选择、实施和监控数据和算法的指导方针,还应涵盖质量控制、数据管理和审计实践等。

  最后,为促进AI可持续发展,要重点协调经济性与碳排放双重优化的目标。这种双重优化就是要最小化数据中心运营成本,同时最大化能源效率和可再生能源的利用率。为确保“双碳”目标的实现,相关部门有必要优化可再生能源的开发利用布局,特别要考虑解决可再生能源以及数据中心分布不均衡的问题。目前,我国大部分数据中心集中在东部沿海地区,而太阳能和风能在西北地区非常丰富,因此未来可考虑在中西部建立更多的绿色数据中心。2024年7月,国家发改委等四部委联合印发《数据中心绿色低碳发展专项行动计划》,为加快数据中心的节能降碳改造和用能设备更新提供了指导。中央和地方层面还需进一步研究落地举措,及时出台电价、税收、补贴等优惠政策,鼓励企业在提升算力的同时积极解决碳排放强度增加造成的问题,如利用碳税或者把原有的燃气转化为液化天然气(LNG),还要利用太阳能、风能等新能源来支持电力供应。另外,可以考虑在空间站建立更多碳中和的数据中心,利用卫星本身的特性提供能源解决方案,如欧盟、新加坡等都已考虑在空间站部署数据中心。

  (作者单位为中国社会科学院世界经济与政治研究所。本文获中国社会科学院学科建设“登峰战略”资助计划资助〔编号:DF2023YS42〕)