人工智能+数据预测

人工智能+数据预测2025我们加速发展的⼈⼯智能未来已经来临，这意味着实现⼈⼯智能的操作化，重塑领导者的技能结构，并利⽤下⼀个杀⼿级应⽤程序⼈⼯智能

+

数据预测

2025目录重要新闻:

人工智能依然是重点

..................................

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

3开源加速人工智能创新

.

17相信炒作没问题，但要保持专注。合作伙伴使开发⼈员更加快乐和⾼效;

冰⼭人工智能走进生产:

价值和可观察性

...........................................................

.

.

.

.

.

.

4GEN人工智能和LLMS:

保护新攻击面

.

19⼈⼯智能商业化成为下⼀个重⼤挑战;

⼈⼯智能观测

在⽣产中将⾄关重要;

上下⽂为王。这个模型是⽬标；形式化⽅法崛起；模块化专注向前运动22杀手级应用：变革的代理人7不要舒适；享受旅程。⼈⼯智能不需要杀⼿级应⽤。但⽆论如何，我们已经拥有⼀个。关注关键产业23好的、坏的和引起幻觉的10深⼊探讨⾦融、媒体、医疗保健、制造业、公共售和某著名企业。成功击败抵制；RAG将消除幻觉；不要担⼼芯⽚；担⼼道德问题。贡献者

.38在人工智能世界中工作

-

以及领导

-

................................................

.

.

.

.

.

.

.

.

.

.

.

.

.

14领导者必须跟上;

⼈⼯智能过劳不会消失.⼈⼯智能

+

数据预测

2025重大新闻:人工智能（仍在）2025年企业技术中最重要的事情将是⾃2022年底以来⼀直在发⽣的最重要的事情：先进的⼈⼯智能，特别是LLM和⽣成式⼈⼯智能。但在2023年是惊慌和惊奇的⼀年，2024年是实验的⼀年，⽽2025年则是企业开始认真思考⼈⼯智能对其组织能做什么的真正起步年。Snowflake⾸席执⾏官Sridhar

Ramas该观点提出了令⼈沮丧的标题：“⽣成式⼈⼯智能的不那么性感的未来。”企业应⽤将会是重点。“炒作继续，但对我来说这是⼀个是让我们开始⼲活，”他说。“⽽我企业已经开始将他们的⼈⼯智能概念验证从实验转移到全⾯投⼊⽣产，同时⼀些⼈⼯智能最⼤的⽀持者开始有点黯然神伤。“ROI在哪⾥？”华尔街的⼤佬们喊道（⾼盛发表了题为“智能引擎：花费过多，收益过少？”的⽂章），“这种快速致富计划不会让我们所有⼈都迅速致富！”硅⾕的领主们喘不过⽓来（红杉资本则说，⼈最终会受益）。投资者可能认为我们有些⼈某省市区分障碍和机遇。让我们试试吧。将同为本报告作出贡献，试图描述⼈⼯实现及实现多少。我们看到以⾸席信息官为重点的新闻⽹站宣扬2025年的⼈⼯智能预算不断增加，⽽以⾸席财务官为重点的⽹站表⽰⾸席财务官将对⼈⼯智能⽀出变得更加谨慎。（这些⽂章都是同⼀位记者撰写的！）这些⽭盾的情绪反映了每位权威、顾问和专业专家在炒作需求新观点时是如此不稳定。AI转⼊⽣产:价值和可观测性

|

4AI

+

数据预测

2025AI转入生产:价值和可观测性在2023年和2024年，董事会似乎有⼀个反复出现的噩梦:他们在码头跑步，⼀艘名为AI的⼤轮船正要启航。⽣怕在现实⽣活中错过船，他们醒来要求C级管理⼈员⽴即制定围绕⽣成式AI和LLM的战略，并着⼿⾏动。朝某个⽬标迈进。“在2023-24年，”Snowflake⼯程⾼级副总裁Vivek

Raghunathan说，“投资者会打电话给董事会，问到'关于AI，您在做些什么？'

董事会问CEO，'关于AI，您在做些什么？'

CEO问CDO或CIO，然后资⾦花在了⼤量的原型和演⽰上。”Raghunathan表⽰，这很好，因为2025年是CFO开始询问ROI的年份。“您需要安全和治理的新⽀持性基础架构层，”Snowflake机器学监Mona

Attariyan说。“您需要⼀个新的可观测性顶层，在试点阶段的静态数据集中并不真正需要。但这对可靠性、透明度和可解释性⾄关重要，特别是随着时间的推移。”“AI项⽬的关注点将放在哪些项⽬能够使公司在价格、治理和实际结果⽅⾯表现良好上，拉古纳坦说。“进⼊⽣产的驱动因素始终是企业需求的关键：⾼质量、低成本、安全可靠。”“组织确实被夹击了，”Snowflake⾸席数据战略师詹妮弗·⻉利森特表⽰。“从上⾯施加了‘找出⼈⼯智能的⽤处’的压⼒，从下⾯却出现了对开放⼈⼯智能⼯具如ChatGPT的⾮法使⽤。”下⼀个⼈⼯智能策略的重点将是操作化LLMs，需要进化的观察⼒、治理和安全⽅法。下一个AI战略的重点将是对LLMs进行操作化，需要进化的观测、治理和安全性方法。前福雷斯特研究员表⽰，那种实验⾮常重要，有助于探索可能性并确定可⾏性。因此，“组织已经夯实了他们的数据策略，并在追求⼈⼯智能价值时变得更加系统化。”将⼈⼯智能从沙盒带⼊⽣产引发了新问题——或者说，围绕安全、治理和可观察性的熟悉关注点。⼈⼯智能迈向⽣产：价值和可观察性

|

52025年⼈⼯智能+数据预测平台将推出人工智能可观察性解决方案作为将人工智能引入生产的核心要素。虽然LLMs和⽣成式⼈⼯智能⼯具是提出新担忧的新技术，但CIOs值得信赖来管理推出。⾄少，这是我们的CIO告诉我们的。“IT知道如何推出应⽤程序，”Snowflake的CIO兼CDO

Sunny

Bedi说。他表⽰，⼈⼯智能⼀直在逐步发展，⽽不是突然出现。“⼏年前，我们在学习如何利⽤机器学习来驱动⾃动化并解决业务挑战。在过去⼀年左右，我们开始推出基于⼈⼯智能的应⽤。”在企业系统中，可观察性通常指的是能够查看和理解系统状态的能⼒。这是⼀种性能管理的学科。新兴的⼈⼯智能可观察性领域不仅检查了系统的性能，还包括了LLM的输出质量，包括准确性、伦理/偏⻅问题，以及数据泄漏等安全问题。它有助于确保围绕模型设置的防护栏仍然有效。首席数据官如何成功应对人工智能在2024年，詹妮弗·⻉理森特与全球各⾏业和地理区域的⼗⼏位⾸席数据官讨论了他们如何应对先进⼈⼯智能的到来。她在《数据执⾏官有效应对⼈⼯智能指南》中详细描述了他们的集体⻅解。他们的第⼀⼿经验涵盖了从最初实验到运营再到转型的整个增⻓。在充满⼈⼯智能激动与焦虑的浪潮中，他们始终专注于效⽤和价值。他说，整体上理解了围绕管治、安全和合规性的种种挑战，虽然⼈⼯智能带来了新的技术和监管挑战。他补充说，复杂度的程度与您的数据质量和⼈⼯智能策略直接相关。“⼀旦您的应⽤程序处于⽣产状态，⽤于真正的⽤例并且接收新数据，您需要能够评估性能并检测、诊断和解决任何问题。”AI的操作化起初会更加困难，然后会变得更容易。Attariyan表⽰。“没有观察能⼒，您就是盲⽬⾏动。”虽然有AI可观察性初创公司和开源倡议正在崭露头⻆，Snowflake

AI负责⼈Baris

Gultekin表⽰，可观察性最终将落⼊数据平台和⼤型云服务提供商⼿中。“操作化AI确实需要⼀个数据平台和⾯向AI的⼯具，”他说。“如果您有统⼀的数据策略，通过汇集所有数据，您解决了⼀半问题。“公司正在回归基础，真正思考他们想要实现什么。”然后使⽤AI⼯具，您可以解决另⼀半问题：安全性、合规性和治理挑战。您需要两者来保护并赋予您的AI部署能⼒，并减轻将所有内容杂乱⽆章拼接在⼀起的压⼒。”“独⽴创业做观察能⼒是很困难的，”他说。“采⽤LLMs的公司将需要AI可观察性解决⽅案，所以⼤型云服务提供商将增加这⼀能⼒。”除了为您的IT团队配备合适的平台和⼯具，AI前企业必须铺开⼤蓬。Raghunathan表⽰，在操作化和整合AI⽅⾯的主要失败轨迹可能是没有整合所有正确的利益相关者。AI进⼊⽣产：价值和可观测性

|

6AI

+

DATA

PREDICTIONS

2025“采⽤新平台和技术既是社会结构，⼜是技术结构，”他说。“组织如果不带上所有应该发⾔的利益相关者，特别是在治理、安全和伦理⽅⾯，它们将会失败。”“他说：“在不久的将来，数据将更加符合AI的需求，因此AI可以轻松安全地将其插⼊现有的代理和应⽤程序中。”数据平台的演进对于AI的演进⾄关重要，Snowflake联合创始⼈兼产品总裁Benoit

Dageville表⽰。他预测，在使LLMs更好地理解它们处理的数据⽅⾯将取得突破。如果将

AI引⼊到⽣产中似乎很困难，Raghunathan⽤未来的话语给出了安慰：“从⻓远来看，成功的AI供应商将使AI强⼤、简单、安全可靠。织今天可能遇到的问题将作为实施细节消失在背景中。”“今天的数据平台中缺少的是语义层，对数据含义的理解，”他说。“当你在⼀个表格中有财务数据时，理解这些数据的来源、如何计算、代表什么，这是开发⼈员和分析师的⼯作。”数据平台的下一个演进不仅关注格式化、存储和访问数据，还关注将其置于上下文中。他说：“在每个应⽤程序中构建这种理解将会太过繁重。”“语义层是⼀个关键⽅⾯，需要靠近数据层推动，以便AI可以更好地理解数据的特性并做得更好，”他说。“你不想为每个应⽤重新发明语义概念。你想推动到数据层

-

这是下⼀个演进。”取得成功不仅取决于这些⼈⼯智能供应商提供的神奇进展企业将需要继续使他们的数据为这些先进系统做好准备Gultekin表⽰数据平台将继续帮助组织优化他们的数据杀⼿级应⽤程序:

变⾰之⼈

|

7⼈⼯智能+数据预测

2025杀手级应用程序:变革之人什么是⼈⼯智能的最佳⽤途？在众多颠覆性通⽤⼈⼯智能和LLM能⼒的承诺中找到杀⼿级应⽤程序可能会很困难，因为潜⼒如此巨⼤。“我们⿎励客⼾专注于创造价值，“不是每个应⽤都会得到⼈⼯智能的帮助，”Ramaswamy同意说。“但是⽤程序将以各种⽅式结合⼤型语⾔模型、知识库和⼈类输⼊，随着时间的推移变得越来越聪明。这是⾮常令⼈兴奋的，因为您将看到⼈意料的实际应⽤。”⾸席执⾏官Sridhar

Ramaswamy表⽰。“您的客⼾是否可以更快地获得所需信息？您的决策是否更快？您是否能够完成更多⼯作？您是否能够在没有⼤量中间⼈和浪费时间的情况下获取信息的效率如何？“组织正在研究LLM可以取代复杂流程或过时⼯具的案例，”ML主管Mona

Attariyan表⽰。“评估权衡需要时间，并且应该包含相当严密的程序。LLM⾮常惊⼈，但它们并不适⽤于可能能够做的每⼀件事情。”⼀个观点是，⼴泛的能⼒使LLM和通⽤⼈⼯智能超越了那种单⼀的主导⽤例。换句话说，先进的⼈⼯智能并不需要⼀个“杀⼿级应⽤程序。”杀⼿级应⽤:

变⾰之代理

|

8⼈⼯智能

+

数据预测

2025“LLM本⾝就是杀⼿级应⽤，”⼯程SVP维⻙克·拉古纳坦说。“看，如果你问我电⼦表格的原始杀⼿级应⽤是什么，也务。但这只占到整个企业⽤例的10%。电⼦表格的杀⼿级应⽤就是电⼦表格。所以，总的来说，并不需要考虑⼈⼯智能的杀⼿级应⽤，因为它是——哇，等⼀下，关于副驾驶成为⻜⾏员那⼀点是什么意思?人工智能的“杀手级应用”将是自主代理。这是⼈们提⾼⽣产⼒的⼀种新⽅式，我向你保证，现在有些⾏业离开了电⼦表格就⽆法⽣存。同样，LLM的杀⼿级应⽤就是LLM本⾝。这是⼈们提⾼⽣产⼒的⼀种新⽅式，⼈们每天都在发现它的新使⽤情况。聊天机器⼈和助⼿在为相对专注的任务或信息语料库构建时效果最佳。这种⽅法往往更具成本效益和资源效率，错误率显著降低。但这意味着这些⼯具在功能上相当有限。他指出现已经存在并稳步改进的LLM的⼏个强⼤应⽤，如编码、写作和信息检索助⼿。但这并不仅限于“副驾驶员。”直到你让它们开始彼此交流。“我们正处于这个过程的开端

-

构建组成代理的层和能⼒，”

Snowflake联合创始⼈Benoit

Dageville说。

他说，结果将是⼀个能够将⼀个⼴泛的提⽰转化为复杂⾏动（“围绕我们的新产品制定营销活动”，“计划并预订我在假的⼀切”）的界⾯，并将其分解为⼀组离散的⼦任务，这些⼦任务将被分配给⼀系列专注的助⼿。

这样⼀个强⼤的应⽤程序并不遥远。“下⼀步是这些副驾驶将成为驾驶员，”

他说。“⾃主代理。⽽这将会产⽣重⼤影响。总会有⼀⼤群⼈使⽤技术进⾏⼀些你意想不到的事情。LLM对于思维来说就像是⼀辆⾃⾏⻋，它将释放出我们甚⾄还没有构思过的创造⼒。”杀⼿级应⽤:

变⾰之代理

|

9AI

+

数据

预测

2025协作编码工具将帮助开发人员做他们喜爱的事“实现企业中这些代理所需的能现在在某种程度上已经存在，”

Dageville说道。“您需要在统⼀平台上拥有⼤量数据，⼀个应⽤框架以及关键⼯具包，例如RAG，或检索增强⽣成。Snowflake现在拥有这些功能，通过我们的平台、Streamlit和Cortex。因此，虽然创建⼀个真正强⼤的代理将需要显著改进，但这并不是⼀个还不存在的愿景。”%，然后⼈类来修正输出。这样的模型的表现就像⼀个实习⽣⼀样。”具备执⾏复杂任务集的⾃主代理的想法令⼈兴奋，但不要⼩觑协作编码⼯具。Snowflake⾸席信息官/⾸席数字官Sunny

Bedi指出，例如编码助⼿不仅让⼈类⼯作更快，还促进更⾼的参与度和创造⼒，确保枯燥⼯作得以迅速⽽完善地完成，⽽不会击垮开发⼈员的编码意愿。换句话说，它们可以处理⼀些需要简化和⾃动化的重复⼯作，但并不适合推理、规划和⾼度复杂的⼯作。“下⼀代性能的衡量标准将是这样，”

Raghunathan表⽰。“不是模型在SAT考试中的表现有多好，⽽是在多步规划和解决问题⽅⾯表现有多好。每家初创公司和⼤型企业都在⽤现有模型研究这⼀点，他们期待下⼀代的基础模型能够以更⾼的准确性进⾏操作。”“如果你跟开发⼈员谈论软件开发⽣命，跨越设计、开发和测试阶段，你会发现⼏乎没有⼈喜欢质量保证，”

Bedi说道，他正在努⼒帮助开发⼈员将更多的质量保证⼯作交给AI助⼿。“我们将在2025年开始跟随协作编码助⼿⾛向⻜⾏员的趋势，”

Raghunathan表⽰。“但要真正实现独⽴代理还需要⼀段时间，因为要做到独⽴，它必须⼏乎完美。”“优质的质量保证⼯作⾮常繁琐和耗时。如果我们可以将40%或更多的测试⼯作交给AI助⼿——在⼈类监督和保证下——我们将更快地前进，开发⼈员将有更多时间做他们喜欢做的事情。”今天，Raghunathan说，副驾驶是⼀个⼯具，很容20%的时候。

“你的单任务编码助⼿或企业搜索助⼿只能将事情做对80好的、坏的和引⼈⼊胜

|

10⼈⼯智能+数据预测2025好的、坏的和引人入胜正如所指出的，炒作在媒体和董事会中持续⼀段时间。珍妮弗·⻉林森表⽰，摆脱这些起起落落的⼀个重要⽅法是，少考虑那些闪闪发光的物体本⾝，更多地考虑你实际想要做什么。“我们现在进⼊了为实现特定功能⽽传递的定制⼯具时代，”她说。“因此，我们对⼀般⼈⼯智能本⾝不再如此着迷，也不再试图将其应⽤于⼀切。尽管炒作能不是其中之⼀，但⼈⼯智能也有必须关注的问题。LLMs会“产⽣幻觉”，⽽且，“机器有时会编造东西”并不是⼀个⼩问题。特别是如果你要对输出负责的话。古尔特⾦表⽰，“现在有了越来越多的能⼒来在这些模型的输出上设置防护栏，这是最重要的产品要求之⼀。防护栏将限制⽣成式⼈⼯智能可以说什么或不能说什么，什么语⽓是允不允。模型越来越能理解这些防护栏，并且可以进⾏调整以防范偏⻅等问题。”我们越来越关注实际需要做什么，并确定做这件事的⼯具。⽣成式⼈⼯智能和LLMs将成为基础设施，是物的基础推动者“幻觉是阻碍将⽣成式⼈⼯智能⼯具呈现给我们客⼾的最⼤障碍，”Snowflake的⼈⼯智能负责⼈Baris

Gultekin表⽰。“当前，⽣成式⼈⼯智能仍被部署于⽤途，因为当您感觉⽆法控制⼈⼯智能将会说什么时，将其提供给公众仍然令⼈担忧。”除了建⽴防护措施，获取更多数据、多样化数据和更多相关来源将提⾼准确性。“数据多样性是减少⼈⼯智能模型捕捉偏⻅、‘幻觉’或者说，犯错误的⼿段之⼀，”Jennifer

Belissent表⽰。“对于⼈类来说，获取第⼆意⻅是⼀种常⻅做法

—对于⾃动化来说也必须如此。我们需要数据多样性。”大量人工智能的“强烈反感”或负面情绪将通过一个成功的用例逐渐缓解但会有改进，特别是在保持⼈⼯智能输出在可接受范围内⽅⾯。本报告来源于三个皮匠报告站（sgpjbg）,由用户,文档载日期:2025-01-22善恶与幻觉

|

112025年⼈⼯智能

+

数据预测她指出，例如，⾮结构化数据的处理将继续显著增加，因为公司利⽤以前⽆法访问的信息源。公司之间的数据共享（“外包”）和跨更⼴泛的业务⽣态系统也将增加。然⽽，新技术发展，检索辅助⽣成，将显著减少幻觉。这导致简单调整使⽣成式⼈⼯智能产⽣的输出更可靠，例如使⼯具引⽤其来源，这在很⼤程度上有助于使输出可验证准确。曾共同创办并领导由某著名企业研究开发的开源深度学习优化库DeepSpeed的雪花杰出⼈⼯智能软件⼯程师何宇雄某省市场上也将有质量选择。RAG将有效地减轻幻觉问题。“您将能够在幻觉减少和成本等绩效指标之间取得平衡，”她说。“不同⾏业、⽤例或⼯作负载对错误有不同的容忍度。“特别是RAG可以显著减少幻觉，雪花公司联合创始⼈兼产品总裁Benoit

Dageville表⽰。RAG是⼀个⼈⼯智能框架，通过将信息检索系统与⼤型语⾔模型的语⾔⽣成能⼒相结合，致⼒于提⾼⼈⼯智能输出的准确性和及时性。通过进⼀步将响应依据事实信息以及链接到公共来源，RAG在⼈⼯智能输出的可靠性和可解释性⽅⾯代表了巨⼤进步。模型和⼈⼯智能系统将以不同精度⽔平进⾏开发，它们的成本也将反映出来。企业将根据其特定需求和预算选择模型。”某省市场将自我纠正（在大多数地方），使公司能够更好地管理其与人工智能相关的成本和目标。在2024年，最受关注的⼈⼯智能问题之⼀是缺乏供电的GPU芯⽚。我们的所有专家都表⽰，有限的芯⽚供应将是短暂的。“如果您向ChatGPT提问⼀个开放性问题，它不使⽤数据，⽽是使⽤其训练，并可能编造⼀个错误答案，”

Dageville说道。“在企业中，您希望⽤真实事实来约束⽣成式⼈⼯智能。”Dageville表⽰，“需求爆炸式增⻓，没有⼈能预测到这⼀点。”他说。“这是⼀个供应链问题。我对它持续存在并不担⼼。”Dageville说：“需求以⼀种⽆⼈预测的⽅式爆炸式增⻓。”Dageville表⽰，“这是⼀个供应链问题。我对它持续存在并不担⼼。”他说，RAG从相关来源获取信息，并可以引⽤它们以进⾏验证。这只是为了更好地⽣成答案。“它可以分析结构化和⾮结构化数据，并为您提供更具⼈性化、更准确和更透明的摘要。”善良者、恶者和幻觉者

|

12AI

+

数据预测

2025“NVIDIA将在⾼端和低端制造更多芯⽚。⽬前GPU短缺有创造性的⽅法来缓解。例如在Snowflake，我们为客⼾提供选项，将流量路由到存在GPU容量的位置，”⾸席执⾏官Sridhar

Ramaswamy表⽰。“将数据发送到不同区域，即使通过安全连接在同⼀平台进⾏，这是安全架构师需要审查和熟悉的事情。”因为利益巨⼤。这并不意味着⾏业将提供所有必要的解决⽅案。Ramaswamy表⽰，⾏业领导者经常要求的不加⼲预的⽅法是⾏不通的。“企业⾯临的挑战在于模型缺乏透明度，”Snowflake产品安全主管Anoosh

Saboori表⽰。“我认为，当我们有着如此⼴泛适⽤的技术时，很难采取⼀⼑切的‘⽆法⽆天’的态度，”除了技术外，还存在法律和伦理障碍可能阻碍AI发展，Snowflake产品执⾏副总裁Christian

Kleinerman指出。

“及与AI输⼊和输出相关的权利是⼀些组织AI开发的关键考虑因素，”他说。“对于某些⽅⾯有解决⽅案，⽐如议，但并没有简单的解决⽅法。”“云服务提供商和Groq等新玩家正忙着创建新芯⽚以满⾜需求，此外还有能⼒⾮常强⼤且更便宜的新模型。”“关于数据源的成分没有⻝品标签。AI提供商不愿透露所有的秘密配⽅，但在解决这个问题之前，他们不会完全打开企业领域的局限性。”他说：“绝对的，过早地对⼀个领域进⾏规范存在着真正的⻛险。但我确实认为智能监管和智能⽴法是可能的。⾏业和政府应该继续合作。”Gultekin表⽰，问题在于超级芯⽚的未来起初不会公平分配。欧洲对GPU短缺的担忧要⽐美国公司更⼤，后者的⽣产能⼒更强。“在整个⾏业中，我们看到更多的开放性，”何⽟雄说。“你可以看看去年夏天发布的Llama

3.1，⾥⾯有⼀个⾮常全⾯的报告，包含⼤量关于数据来源、训练配⽅等信息。”即使在最合作的环境中，监管也可能来得很慢。政府以在创新的暴⻛雪某著名企业缓慢⽽臭名昭著，但克莱纳曼表⽰，AI标准的整理将尤为困难。道德人工智能将成为企业的重要任务，推动透明度、公平性和问责制的提升。“区域可⽤性将是⼀个⻓期问题，”他说。拉⻢斯⽡⽶提到的解决⽅案可能会让组织在⼀开始犹豫。需要在其他国家访问GPU容量可能引发法律纠纷或组织焦虑。她指出，Snowflake也朝着更加透明的⽅向发展。“对于我们在2024年发布的Snowflake

Arctic，透明度和开放性⾄关重要，”她说。“与型不同，我们不仅分享模型权重和微调代码，还分享数据来源和训练配⽅。这是我们的⽅法，整个⾏业整体上也越来越倾向于开放。”“好消息是，现有的法规已经涵盖了⼈们可能关⼼的关于使⽤⼈⼯智能的⽅⾯，”他说。他说：“但⼈⼯智能将⽆所不在地贯穿我们⽇常使⽤的技术，这将使事情变得更加复杂。”即使在⽅⾯取得进展，关于先进⼈⼯智能的其他道德问题仍将持续困扰该⾏业。充分解决监管和道德问题是困难的，部分原因是有益相关者，学⽅法和在结果。⽽且存在很⼤的竞争压⼒，“可能需要考虑地区性数据法律，即使没有那些法律，对于安全架构师来说仍然需要进⾏⼼态转变，”

古尔泰⾦说。善、恶和幻觉

|

13AI

+

数据

预测

2025⼈⼯智能将影响⼏乎所有⾏业，除了幼⼉园的夏季柠檬⽔摊（当然，考虑到孩⼦们如何接受科技...）。潜在关注领域涵盖隐私、偏⻅和准确性，、跨境数据传输、安全和问责责任。当然，这并不能解决每个潜在的案例。从2023年底开始，关于在旧⾦⼭作为⾃动驾驶⻋辆的持续测试场，警⽅⽆法在⽆⼈驾驶汽⻋违反交通法规时开具罚单的新闻报道甚嚣尘上。主要是因为法律规定罚单必须开具给驾驶员，⽽不是例如汽⻋的所有者或制造商。到了2024年9⽉，⼀项旨在对⾃动驾驶违规⾏为开罚单的法案已在加州议会通过，并将提交给州⻓审批。幸运的是，很多不端⾏为已经被规范了。就像锤⼦没有法律规定⼀样，但通常有⼀项涵盖使⽤锤⼦攻击他⼈的法律。Jennifer

Belissent说，“从这个意义上说，”“最好将监管应⽤于⽤例和结果，⽽不是试图阻⽌技术发展本⾝。”“需要结合各⽅努⼒，认识到这些合法问题，包括现有法律和法规的盲点，”针对人工智能滥用的法律限制将主要来自现行法律，而不是大规模的人工智能专门法规。Ramaswamy表⽰，“如果⾏业不采取⾏动，肯定会出台监管措施。”在AI世界中⼯作和领导

|

14AI

+

数据

预测

2025在AI世界中工作和领导⼈们对AI将对各⾏各业的劳动⼒造成什么影响进⾏了⼤量讨论。⼀致认为，⼯作岗位将会减少，新的⼯作岗位会被创造，但⼤多数⼯作将通过AI注⼊的⼯具⽽发⽣转变。显⽽易⻅，⼯⼈将⾯临学习曲线。对于重复性、操作性执⾏的需求将减少（这正是AI的强项），⽽对于数据驱动的战略思维的需求将增加（⾄少⽬前还是⼈类的⼯作）。这就是⼯作的未来。那么领导⼒的未来⼜会是什么样⼦呢？领导者将不得不如何改变或提升能⼒以跟上AI⾰命的步伐？“在AI时代，领导者⾯临的主要挑战是如何通过AI⼯具提⾼团队的⽣产⼒，”

产品执⾏副总裁Christian

Kleinerman说道。“通过使技术较弱的⼈员更容⽤AI⼯具，安全和负责地利⽤AI具有巨⼤机会，但这需要远⻅和领导⼒才能实现。”Kleinerman和Ramaswamy都提到了⼀个概念，即“⼈机协同”，这意味着即使AI执⾏⼯作或提出⾏动建议，⼈类也必须对其负责。“归根结底，你必须验证⾃⼰的⼯作，”Ramaswamy说道。“对于那些声称使⽤AI模型但⼯作出错的⼈，我很难产⽣同情之情。我们有责任核实⾃⼰的⼯作。”领导者可能难以跟上⾃⼰加速的团队步伐。如果现在有⼗⼏个直接下属正在完成⼀个30⼈团队的⼯作，那将需要更多的管理和审查。领导者，和工人一样，都将面临适应加速的AI世界的挑战。所以在你的⼯作借⼝列表中划掉“把责任归咎于⼈⼯智能”这⼀项。“领导者需要⾮常聪明地积极采⽤⼈⼯智能⼯具，同时激励他们的员⼯，”⾸席执⾏官Sridhar

Ramaswamy说道。“对雁⽽⾔有益处，也对鹅是有益处的。”将AI视为一名员工而非工具专家建议，不要简单地将AI视为⼯具，⽽是将其视为远程团队成员——⼀名能够改善业务运营或客⼾体验的额外员⼯。这种做法改变了关系的动态。我们知道如何管理员⼯，也有了相应的⼯具和流程来做到这⼀点。使用明确的“工作描述”定义角色。••确定合适的AI模型“候选”，无论是购买还是构建。通过使用适当的数据来训练模型，进行“入职培训”。•建立输出和结果绩效指标。••监控绩效以对标准进行评估，以归因价值创生这些⽅法确保模型保持最新状态并持续提供价值—

来⾃《数据⾼管指南：有效⼈⼯智能》在

AI

世界中⼯作和领导

|

16AI

+

数据

预测

2025被问及如何作为⾼科技领域的领导者不断进化的最佳秘诀或秘密时，拉⻢斯⽡⽶提供的是⼀种哲学⽽不是技术。“我和同⾏们感受到⼀种持续的振奋和震撼的结合

-

在⼀周开始时不知道接下来会发⽣什么，⽽这种速度仍在加快。”AI

转型是一个十年的工作

。是的，AI

将改变⼀切。但不会⼀下⼦全部变化。Snowflake

的产品体验总监、Streamlit

的联合创始⼈阿曼达·凯利表⽰，对于⼤多数公司来说，由

AI

推动的⼴泛⼯作场所转型还需要⼏年时间。“⽆尽的好奇⼼，”他说。“在我的⼯作和个⼈⽣活中，我⼴泛使⽤各种

AI

模型。我们都需要提⾼使⽤⼯具的能⼒，我们对不同种类的

AI

模型越熟悉，我们就越了解它们的优势和劣势，在应对前⽅的世界时就会更加优秀。”疲惫将困扰很多AI领域的人。“跟上

AI

的概念很有趣，因为⼀切都在以多快的速度变化，”古尔泰⾦说。“每个⽉都会有⼀个炙⼿可热的新东西或新发展，领导者们⽆法追逐它们全部。”让员⼯和领导者得到

AI

⽀持的⼀个结果是，常规任务变得⾃动化，留下更多时间进⾏真正推动收⼊增⻓的远⻅努⼒。“很多公司实际上不知道⾃⼰是如何运作的，也不清楚是什么使它们今天成功，”她指出。“模式是⾃然演化的，决策结构常常错综复杂，因此进展缓慢。⼤多数公司要花费⼀些时间来融⼊⼈⼯智能并真正理解它如何能够能提升它们的价值。”他说，项⽬总是保持当前状态但永远⽆法完成存在⼀定危险。“如果你刚部署了Llama

3，现在3.1⼜发布了，你会进⾏升级吗？你能承受不升级吗？”“我们会有更多时间去变得更有想象⼒，”Snowflake的CIO/CDO

Sunny

Bedi表⽰：“然后应⽤⼈⼯智能来实现这些成果。”Gultekin表⽰，竞争和对于可以通过⼈⼯智能获得⼤量机会和价值的认识驱使每个⼈达到了极限。“我与在⼈⼯智能领域⼯作的⼈交谈时，他们都告诉我，他们⽐以往任何时候都要努⼒，因为创新和变⾰如此之多，10天前完成的⼯作现在可能有更好的⽅法。”Snowflake

AI主管Baris

Gultekin提供了⼀个运⽤基于⼈⼯智能的⽣产⼒提升的例⼦。“例如，如果你使⽤Snowflake

Cortex可以更快地⽣成SQL，你可以让更多的SQL分析师进⾏深⼊调查⼯作，⽽不是回答业务⽤⼾的简单问题。”她补充说：“在我看来，取得最⼤成功的公司在⼈⼯智能⽅⾯要么有⾮常强⼤的⾃上⽽下的领导层，有⼀个对转型有远⻅的愿景，要么不强加愿景，⽽是赋予各个团队权⼒，让他们找出如何利⽤LLM来改变他们的团队。”创新的速度可能不会放缓，因此在⼈⼯智能时代，领导者必须抵制过度沉迷于兴奋情绪。这再次凸显了提升劳动⼒⽔平的必要性，从上到下。在⼈⼯智能发展的最前沿，压⼒是相当⼤的。他说：“领导者需要专注于⽬标和投资回报，⽽不是追逐闪亮的东西或每次升级。”“在过去的九到⼗⼆个⽉中，创新速度惊⼈。”Snowflake的⼯程⾼级副总裁Vivek

Raghunathan说道（他也是Ramaswamy在Neeva的合作创始⼈）。开源加速⼈⼯智能创新

|

17⼈⼯智能+数据预测

2025开源加速人工智能创新开源运动对软件⾏业总体⾄关重要，同时对先进⼈⼯智能的发展⾄关重要。开源项⽬在软件供应商、数据平台提供商和⼈⼯智能制造商的⼴泛⽣态系统中发挥着重要作⽤。对于⼈⼯智能来说，开源使⼈们可以更容思想，促进了思维的多样性，加快了创新，创建了增进对⼈⼯智能系统理解的社区，可以降低成本，等等。基于人工智能的低代码和无代码突破将使开发人员比以往任何时候都更加重要。关于数据、⼈⼯智能和企业战略未来的讨论，如果不考虑未来⼏年开源发展的⽅向，将会遗漏很多。杰出的⼈⼯智能软件⼯程师何宇雄表⽰，通常情况下，开源将继续发挥关键作⽤，特别是在⽤于训练⼈⼯智能系统的⼯具⽅⾯。Streamlit的联合创始⼈Amanda

Kelly表⽰，与其给任何半技术⽔平的编程⼈员配备⼈⼯智能助⼿以贬低开发⼈员，不如让⾼技能的开发⼈员将深厚的专业知识⽤于解决更⼤、更为关键的业务问题。他们将变得更加具有战略性。但Kelly警告说，这不会是⼀夜之间的转变。开源技术进步将最明显地体现在编码助⼿⽅⾯。基于⼈⼯智能的低代码和⽆代码开发⼯具将提升熟练开发⼈员在组织中的作⽤。随着耗时但基本的编码挑战交给辅助⼯具，开发⼈员将专注于更复杂、⾼价值的任务、系统架构以及整合⼈⼯智能能⼒。“模型开发的其他⽅⾯，如⾼度优化的推理系统和将模型集成到⽣产环境中，更适合采⽤封闭源⽅法，⽽且可能会始终保持这种⽅式，”她说。“这已经开始发⽣了，但地震般的转变需要时间，”她说。“这需要创新思维者从根本上改变开发的⽅法。⽬前，⼤多数公司主要使⽤AI编码⼯具来实现⼩幅效率提升。他们并没有真正考虑进⾏彻底的范式转变，部分原因在于这些⼯具还没有达到那个⽔平。”“但是当你谈论AI培训⼯具时，为了实现持续创新、吸引采纳，开源仍然是最佳选择。”开源加速⼈⼯智能创新

|

18⼈⼯智能

+

数据预测

2025“但当它们到达时，它们将建⽴⼀个更⼤的帐篷，”

Snowflake的应⽤程序和开发平台负责⼈Jeff

Hollan说。这不仅仅是关于速度或使开发者摆脱繁琐的任务。“具有不同技能和领域的开发者将能够共同⼯作，发挥更多创造⼒和智慧。”随着数据量不断爆炸和实时分析变得越来越重要，Iceberg处理PB级数据集的⾼效能⼒使其成为⼀个吸引⼈的选择。其与供应商⽆关的特性与现代数据架构很好地契合，促进互操作性并减少供应商锁定。这些因素，加上Iceberg强⼤的功能集，使其在不断发展的⼤数据领域中成为⼀个强有⼒的竞争者。Iceberg的成功不断扩⼤（看看我们做了什么）还将推动开源领域的其他关键趋势。Iceberg的吸引⼒之⼀在于它满⾜了数据处理引擎和存储系统之间互操作性的需求。这种能⼒将进⼀步推动采⽤允受益于供应商⽆关解决⽅案的开放标准的势头。开源项⽬在数据分析领域也发挥着重要作⽤，Snowflake涉⾜的⼀个项⽬似乎即将⾛向主流。Apache

Iceberg是⼀个开源表格格式，旨在为⼤规模数据分析提供类似SQL的简单性和可靠性。Iceberg还在解决围绕治理和安全性⽇益增⻓的需求⽅⾯表现出⾊。那些好处加上⺠主化的⻆度——易⽤性是⼀个关键特性——将有助于推动数据素养计划，这将有助于应对这个即将到来的⼈⼯智能时代所需要的劳动⼒转型。⽽且Iceberg是云⽆关的，这将使企业可以追求他们需要的任何云原⽣、多云和跨云策略。“它正在⾛向主流，”凯利说。“很多⼈都对这个愿景表⽰认同，我们正在看到⼀种转变。”和往常⼀样，真正⼴泛的采⽤将需要时间，但Hollan认为Iceberg是共识选择。“⼏乎⽆法阻⽌它的发展，”他说。Iceberg将走向主流，最终将操作性和分析性数据结合在一起。互操作性需求将加速采用开放标准、数据民主化和生态系统协作。

这也将增加对数据治理和安全的关注。组织越来越寻求管理和分析不断增⻓的数据集的⾼效⽅式，Iceberg功能和灵活性背后强⼤的社区已经使其在主流中得到了良好的定位。

我们可以列举其好处

——

⼀个统⼀的数据湖，具有⼀致的表格格式，⽤于管理多样化的数据源，实时数据摄取，模式演进

——

并且很明显，随时随地都会这样做。Hollan补充说，对他⽽⾔，Iceberg的⼚商⽆关性并⾮真正价值所在，因为这只是考虑重⼤供应商转变的因素之⼀。“Iceberg与其他开放源项⽬的互操作性确实很棒，”他赞同道，“但对组织最明显的价值不是‘我随时可以离开这个云’，⽽是强⼤且快速发展的开发者社区。”Gen

AI

和

LLMs：确保新攻击⾯的安全

|

19AI

+

数据

预测

2025GEN

AI

AND

LLMS：保护新攻击面由于⼈⼯智能的进步，2024年成为了⽹络安全最终变成了⾼⻛险、迅速演变的数字战场，将防御者与犯罪分⼦和国家⾏为者置于对抗之中开玩笑；⼀直都是如此，也可能会⼀直如此。即便如此，LLMs

的开发和部署让备受压⼒的安全团队有更多担忧的同时，也让他们对⼀些事情抱有希望模型本身是下一个AI中心攻击的焦点先说坏消息，GEN

AI

让犯罪分⼦更容令⼈信服的社交⼯程攻击。难以察觉的视频换脸和⽹络钓⻥计划会听起来更像是⼀个⼯作伙伴或来⾃您最喜欢的⼤型零售商的⽀持⼈员，⽽不太像⼀个在地下室或商业园区远在半个地球之外的⽆情骗⼦。⽽那些帮助您的开发⼈员更快更安全地编写代码的副驾驶⼯具（如果他们检查⼯作）也有助于坏⼈编写更好的恶意软件。

新的基于⼈⼯智能的⼯具承诺⽐以往任何时候都更擅⻓这样做。2024年看到供应商推出专⻔设计⽤于保护先进模型的⼯具。“去年，我们谈论了在容器层发⽣的攻击

-

这是较不安全的开发⼈员游乐场。”他说。“现在攻击者正在向上⼀层某著名企业到ML基础设施。我们将开始寻找模式，⽐如攻击者将⾃⼰注⼊到管道的某部分以使模型提供错误答案，甚⾄更糟的是，透露模型训练时使⽤的信息。”“总的来说，”Snowflake的产品安全负责⼈Anoosh

Saboori表⽰，“安全领域的变化在于需要保护的数据量和攻击⾯的⼤⼩。这正在塑造安全团队采⽤⼈⼯智能的⽅式。”好消息是，新的基于⼈⼯智能的⼯具延续了近年来⾃动化和机器学习带来的优势。

思路⼀直是帮助⼈类防御者团队，解决恶意信号和模糊噪⾳的问题，凸显需要注意和⼲预的事件这是⼈⼯智能的⼀个关注⽅⾯，Saboori表⽰：⼈⼯智能作为攻击⾯。Gen

AI

和

LLMs:

保护新的攻击⾯

|

20AI

+

数据预测

2025⼈们担⼼威胁⾏为者可能会利⽤漏洞污染LLMs，然后后续利⽤。想想骗⼦如何制作带有虚假某⼈搜索电话号码，⽐如重新预订航班时，骗局⻚⾯会浮现，并将来电者连接到冒充客服代表的⾝份窃贼。然后请记住，欺骗⼈类客⼾的相同⻚⾯可能被⽤来训练⼈⼯智能。迄今为⽌的临时⽅法将围绕⾏业标准形成。琼斯指出了新的ISO

42001

标准，他表⽰这很快将成为⼈⼯智能领域的基本要求。萨布⾥提到数据安全姿势管理

——

⼀个全⾯的⽅法，不断监控和改进组织保护数据的⽅式。他说，DSPM

将有助于让那些感受到竞争压⼒、不得不将数据投⼊⾃⼰不太理解的复杂⼈⼯智能模型中的组织感到放⼼。防患于未然对AI模型遭受成功攻击的⻛险包括训练数据、私⼈数据曝露、数据污染、知识产权盗窃（包括模型本⾝的盗窃）,

偏⻅问题以及⽀持ML项⽬的软件包中的潜在漏洞。同样，开发⼈员正在使⽤AI编码⼯具来加快⽣产率，但AI⽣成的代码可能包含漏洞。去年夏天，⼤学研究⼈员证明LLMs

可能受到有缺陷的代码毒害，这会产⽣击的输出。他们并不是第⼀个这样做的。为了减轻这种⻛险，代码扫描需要整合到开发者体验中，以便在开发⽣命早期阶段标记漏洞并推荐补救措施。琼斯补充道：“围绕着AI⽹关的⼯具将对促进对带来新模型的舒适度⾄关重要。”他补充说：“在⽹关上内置标准控制和保护措施将允测试和采⽤新模型”

——

这将是关键的。随着安全领导者在⼈⼯智能时代制定其围绕⽹络安全的最佳实践，⼀个重要的元素将是安全数据湖。安全数据湖存储来⾃不同来源的⼤量安全相关数据，整合⽇志、事件和其他安全信息，⽤于⾼级分析、威胁检测、事件响应和⻓期保留。Snowflake

CISO布拉德·琼斯表⽰，围绕AI安全的所有问题意味着组织将不得不建⽴⼀种严格、正式的⽅法来操作先进的AI。Anoosh

Saboori指出，对于担忧的读者，可以深⼊了解《Snowflake⽩⽪书“AI安全框架”》，其中包含更多有关危险和缓解策略的内容。随着LLMs和生成式AI投入生产，AI安全将变得更加正式。灵活性和可扩展性是关键优势。“对于⼀个模型是如何训练以及使⽤了哪些数据，都需要设定整个控制层级，”琼斯表⽰。“需要有审计跟踪，认证、治理结构以及针对模型的控制。未来将更加推动这⽅⾯的正式性。”Gen

AI和LLMs：保护新的攻击⾯

|

21AI

+

数据预测2025作为网络安全工具模块化方法的一部分,

安全数据湖对于AI时代的安全至关重要。政府官员⼀直希望⽣成式⼈⼯智能⼯具可以帮助缓解⼯作繁重且精疲⼒尽的⽹络安全⼈员。”操作的⾼层次总结的提⽰。“这些系统变得更加准确，随着误报率接近零，假警报‘紧急情况’将减少。

不仅您的安全团队会更加有效，⽽且⼯作满意度还会提⾼，因为安全分析员确实遇到的是实际攻击。”AI安全副驾驶将延伸人类团队。“这是成本和规模的问题，”

Saboori说。“兴某省市场中更⼤的趋势推动的，即现在要能够在数据量⼤⼤增加时预防、检测和应对攻击。”新的副驾驶⼯具将应⽤AI处理安全运营中⾯临的⼈类难以处理的⼤量潜在事件，承诺使初级分析员更有效，但Jones指出这些⼯具也带来了⼀些担忧。Jones强调，尽管AI可能带来新的攻击向量和防御技术，但⽹络安全领域将如往常⼀样迎接挑战。

技术可能是新的，但基本关注点

——

数据丢失、声誉⻛险和法律责任

——

是得⼼应⼿的。

特定的新⻛险，⽐如Gen

AI的幻觉或不准确性，将得到解决。安全数据湖⽀持更加模块化和数据中⼼的安全策略的兴起。

Snowflake的客⼾表⽰他们对于整体式SIEM感到不满，因为控制成本迫使在数据收集和保留⽅⾯做出妥协。

安全数据湖让客⼾以很⼩的成本实现对所有安全数据的完全洞察，同时与最优秀的⽹络安全应⽤程序⽣态系统合作。“副驾驶⼯具可能带来⼀种新的⻛险，即可能包含某种程度的的模型代码或副本，”琼斯说。“必须有⼀定的纪律。”“⽣成式⼈⼯智能永远不会达到100%的准确性，组织必须了解可以容忍的⻛险在哪⾥，”他说。“在使⽤特定解决⽅案询问客⼾⽀持问题与进⾏⾦融交，可能对⻛险有更⾼的容忍度。需要有⼈类监督和验证很⻓⼀段时间。”随着⼈⼯智能⼯具变得更加多才多艺和更加准确，安全助⼿将成为SOC（安全运营中⼼）的重要组成部分，缓解⻓期以来的劳动⼒短缺。最佳组合思维还将让安全某省市场推出时测试和整合基于⼈⼯智能的安全助⼿。⾃⾄少去年春季RSA⼤会以来，这类⼯具就备受关注。正如Axios的⼀份报道指出的那样：“⾼管和“⼈⼯智能的好处在于能够以更⾼层次总结事件，”萨博⾥说。他说，与其需要分析⼈员查看所有⽇志以串联事件，他们将得到⼀个对⼈类有意义且可专注前进

|

22AI

+

数据预测

2025专注前进2024年，⾃ChatGPT爆炸性出现以来，AI正值热情低⾕期(并⾮全是炒作)。持怀疑态度是好的，也是必要的。它能促使深⼊思考和⼴泛讨论。它可以防⽌因冲动⽽导致预算⼤幅减少和损害声誉的错误。它可以⿎励我们同时考虑到防护措施和责任，以及利润和潜⼒。但不要让对明晰视野的需求对AI的整体潜⼒产⽣怀疑。记住，⼈们往往会⾼估技术短期变化，并低估⻓期变化。就拿某著名企业技术来说，Jennifer

Belissent

表⽰。现在或那些负⾯影响和困难，但随着新技术的发展和围绕AI构建更⼤基础设施，这些问题将会减少。们肯定需要不断提⾼⾃⼰对⼈⼯智能在世界中的影响和含义的认识。“AI将使我们变得更加聪明，推动健康、教某省市规划等⽅⾯的改善，”

Sridhar

Ramaswamy

表⽰。“我们所有⼈——技术⼈员、政策制定者、普通公⺠——都必须学会有效并负责任地使⽤每项新技术。”大家，系好安全帽。我们才刚刚开始。“直到我们建⽴了重要基础设施，拥有⾜够的带宽来做有趣且富有成效的事情，某著名企业技术才真正起⻜。”她指出。“此外，技术变得更易⽤且更平⺠化也有助于平均⼈使⽤。”“需要再过⼏年，但是有很多初创公司拥有⼤量新想法，”Attariyan说。“这将是⼀波改变⽣活的创新浪潮。”当AI技术⾛⼊公众视野时，⼀般公众真正感到震惊，Mona

Attariyan说。“⼈们对⽣成式AI和LLMs能做到的事情感到敬畏，并忽视了其中的⼀些不利和困难，”她说。通过持续演进，这项技术将不得不变得更智能，也创造者也需要更加聪明，因为我们正在制定新的伦理准则和法规，以使这项技术成功、公平、透明，对整个社会有益。我审视关键行业除了我们⼴泛讨论⼈⼯智能如何塑造未来⼏年的话题外，我们还与七个特定⾏业的专家进⾏了交流，以了解他们所在⾏业在2025年及以后可能会⾯临的情况。关键⾏业预测

|

24⼈⼯智能+数据2025预测广告、媒体和娱乐拓展创意，最大化预算大型持有者（及其强大的法律团队）将在制定度方面取得领先⼴告、媒体和娱乐公司已经是数据驱动型企业，这使得更容索和拥抱⽣成式⼈⼯智能等技术。地位。“他们本⾝就是⼀个实验性⾏业，”Bill说。独⽴艺术家针对基于⽂本到图像的⼈⼯智能模型提出的持续法律挑战的回应将推动模型制造商从出版商那⾥容。围绕公平使⽤和补偿的担忧的增加也将推动媒体巨头开发⾃⼰的专有模型。Stratton，Snowflake公司全球媒体、娱乐和⼴告主管说，“⼴告、媒体和娱乐业往往是采⽤领先技术的⾏业。”然⽽，尽管他们可能没有像⾦融服务或医疗保健那样受到同等级别的监管审查，但他们的⼯作创造性质使他们更容知识产权问题。“拥有的公司，不管是媒体公司、创意机构还是像盖蒂这样的图像公司，都将开发⾃⼰的模型，以便将⾃⼰的与⽣成式⼈⼯智能的应⽤结合起来。”斯特拉顿解释道。关键⾏业预测

|

25AI

+

数据预测

2025人工智能将让广告预算更有价值，因为中间人将变少。尽管任何公司都将关⼼预算能延展多远，但对于⼴告、媒体和娱乐⾏业的任何⼈来说，成功的最终衡量标准是转化为消费者。市场希望更清楚地将营销努⼒与收⼊之间划出⼀条直线。AI⼯具的另⼀个好处将是提⾼向消费者传递信息的整个过程的效率。⽬前，营销⼈员在推出⼴告和接触客⼾之间的某个环节损失了将近⼀半的资⾦。数据引力——以及在数据所在地利用数据的能力——将为营销人员带来新的更好机会来推动转化。⼈⼯智能将为⼴告商带来的⼀个明显好处是让预算更有价值。“对于营销⼈员花费的每⼀美元，我们假设有60美分⽤于在不同渠道上分发和优化营销内容。剩下的40美分花在卖⽅和买⽅之间的⽣态系统中，”“以往阻碍这⼀点的是数据某著名企业或数据复制，”

Stratton说。“现在，由于技术解决了数据某著名企业问题，我们将看到更多营销⼈员能够通过转化来衡量他们的⼴告活动的成功。”Stratton解释，随着⼴告技术/营销技术的融合不断深⼊，并通过消除冗余来截短价值链，越来越少的⼴告投⼊会在抵达消费者之前消失。关键产业预测

|

26⼈⼯智能

+

数据预测

2025金融服务在创新与财政审慎之间取得平衡⾦融服务机构往往是采⽤新技术的领导者，因为它们对经济⾮常重要，所以它们影响更⼴泛的采⽤。然⽽，据Snowflake⾦融服务全球负责⼈Rinesh

Patel表⽰，该⾏业正⾛向对先进⼈⼯智能采⽤的短暂停顿。该⾏业对⼈⼯智能的⽅法将继续在创新和财政审慎之间取得平衡。“董事会不关⼼实验，他们关⼼利润的可持续性，”他说。“能够解释⼈⼯智能产⽣的投资回报率与仅仅进⾏实验的公司之间有明显差距。”他认为⼈⼯智能以两种⽅式增加价值：通过增强⼯效率，以及通过⾃主运作实现，⽆需⼈类参与。他表⽰，后者将在⼀段时间内仍处于实验阶段。具有强⼤底线潜⼒的技术发展不能带来过度⻛险。金融服务公司将比大多数公司更慢地超越实验阶段，达到实现阶段。“随着⾦融服务⾏业⽔平的设定和评估可证明的投资回报率，围绕⼈⼯智能的势头可能会放缓，”他说。“每个⼈的资产负债表上都有⼀项说着GPU，但没有⼈能够真正解释它带来了什么。”关键⾏业预测

|

272025年⼈⼯智能＋数据预测在金融服务业中，将会有赢家和输家在实现人工智能操作化方面的竞争中，它们之间的鸿沟将是巨大的，而非微不足道的。“当然，董事会会关⼼投资回报率，但不会忘记保护组织，”他说。当然，监管机构也警惕保护公司、消费者和⾦融系统。他说，⿊天鹅可能与2010年的闪电崩盘类似。⼗五年前，⾦融服务⾏业正处于围绕⼈为驱动的⾃主对冲基⾦策略与计算机驱动的系统对冲基⾦策略的优点展开辩论之中。然后，在2010年，道琼斯指数在短短10分钟内暴跌了1000多点，逾1万亿美元的损失。后来查明，这是⼀次闪电崩盘，归咎于⼀名伦敦期货交速抛售数千份⼩合某省市场。

从监管⻆度来看，先发⽣了崩盘，然后出台了预防措施。预计未来会有类似的情况发⽣，有⼈变得不可控。“他说，监管机构已经开始更加关注这项技术的发展。展望未来，他们将努⼒保护投资者某省市场中有⾜够的流动性等等。数据和⽂化将在⼈⼯智能的应⽤中扮演重要⻆⾊。在缺乏现代数据战略和健全的数据⽂化的情况下，治理和透明度成为空谈。必然会有一条由人工智能引发的具有重大影响的灾难性负面头条新闻或事件，足以启动监管。帕特尔表⽰：“当⼈⼯智能部署在⼀个坚实的数据战略旁边，并被开放与创造性⽂化所包围时，它有可能成为云计算兴起以来⻅过的最⼤助推剂。”帕特尔说:“当这些条件不存在时，⼈⼯智能可能是⼀项不切实际的投资。能够正确把握这些条件的公司，这是困难的，它们将遥遥领先于竞争对⼿。这场⽐赛不会在冲刺时⼀触即⽌。”“当出现幻觉并导致某⼈被烧伤时—

我、你或某个机构

—

我们会看到监管加速,”

Patel说。监管框架和合规要求将像往常⼀样进⾏调整。“监管机构仍在努⼒理解这项技术并跟上发展的势头，”

Patel说。“监管要么会积极阻⽌技术的最糟糕⽅⾯

—

如基于种族、性别、宗教或政治倾向的偏⻅咨询

—

要么监管将是某个⿊天鹅事件的结果。”鉴于⾦融⾏业的⻓期展望，为什么会发⽣这样的危机？如果⼀个组织把短期利益置于⻓期责任之前，那么⾛捷径可能会引发危机。“你可以提出关于⼈⼯智能的⽤例，但如果没有设置正确的防护措施、理解治理和负责任的⼈⼯智能，那显然作为⼀个组织会暴露于⻛险，”

Patel说。“这实际上关乎治理和透明度。”关键⾏业预测

|

282025⼈⼯智能+数据预测医疗保健和生命科学谨慎接受人工智能医疗保健和⽣命科学⾏业以往通常以务实的态度对待通⽤⼈⼯智能热潮。尽管该⾏业正在拥抱⼈⼯智能——制药公司和研究机构抢占头条，如“⼈⼯智能在乳腺癌诊断和预防中取得进展”——但患者护理⽅⾯将继续谨慎⾏事。种⼼态，因为每个⼈都被迫创新，但⻛险偏好正在恢复到正常⽔平。”在产品开发⽅⾯，⼤型制药公司依靠少数产品或药物赚取利润。因此，他们将继续更愿意并能够承担与通⽤⼈⼯智能相关的⻛险，以追逐下⼀个⼤收⼊来源。预计医疗保健和⽣命科学组织将保持谨慎稳健的步伐，重点关注基于证据的证据和具体成果。在⾼标准护理、严格监管要求和医⽣对潜在诉讼的担忧下，他们将需要在其他受到⾼度监管空间中看到基于⼈⼯智能的结果后才会投⼊其中。医疗行业将依靠现有法规指导智能、负责任的人工智能推出。围绕⼈⼯智能的所有问题中，如何在道德上使⽤⼈⼯智能可能是最⼤的问题。医疗保健和⽣命科学专业⼈员根据⼀系列指导其决策的核⼼伦理原则进⾏操作，因此，他们⽐⼤多数⼈有更好的起点。“⼈们从不想成为这个领域的第⼀个⾏动者，尤其是在患者⽅⾯，”

Snowflake医疗保健和⽣命科学全球负责⼈Jesse

Cugliotta说。“我们在COVID-19期间看到⼀些服务提供商摆脱了那关键⾏业预测

|

29AI

+

数据预测

2025但他们也会比其他人更快地将行业领袖和监管者聚集在一起，解决伦理挑战。“如果我们利⽤AI来帮助推动临床决策，这将是怎样的⼀个先例，”Cugliotta表⽰。“已经建⽴了完整的法律和伦理基础来防范医疗事故。责任必须落在某⼈⾝上，通常是持有执照的医⽣，对护理决策负责。”尽管现有的法规将涵盖⼤多数情况，但AI将不可避免地引发新的伦理挑战。因此，虽然其他⾏业担⼼⼈们会被AI完全取代，在医疗保健和⽣命科学领域，⼈们总是会参与其中。他们现在只是增加了确保AI结果正确的责任。“当最终⽤⼾向搜索引擎提出问题时，他有⼀定的责任，”Cugliotta说。但是，当⽣成式AI提供单⼀答案时，同⼀最终⽤⼾可能会缺乏权衡意⻅的动⼒，更有可能采取错误的⾏动

—

甚⾄可能会造成伤害医疗保健和⽣命科学领域现有的伦理和监管框架将使透明性、可靠性和可解释性变得更加关键。随着AI技术不断成熟，幻觉总体上会变得更少，企业将根据其⻛险承受能⼒部分选择要实施的模型。在医疗保健和⽣命科学领域，显然，这种容忍度永远会⾮常低。—

⾏动。“我们还没有为此制定责任基础设施，”他说。为解决这些差距，联合体将⻬⼼协⼒制定参与规则。“将会有各⽅发声——包括政府、学术界、临床医⽣和科技社区——试图制定这样事物的标准，”

Cugliotta说。“[有很多]⿊匣⼦模型可能永远不会⽤于患者护理，”

Cugliotta说。“这些努⼒常常被⽤来影响世界各地的法规。”关键⾏业预测

|

30⼈⼯智能

+

数据预测

2025制造业去炒作，专注回报大型视觉模型将成为制造商的主要关注重点。制造业不再陷⼊⼈⼯智能炒作波动中，⽽是重新专注于能够证明回报率的基于价值的企业应⽤。在制造业中⾸个带来重⼤影响的⼈⼯智能技术之⼀将是⼤型视觉模型—⼀种旨在处理和解释视觉输⼊的⼈⼯智能模型，它将彻底改变制造业的质量控制，显著改善产品设计，减少检验时间，并加快⽣产产量。Snowflake制造全球负责⼈Tim

Long表⽰，快速发展的组织紧密关注结果。“他们的出发点不是IT收益，⽽是⼈⼯智能解决⽅案的商业价值，然后采取迭代步骤来实现。”

Long表⽰。“他们实现价值，衡量影响，并利⽤回报率投资于下⼀个项⽬。

这就是⻜轮运转的⽅式。”关键⾏业预测

|

31⼈⼯智能

+

数据预测

2025AI

将在未来十年使第四次工业革命变为现实“Gen

AI

可⽤于模拟产品缺陷，然后⽤于训练计算机视觉缺陷检测模型。或者，模型可以模拟产品设计改进，探索不同的权衡”，Long

说。“我看到

AI

⼯具提升劳动⼒，以处理更⾼级别的任务。”AI

对制造业的影响不仅仅是简单的效率问题。它将是变⾰性的。“第四次⼯业⾰命在某种程度上成为⼀个营销术语，⼈们并不真的相信能达到预期效果，”

Long

说。“但是随着所有这些⼯具和云容量，对于那些投资于数据去隔离和实施AI/ML

解决⽅案的制造商，实现这种更⾼性能的梦想将成为现实。”但是⼤视觉模型和⽣成式⼈⼯智能总体上不会消除⼈为参与。“我认为这是劳动⼒⽣产率的⼀⼤进步，以及他们如何利⽤这些⼯具提⾼表现⽔平，”

Long

解释道。他说

AI

不会取代你，但如果你跟不上，你可能会被懂得如何使⽤

AI

的⼈所替代。预期向统⼀数据的转变，更全⾯地为

AI

使⽤优化的趋势将加速此过程。“⼀个集成的、标准化的数据策略将允商在整个⼯⼚⽹络中部署⼀个

AI

解决⽅案，”

Long

说。AI

还将帮助制造商实现环境⽬标。尽管⼈们⼀直担⼼

AI

对能源的⾼需求，但我们的⾏业专家对此持乐观态度，认为从⻓远来看，AI

将优化资源使⽤，增强产品设计，预测供应链停机时间，并帮助识别制造商从其流程中回收再利⽤的材料的机会。“这是我们从渐进式效率提升转向真正数字化转型的地⽅。”Long表⽰，除了⼈⼯智能，环境问题也在推动制造业的变⾰。“组织⾯临社会和监管压⼒，确实需要减少碳排放量，不仅限于其⾃⾝设施，还包括整个供应链，”Long说道。某省市场正在推动制造业的这种变⾰，⽽数据是关键的推动因素。”主要⾏业预测

|

32⼈⼯智能

+

数据预测

2025某著名企业业倚重人工智能、地理空间数据和货币化人工智能和地理空间数据将彻底改变网络规划。AI

与

5G

将成为

2025

年的主要重点。5G

⽹络的复杂性——物理基础设施、虚拟化⽹络功能的负担以及云要求——代表了⽹络容量和可⽤性的重⼤⻜跃，对于消费者⽽⾔伴随着⾼昂的维护和发展成本。⽹络优化的数据分析⼀直是⼀个⻓期存在的⾏业挑战。⺟语模型和地理空间数据的整合将改变⽹络规划。GSMA

在其《某著名企业经济报告》中预测，到

2030

年，5G

⽹络上的连接数量将从

2023

年的

18%

增⻓⾄

56%。为了满⾜

5G

的⾼速、低延迟和⼤规模连接的承诺，某著名企业组织正在转向⽣成式⼈⼯智能以扩展和优化其⽹络。Snowflake

的全球某著名企业业务负责⼈

Phil

Kippen

表⽰：“以前的事情太复杂了，您试图运⾏数据集并就⾮常具体的主题或问题得出结论，但您可能甚⾄没有评估正确的数据集。有了⽣成式⼈⼯智能，您能够使与数据的互动变得更加容易。”关键⾏业预测

|

33⼈⼯智能

+

数据预测

2025他说，⽹络运营商现在可以提出明确的问题，⽐如我可以在哪⾥增加容量以最⼤化收⼊、保持运⾏时间或提⾼稳定性？我们展望，开放平台和开放基础设施⼤⼤降低了复杂性，降低了⻔槛，使更多的参与者可以加⼊游戏。这对最终⽤⼾更有利，对运营成本将产⽣重⼤影响。地理空间数据增加了另⼀层洞察，使某著名企业提供商可以充分了解不同环境下的⽹络性能。借助地理空间数据，供应商可以看到他们在特定区域经历了⽹络波动，并分析地形、天⽓条件、建筑密度以及影响服务质量的其他因素等。供应商将更加了解情况，更能够合理分配资源来解决⼿头的问题。开放集成创造了⼀个共同环境，各种供应商可以连接其解决⽅案，打破⽹络组件和供应商之间的壁垒，制定更加灵活、⾼效和具有成本效益的⽹络解决⽅案。更多某著名企业服务提供商将把订户洞察销售给广告商，作为一个新的收入来源。有了这两种技术的⽀持，某著名企业提供商可以创建数字孪⽣体——⽹络基础设施的虚拟表⽰，提供对⽹络性能和优化机会的前所未有的洞察。为了多样化收⼊来源并弥补5G所需的巨⼤投资，更多某著名企业提供商将把其⼤量匿名订⼾洞察卖给⼴告商。“提供商正在对订⼾洞察数据进⾏匿名化和丰富化，并将其销售给客⼾，然后在其⽹络上和向其客⼾进⾏⼴告投放，”基⽰。“他们正在通过多种⽅式变现数据。”服务提供商将转向开放式集成平台。随着⾏业不断⾯对增加的复杂性并加快基于数据驱动的转型需求，它将寻求开放式集成作为减少部署⼯作量和某省市时间的⼀种途径。“总是朝着开放性⽅向努⼒，”

Kippen说。“这很重要，因为这对于某著名企业提供商来说将是⼀次巨⼤的转变，使它们在数据经济中重新定位为服务提供商和宝贵的消费者洞察来源。」这将是某著名企业提供商的⼀场巨⼤转变，将它们重新定位为数据经济中既是服务提供商⼜是消费者⻅解宝贵来源。关键⾏业预测

|

34⼈⼯智能

+

数据预测

2025公共部门在拥抱人工智能的同时确保数据隐私的高标准对于联邦政府来说，数据隐私和数据归属权将成为重中之重。众所，公共部⻔——联邦⽂职、国家安全和教育——在拥抱数字化转型举措⽅⾯往往滞后。但事实上，这⼀现实可能使该⾏业从⽣成式⼈⼯智能中受益最多。鉴于公共部⻔在IT和数据科学专业⼈才短缺的情况下，⼈⼯智能帮助⾮技术⼈员处理数据的承诺可能是⼀种曙光。在联邦⽂职政府中，围绕⼈⼯智能的对话主要集中在隐私和数据归属权上。Snowflake公司的全球公共部⻔负责⼈·张解释说，尽管需要三到五年时间，“数据所有权实际上是以个体选⺠为单位确定的。我们开始看到个⼈可以决定是否授权访问我的数据。”

尽管这必将对隐私监管产⽣重⼤影响，但也引发了有关数据归属权的问题。公共部⻔在采⽤⼈⼯智能⽅⾯⾯临着特殊的挑战。预算限制使得负担艰难；关键技术⼈员的匮乏使得实施困难；⽽公共服务使得确保正确⽔平的隐私保护和透明度尤为关键。主要⾏业预测

|

352025年⼈⼯智能+数据预测4⽉份社会保障号码的主要泄漏并⾮公共机构的违规⾏为，⽽是私营机构国家公共数据的违规⾏为。⽰，如果数据被视为属于其所识别的个⼈⽽不是政府所有，泄漏的可能性就会降低。⼈⼯智能⽆⼈机应⽤。在接下来的⼀年⾥，我们将看到教育科技继续解决这⼀问题，更重要的是开始汇聚所有数据，帮助指导⾏业应对更⼤的问题，如全⾯学⽣⽣命踪。在国家安全⽅⾯，⾯临的最⼤挑战之⼀是为未知情况做好准备。模拟并⾮新鲜事。但⽀持计算需求和AI培训计划确实是新事物。在⼴泛使⽤模拟之前，政府必须⽤传统⽅法培训⼯作⼈员。他预计，⼈⼯智能的到来在公共部⻔将会延迟。他说：“政府有更⾼级别的标准，因为它是为⼈⺠的。”他说：“如果我们有⼀个概念，即这些数据并不属于他们，我允访问这些数据，”“那么安全性、政策、隐私和数据驻留框架将完全不同。”但他指出，⼈⼯智能将充当数据素养的催化剂，尽管转变可能会较慢，但应该会产⽣巨⼤影响。这个概念将融⼊基于公众的医疗保健系统。加拿⼤、英国、欧盟和其他单⼀⽀付系统的政府官员越来越认识到他们在数据⽅⾯的⻆⾊，不是数据的所有者。“实际上没有办法在战争、经济交流或对关键基础设施的⽹络攻击⽅⾯进⾏训练计划，”。“但现在可以在模拟中运⾏这些东西。”这些合成数据将代表经济、交通模式、天⽓系统等，⽤于制定未来的国家安全决策。人工智能对国家安全的最大影响将是无人机和模拟。在国家安全领域，⼈⼯智能将极⼤地影响对⽆⼈机的使⽤。教育科技将需要解决数据孤岛的问题。教育将因为涉及到很多软件⽽⾯临挑战。“充满了⼤量的单⼀应⽤程序，并且他们倾向于购买全部应⽤程序，”。“这似乎很奇怪，因为它是硬件，但实际上有很多软件涉及其中，”。明年，我们将看到⼈⼯智能使得⽆⼈机更加⾃主，提⾼对⽆⼈机所收集的⼤量信息的数据分析能⼒，等等。随着第N代⼈⼯智能的不断发展，我们可以期待越来越复杂的“所以他们的数据隔离问题⾮常严重”关键⾏业预测

|

36⼈⼯智能

+

数据预测

2025零售和消费品在实现GEN

AI的增量成功的基础上迅速建设零售商的数据战略在2025年将主要包括三个要素:“从穿越⼤洋的船只到运货到您的配送中⼼和商店的卡⻋，可能会涉及数⼗家不同的公司，如果零售商没有建⽴安全合作的⽅法，他们可能实现的效率上限将受到限制，”Nanisetty说。“此外，推动数据的可访问性⾄关重要，以确保所有系统都能看到关键数据和指标。”安全地进⾏和外部合作，实现⽣成式AI的操作化，并更深⼊地整合传统机器学习和深度学习，来⾃雪花公司零售数据和技术全球主管Prabhath

Nanisetty说。“GEN

AI将继续是⼀个关注重点，”Nanisetty说。“但我们还将看到更多的机器学习和数据科学在更多⽤例中的采⽤，除了隐私保护技术的爆炸，随着营销变得对零售商增⻓战略更为核⼼。”作为零售商进入GEN

AI时，前线生产力将成为主要关注焦点。随着零售领导者试图影响更积极的客⼾情绪，⼈关注的是店内体验。对于这些领导者来说，在正确的位置提供适当的商品可能是经验中最重要的部分，并且⼈⼯智能和先进技术将显着改变店内库存管理。零售商继续⾯临重⼤供应链挑战，扰乱库存维护、准时交付、运营成本和客⼾情绪关键⾏业预测

|

37⼈⼯智能

+

数据预测

2025在有意义的情况下，⼀线零售员⼯可以专注于需要⼈类参与的⾼价值任务，如客⼾互动和协助，促销展⽰和商店设计。“领导者将开始在他们已经可以访问的良好数据存在的领域下进⾏投注，”

Nanisetty说。“如果他们拥有这些数据的完整性以及可⾏格式，并且使⽤案例与企业的优先事项相关联，那么值得测试并宣传成功。”领先的零售商将迅速在增量人工智能成功的基础上构建。他说，对于⽣成式⼈⼯智能的投资回报率存在很多失望，这不是⼀个⼈⼯智能问题，⽽是⼀个数据策略问题。随着零售商改善其数据基础并将⼈⼯智能策略与关键增⻓杠杆相⼀致，沮丧情绪应该会减轻。随着零售商探索哪些⼈⼯智能应⽤案例值得投资，他们应考虑三个因素——哪⾥有好的数据存在，哪⾥可以快速做出决策，以及哪⾥的影响可以迅速量化。去年是⼈⼯智能实验的⼀年。售商发现⾃⼰在⼈⼯智能上花钱，却未必⻅到回报。“在未来的三年⾥，更冷静的头脑将战胜⼀切，”他说。“我们希望利⽤正确的技术实现可持续增⻓。⽣成式⼈⼯智能是包含机器学习、数据科学、数据协作和更好数据在内的