在市場環境瞬息萬變的背景下，企業之間的角逐不再單純局限于產品的品質與功能，以及服務的質量與效率，創新能力已然成為企業角逐市場的關鍵要素。

當我們把目光聚焦到2024年的科技圈時，如果要探尋這一年最引人矚目的焦點所在，那么生成式AI無疑會在眾多答案中脫穎而出。回首剛剛過去的2024年，諸多行業紛紛探索如何利用該技術提升運營效率、創新能力和市場競爭力。

試水AI遭遇困境

據國際數據公司(IDC)發布的《全球人工智能和生成式人工智能支出指南》預測，?2025年全球企業在AI解決方案上的支出將達到3070億美元，并且到2028年將增長至6320億美元，復合年均增長率為29.0%。這一系列數據清晰地展現出，人工智能所蘊含的巨大市場需求與發展潛力，同時也預示著在未來幾年，該技術將在各個領域扮演更加重要的角色。

在人工智能飛速發展的當下，一群特殊的參與者值得關注——初創企業，正面臨著諸多挑戰。由于技術儲備不足、資金相對匱乏，以及業務場景適配困難等因素，它們在采用AI技術方面進展緩慢，大多仍停留在測試階段，或是僅開展一些孤立的項目，也難以將其全面、深入地融入自身業務體系，從而導致AI技術的潛力未能在其業務中得到充分釋放。

一面是市場壓力如影隨形，另一面是采用AI面臨困境。初創企業亟需找到破局之法，借助AI技術在激烈的市場競爭中謀得發展契機。

把握AI未來趨勢

值得一提的是，Forrester?Research的2024年AI現狀調查，為我們帶來了新的思路與啟示。調研顯示，三分之二的受訪者認為其組織的AI項目投資回報率即使未達到50%，也可以認為是成功的。對于初創企業而言，無疑是一個積極的信號。

不僅如此，NVIDIA在各個行業領域的專家在前不久對未來一年進行了預測。他們指出，下一個即將到來的重要趨勢是代理式AI，這種自主或“推理型”AI需要使用多樣化的語言模型、精密復雜的檢索增強生成堆棧以及先進的數據架構。這一預測或許能為正在探索AI破局之路的初創企業提供新的方向和可能。具體來看：

第一，多樣化的語言模型

NVIDIA?AI智能體高級研究科學家LINXI(JIM)FAN認為，推理是AI智能體的核心能力。以OpenAI在2024年9月發布的新型大語言模型OpenAI?o1(又稱?“Strawberry”)為例，該模型經過強化學習訓練，可執行復雜推理任務。在回復用戶前，會先生成一條長內部思維鏈，糾正錯誤同時，將復雜步驟拆解為簡單步驟，最后再響應用戶。

展望2025年，大量計算將開始向邊緣推理轉移，這意味著數據的處理和分析將更多地在靠近數據源的設備或邊緣節點進行。在這種情況下，應用程序可能需要成千上萬個的token來處理單次查詢，由于小語言模型能夠在微秒內連續進行多次查詢直至生成答案，因此變得更加節能，對機器人技術的重要性也日益凸顯。借助小型模型，能創造出協助人類完成日常工作的人形機器人和普通機器人，進而推動移動智能應用的發展。

由此可見，大、小模型協同發展已成為人工智能領域的重要趨勢。在此背景下，初創企業可借助這一趨勢，精準錨定自身業務方向，在不同應用場景中充分發揮大、小模型各自優勢，實現差異化競爭。

第二，精密復雜的檢索增強生成堆棧

隨著企業對AI應用的深度與廣度不斷拓展，如何進一步提升AI的效率、增強其分析洞察能力以及優化數據利用，成為了亟待解決的關鍵問題。

在NVIDIA生成式AI軟件副總裁KARI?BRISKI看來，AI編排器、多步推理及AI查詢引擎這三項功能，有望精準解鎖當前AI發展困境。

1、AI編排器：企業將部署大量AI智能體，這些智能體是經過訓練的半自主模型，能夠在企業內部網絡進行客戶服務、人力資源、數據安全等任務。為了更大限度提高這些任務的效率，預計數量不斷增加的AI編排器能夠將人類查詢流暢地引導至多個智能體，綜合結果并加以解釋，從而為用戶提供建議并采取行動。

編排器能夠深入理解內容、具備多語言能力，并能夠流暢處理包括PDF、視頻流等多種數據類型。BRISKI表示，在自學數據飛輪的驅動下，AI編排器將持續完善對特定業務的洞察。以制造業這一具有代表性的領域為例，實時數據的準確分析對于企業的決策制定和運營效率提升至關重要，AI編排器憑借其強大的數據處理能力，能夠對企業生產過程中產生的海量實時數據進行快速、精準且全面地分析，根據生產計劃和供應商談判提出建議來優化供應鏈。

2、多步推理：隨著加速計算和新模型架構的發展，AI模型將應對越來越復雜的問題，并以更高的精準度且更深入的分析作出回答。

借助“多步推理”的功能，大而復雜的問題可以被分解為較小的任務，有時甚至還會進行多次模擬，以便從多個角度解決問題。并且，多步推理還會整合來自各種來源的知識，使AI能夠建立邏輯聯系，并合成不同領域的信息。

這可能會影響金融、醫療健康、科研和娛樂等多個領域。例如，具備多步推理能力的醫療健康模型可以根據患者的診斷、用藥情況和對其他治療的反應，提出一系列建議供醫生參考。

可以肯定的是，多步推理能力必然會在諸多領域掀起一場變革的浪潮。以醫療健康領域為例，具備多步推理能力的先進模型，能夠全面綜合考慮患者的詳細診斷結果、過往用藥情況，以及對其他相關治療手段的反應等多方面信息。通過對這些復雜信息的深度分析與多步推理，提出一系列具有針對性的建議，為醫生的臨床決策提供重要參考。

3、AI查詢引擎：對于擁有PB級數據的企業和研究機構來說，他們所面臨的挑戰是如何快速訪問這些數據并提供可操作的洞察。而AI查詢引擎的出現，將為企業挖掘數據的方式帶來了革命性的變化。基于AI查詢引擎，企業可篩選結構化和非結構化數據，包括文本、圖像和視頻等，利用自然語言處理以及機器學習來理解用戶意圖，并提供更加相關且全面的結果。

這將推動更智能的決策流程，增強客戶體驗并提高各行業的生產力。依靠自身持續學習的能力，AI查詢引擎將創造出能進行自我改進的數據飛輪，幫助應用程序變得更加有效。

總的來說，初創企業應積極探索如何將這些先進的AI功能融入自身的業務流程中，以實現更高的運營效率和更優質的客戶服務。此外，利用好這些工具還可以幫助他們在競爭激烈的市場中找到自己的獨特定位，并加速其成長和發展。

第三，先進的數據架構

算力和網絡作為AI發展的兩大關鍵支柱，缺一不可。它們相互依存、相互促進，共同為AI的蓬勃發展提供了堅實的基礎和有力的保障。

在算力方面，NVIDIA?DGX平臺副總裁CHARLIE?BOYLE預測，液冷AI數據中心正成為新趨勢。當下，大規模設計、部署與運營智能制造會帶來沉重財務負擔，因此，越來越多企業放棄自建AI基礎設施，轉而選擇在托管設施中部署，或按需租用容量。如此一來，企業無須自行安裝與運營，就能充分利用最新的基礎設施。

而在另一邊，AI工作負載持續增長，為實現性能與能效的最大化，企業紛紛將目光投向液冷技術。這一技術轉向，無疑會加速液冷技術在行業內的廣泛應用，使其更快成為AI數據中心的主流解決方案。

在網絡方面，NVIDIA網絡高級副總裁GILAD?SHAINER預測，數據中心架構正朝著統一計算網架構(computing?fabric)演進。在這一架構下，統一計算網能夠讓成千上萬的加速器借助橫向和縱向兩種通信擴展方式，利用英里級長度的線纜，實現多個數據中心設施之間的高效通信。

這種統一計算網涵蓋面向縱向擴展通信的NVIDIA?NVLink網，以及面向橫向擴展通信的智能交換機、SuperNIC和DPU。這些組件不僅有助于在加速器之間安全地傳輸數據，還能在傳輸過程中執行計算，從而最大限度地減少數據移動。尤其值得一提的是，跨越全網的橫向擴展通信對于大規模AI數據中心的部署意義重大，能將AI數據中心從部署到開機運行的時間，從原本的數月乃至數年大幅縮短至數周。

此外，隨著代理式AI工作負載的不斷增長，AI模型的運行模式也發生了變化，不再依賴單一的本地化模型，而是需要多個相關的AI模型之間進行通信并協同工作。在這種情況下，計算網將成為實現實時生成式AI的關鍵所在。

因此，初創企業若要在AI領域立足并取得成功，就必須緊跟算力和網絡的發展趨勢，重視液冷技術和統一計算網架構的應用，積極探索如何利用這些先進技術來優化自身的AI模型訓練、部署和運行，從而降本增效。

用好AI關鍵在人

眾所周知，人才是企業的第一資源，其重要性不言而喻。NVIDIA開發者技術總監NADER?KHALIL作出預測，到了2025年，提示詞(Prompt)工程師和AI個性設計師將變得廣為人知。隨著企業積極使用AI提高生產力，預計在初創企業和企業中將出現融合新技能和現有技能的新型骨干員工。

具體而言，提示詞工程師專注于為聊天機器人與代理式AI開展提示設計的創建、測試及迭代工作，并在此基礎上，優化AI訓練流程、產出預期結果的精確文本字符串。另外，隨著AI智能體的不斷普及，企業和初創企業將越來越依賴AI個性設計師為智能體賦予獨特的個性。

與此同時，越來越多的初創企業在與投資者及商業伙伴進行交流時，會將?“每位員工的收入貢獻”(RPE)納入重要的洽談話題。

這背后的原因在于，AI對員工工作的輔助作用，促使初創企業管理者的關注點發生轉變，從以往單純追求?“不惜一切代價實現增長”，轉向更加注重新員工如何助力企業內其他員工創造更多收入。在探討AI投資回報，以及在與大型企業和科技公司激烈爭奪人才以填補空缺職位的過程中，RPE成為初創公司的一個很好的切入點。

寫在最后：

盡管初創企業在應用AI技術的道路上面臨諸多挑戰，但只要能夠敏銳把握AI發展趨勢，充分利用多樣化語言模型、精密復雜檢索增強生成堆棧、先進數據架構等技術，重視人才培養與引進，就可以有效地利用AI帶來的機會，推動業務增長和創新，在競爭激烈的市場中謀得一席之地，為企業的長遠發展奠定堅實基礎。