手机网站建设图片素材_进货批发网站哪个好_2022智慧树互联网与营销创新_最新seo操作

原文地址

摘要

人工智能融入经济提出了许多引人注目的问题。一些人预测，人工智能将推动生产力的提高，但其影响程度仍不确定。一个主要的担忧是大规模劳动力转移的可能性-工作将在多大程度上被自动化而不是被人工智能增强？各行业的公司已经在以各种方式利用人工智能，但世界上一些地区正在目睹更多的投资流入这一变革性技术。此外，投资者的兴趣似乎正被自然语言处理和数据管理等特定的人工智能子领域所吸引。本章使用来自Lightcast、LinkedIn、Quid、McKinsey、Stack Overflow和国际机器人联合会（IFR）的数据来研究人工智能相关的经济趋势。它首先分析人工智能相关的职业，包括劳动力需求，招聘趋势，技能渗透和人才可用性。然后，本章探讨了企业对人工智能的投资，引入了一个专门关注生成人工智能的新章节。它进一步研究了企业对人工智能的采用，评估了当前的使用情况以及开发人员如何采用这些技术。最后，它评估了人工智能当前和预计的经济影响以及各行业的机器人安装情况。

Chapter Highlights

1. 人工智能投资激增。尽管去年人工智能私人投资总额有所下降，但用于生成人工智能的资金激增，从2022年到2022年几乎翻了八倍，达到252亿美元。生成人工智能领域的主要参与者，包括OpenAI，Anthropic，Hugging Face和Inflection，都报告了大量的筹款活动。
2. 美国已经是一个领导者，在人工智能私人投资方面走得更远。2023年，美国的人工智能投资达到672亿美元，是第二大投资国中国的近8.7倍。自2022年以来，中国和欧盟（包括英国）的私人人工智能投资分别下降了44.2%和14.1%，而美国在同一时间段内显著增长了22.1%。
3. 在美国和地球仪，人工智能工作岗位减少。2022年，人工智能相关职位占美国所有职位的2.0%，这一数字在2023年下降到1.6%。人工智能工作列表的下降归因于领先人工智能公司的职位减少以及这些公司中技术角色的比例减少。
4. AI降低成本，增加收入。麦肯锡的一项新调查显示，42%的受访组织报告称，实施人工智能（包括生成式人工智能）降低了成本，59%的组织报告收入增加。与上一年相比，报告成本下降的受访者增加了10个百分点，这表明人工智能正在推动业务效率的显著提高。
5. 人工智能私人投资总额再次下降，而新投资的人工智能公司数量增加。全球私人人工智能投资已连续第二年下降，尽管降幅小于2021年至2022年的大幅下降。新投资的人工智能公司数量飙升至1，812家，比上年增长40.6%。
6. AI组织采用率上升。麦肯锡2023年的一份报告显示，55%的组织现在至少在一个业务部门或职能中使用人工智能（包括生成式人工智能），高于2022年的50%和2017年的20%。
7. 中国主导工业机器人。自2013年超越日本成为工业机器人领先安装国以来，中国与最接近的竞争对手国家的差距显着扩大。2013年，中国的安装量占全球总量的20.8%，到2022年这一比例将上升到52.4%。
8. 机器人安装的更大多样性。2017年，协作机器人仅占所有新工业机器人安装量的2.8%，到2022年这一数字将攀升至9.9%。同样，2022年，除医疗机器人外，所有应用类别的服务机器人安装量都有所增加。这一趋势不仅表明机器人安装的总体增长，而且还表明越来越重视部署机器人担任面向人类的角色。
9. 数据显示：人工智能使工人更有效率，并带来更高质量的工作。2023年，多项研究评估了人工智能对劳动力的影响，表明人工智能使工人能够更快地完成任务并提高产出质量。这些研究还证明了人工智能缩小低技能工人和高技能工人之间技能差距的潜力。还有其他研究警告说，在没有适当监督的情况下使用人工智能可能会导致性能下降。
10. 财富500强公司开始大量谈论人工智能，尤其是生成式人工智能。2023年，人工智能在394次财报电话会议中被提及（占所有财富500强公司的近80%），比2022年的266次显著增加。自2018年以来，《财富》500强公司的财报电话会议中提到人工智能的次数几乎翻了一番。最常被引用的主题，出现在所有收益电话会议的19.7%，是生成AI。

4.1 What’s New in 2023: A Timeline

本章首先概述了人工智能指数指导委员会选出的2023年一些最重要的人工智能相关经济事件。

2023.03.16
微软宣布将GPT-4整合到Office 365中
微软在Office 365中推出了Copilot，在Word、PowerPoint和Excel中提供人工智能帮助。

2023.03.30
Bloomberg宣布LLM for Finance
彭博的500亿参数LLM是为分析金融数据而定制的，并为金融专业人士量身定制。该模型能够对彭博的广泛数据集进行金融分析。

2023.05.23
Adobe在Photoshop中推出生成AI工具
Adobe通过其生成图像工具Adobe Firefly在Photoshop中引入了生成AI功能。用户现在可以使用文本提示在几秒钟内添加、删除和编辑图像。

2023.06.08
Cohere融资2.7亿美元
Cohere专注于为企业开发人工智能模型生态系统，在超额认购的C轮融资中筹集了2.7亿美元。Inovia Capital领投，Nvidia、Oracle、Salesforce Ventures、Schroders Capital和Index Ventures参与。

2023.06.13
Nvidia估值达到1万亿美元
英伟达的市值一直超过1万亿美元，这是由于对其人工智能芯片的需求不断上升。英伟达成为第五家估值达到1万亿美元的公司，加入了苹果公司的行列。（AAPL.O）、Alphabet公司谷歌（GOOGL.O）、微软（Microsoft Corp.）和亚马逊（Amazon）等公司都在为自己的产品提供支持。com有限公司（AMZN.O）的第一个字母。

2023.06.26
Databricks以13亿美元收购MosaicML
数据存储和管理领域的领导者Databricks宣布以13亿美元收购MosaicML，这是一家成立于2021年的生成式人工智能编排初创公司。此举旨在增强Databricks的生成AI能力。

2023.06.29
Thomson路透社以6.5亿美元收购Casetext
汤姆森路透社完成了对Casetext的收购，Casetext是一家以人工智能驱动的法律助理而闻名的法律的初创公司，收购价格高达6.5亿美元。在收购时，Casetext拥有超过10，000家律师事务所和公司法律的部门的庞大客户群。其旗舰产品之一是CoCounsel，这是一款由GPT4驱动的人工智能法律的助理，可以在几分钟内快速审查文件、法律的研究备忘录、沉积准备和合同分析。

2023.06.30
Inflection AI从比尔·盖茨和英伟达等公司筹集了13亿美元
Inflection AI通过现金和云信用相结合筹集了13亿美元，使公司估值超过40亿美元。Inflection AI由Google DeepMind的Mustafa Suleyman和LinkedIn的Reid霍夫曼创立，正在开发一个名为Pi的“善良和支持”的聊天机器人。这轮融资吸引了微软、英伟达、里德霍夫曼、比尔盖茨和谷歌前首席执行官埃里克施密特的投资。

2023.08.24
拥抱脸从投资者那里筹集了2.35亿美元
Hugging Face是一个致力于机器学习和数据科学的平台和社区，获得了令人印象深刻的2.35亿美元融资，将其估值推高至45亿美元。该平台是构建、部署和训练机器学习模型的一站式目的地。Hugging Face为AI代码库、模型和数据集提供了一个类似GitHub的中心，吸引了行业巨头的极大关注。

2023.09.26
SAP推出新的生成式AI助手Joule
Joule是一款ChatGPT风格的数字助理，集成在SAP的各种产品系列中。Joule将无缝集成到SAP应用程序中，涵盖人力资源、财务、供应链、采购和客户体验。此外，它将被纳入SAP业务技术平台，在SAP近3亿的广泛用户群中扩展其实用性。

2023.10.27
亚马逊和谷歌对Anthropic投资数十亿美元
亚马逊宣布打算向OpenAI的竞争对手Anthropic投资高达40亿美元。这项重大投资是在谷歌同意向Anthropic投资高达20亿美元之后进行的。该交易包括最初的5亿美元预付款，以及随着时间的推移额外投资的15亿美元。

2023.11.05
李开复推出开源LLM
李开复的LLM创业公司公开推出了一种开源模式，并以10亿美元的估值获得了资金，阿里巴巴领导了投资。李开复以其在谷歌中国的领导角色以及建立微软中国研究院（微软的主要国际研究中心之一）而闻名，他是这一计划的带头人。

2023.11.17
OpenAI首席执行官Sam Altman被解雇，然后重新雇用
OpenAI的董事会声称Altman“在沟通中并不一贯坦率”。OpenAI上的混乱。许多员工辞职，745人签署了一封信，威胁辞职，如果现任董事会成员不辞职。几天后，奥特曼复职。

2023.12.11
Mistral AI完成4.15亿美元融资
在筹集了1.12亿美元的种子轮融资后不到六个月，总部位于欧洲的Mistral AI又获得了4.15亿美元的融资。这家初创公司由谷歌DeepMind和Meta的校友共同创立，专注于用开源技术方法开发基础模型，旨在与OpenAI竞争。本轮融资由Andreessen Horowitz牵头，参与方包括Lightspeed Venture Partners、Salesforce、BNP Paribas、General Catalyst和Elad Gil。

4.2 Jobs

AI Labor Demand

本节利用Lightcast的数据分析了劳动力市场对人工智能相关技能的需求。自2010年以来，Lightcast分析了来自51，000多个网站的数亿个招聘信息，确定了那些需要人工智能技能的职位。

Global AI Labor Demand

图4.2.1显示了需要人工智能技能的工作岗位的百分比。2023年，美国（1.6%）、西班牙（1.4%）和瑞典（1.3%）在这一指标上领先。2022年，人工智能相关工作占美国所有工作岗位的2.0%。2023年，这一数字降至1.6%。尽管大多数国家在2022年至2023年期间需要人工智能技能的职位空缺比例有所下降，但在许多国家，过去五年中与人工智能相关的职位空缺数量有所增加。Lightcast推测，2023年人工智能职位空缺的减少是由许多顶级人工智能雇主推动的。（如亚马逊，德勤，Capital One，Randstad和Elevance Health）缩减了他们的整体发布数量。此外，许多公司改变了职位的职业组合。例如，亚马逊在2023年发布了比2022年更高的运营角色，如销售送货司机，包装工和邮政服务/收发室工作人员。与此同时，对软件开发人员和数据科学家等技术职位的需求份额较低。

2023年，Lightcast略微改变了其确定人工智能相关职位发布的方法，而不是以前版本的人工智能指数报告中使用的方法。Lightcast还更新了AI相关技能的分类。因此，本图表中的一些数字与去年报告中的数字不完全一致。

美国人工智能劳动力需求（按技能集群和专业技能划分）

图4.2.2显示了自2010年以来美国劳动力市场上最受欢迎的人工智能技能。引领需求的是机器学习（0.7%）、人工智能（0.5%）和自然语言处理（0.2%）。尽管最近有所下降，但机器学习仍然是最受欢迎的技能。自去年以来，Lightcast跟踪的每一个与AI相关的技能集群的市场份额都有所下降，但生成AI除外，它的市场份额增长了10倍以上。

图4.2.3比较了2023年人工智能职位招聘中寻求的前10项专业技能与2011年至2013年的技能。2在绝对规模上，在过去十年中，几乎每项专业技能的需求都有所增加，Python的受欢迎程度显着增加，突出了其作为首选人工智能编程语言的优势。

之所以选择2011-2013年作为比较点，是因为前几年的工作/技能水平的一些数据相当稀少。因此，Lightcast使用2011-2013年的样本量更大，用于与10年前的基准进行比较。图4.2.3将2011年至2013年需要某些技能的职位发布总数与2023年的总数并列。

在2023年，Lightcast发现美国引用生成AI技能的职位数量大幅增加。那一年，有15,410份招聘信息明确将生成式人工智能列为期望技能，4,669份招聘信息提到了大型语言建模，ChatGPT出现在2,841份招聘信息中（图4.2.4）。

图4.2.5显示了2023年发布的所有生成性人工智能职位招聘中引用特定生成性人工智能技能的比例。被引用最多的技能是生成式AI（60.0%），其次是大型语言建模（18.2%）和ChatGPT（11.1%）。

美国人工智能各行业劳动力需求

图4.2.6显示了从2022年到2023年，美国需要人工智能技能的工作岗位的百分比。与2022年相比，2023年几乎每个行业的人工智能职位比例都有所下降，公共行政和教育服务除外。主要部门是信息（4.6%）;专业、科学和技术服务（3.3%）;金融和保险（2.9%）。如前所述，人工智能职位空缺的减少与美国几家主要雇主的招聘模式变化有关。

美国各州人工智能劳动力需求

图4.2.7突出显示了美国各州的人工智能工作岗位数量。排在前三位的是加州（70,630人），其次是德克萨斯州（36,413人）和弗吉尼亚州（24,417人）。

图4.2.8展示了一个州的总职位发布中与人工智能相关的百分比。根据这一指标，最高的州是哥伦比亚特区（2.7%），其次是特拉华州（2.4%）和马里兰州（2.1%）。

图4.2.9考察了美国哪些州在全国人工智能职位中所占比例最大。加州是第一个：到2023年，美国所有人工智能职位中有15.3%位于加州，其次是德克萨斯州（7.9%）和弗吉尼亚州（5.3%）。

图4.2.10显示了人工智能职位发布最多的四个州的趋势：华盛顿、加州、纽约和德克萨斯。从2022年到2023年，每个地区在人工智能相关职位总数中的份额都出现了显着下降。

图4.2.11显示了与人工智能相关的工作岗位如何随着时间的推移分布在前四个州。自2019年以来，加州的AI职位发布比例稳步下降，而德克萨斯州则略有增加。

人工智能招聘

人工智能指数中提供的招聘数据基于其平台上出现的LinkedIn技能和职位数据集。样本中包含的地理区域每月至少有10名人工智能员工，LinkedIn覆盖了大部分劳动力。LinkedIn对印度和韩国庞大劳动力的覆盖率低于这一门槛，因此对这些国家的见解应特别谨慎。图4.2.12报告了按地理区域划分的相对人工智能雇用率同比比率。总体招聘率计算为在工作开始的同一时期添加新雇主的LinkedIn会员的百分比，除以相应位置的LinkedIn会员总数。相反，相对人工智能人才招聘率是人工智能招聘相对于同一地理区域整体招聘率的同比变化。3因此，图4.2.12说明了与整体招聘率相比，哪些特定地区的人工智能人才招聘增长最显著，作为人工智能招聘活力的指标。2023年，人工智能相对雇佣率最高的地区是香港（28. 8%），其次是新加坡（18. 9%）和卢森堡（18. 9%）。这意味着，例如，在2023年，香港的人工智能人才招聘相对于整体招聘的比例增长了28.8%。
对于每个月，LinkedIn计算地理区域的人工智能招聘率，将人工智能招聘率除以该地理区域的整体招聘率，计算该比率的同比变化，然后使用过去12个月的12个月移动平均值。

图4.2.13显示了过去五年按地理区域划分的人工智能招聘的同比比率。从2023年初开始，包括澳大利亚、加拿大、新加坡和印度在内的国家的人工智能招聘出现了明显的增长。

AI技能穿透

图4.2.14和4.2.15突出显示了相对的AI技能渗透率。该指标的目的是衡量一个实体（如特定国家、行业或性别）的人工智能技能强度。人工智能技能渗透率标志着人工智能技能在职业中的普及程度，或者LinkedIn成员在工作中使用人工智能技能的强度。例如，工程师职业的前50项技能是根据它们在LinkedIn会员个人资料中出现的加权频率计算出来的。例如，如果工程师拥有的四项技能属于人工智能技能组，则人工智能技能在工程师中的渗透率估计为8%（4/50）。从2015年到2023年，人工智能技能渗透率最高的国家是印度（2.8），美国（2.2）和德国（1.9）。因此，在美国，人工智能技能的相对渗透率是全球同类职业平均水平的2.2倍。

图4.2.15按性别分列了不同国家或地区的人工智能技能渗透率。一个国家的女性比例为1.5，这意味着该国的女性成员列出人工智能技能的可能性是所有国家同一系列职业的平均成员的1.5倍。对于样本中的所有国家，男性的相对人工智能技能渗透率高于女性。印度（1.7）、美国（1.2）和以色列（0.9）的女性人工智能技能渗透率最高。

AI人才

图4.2.16至4.2.18按国家分析了人工智能人才。LinkedIn成员被认为是AI人才，如果他们明确地将AI技能添加到他们的个人资料或AI工作中。AI天赋计数用于计算天赋集中度，或AI天赋成员的比例。请注意，集中度指标可能会受到LinkedIn在这些国家/地区的覆盖范围的影响，应谨慎使用。图4.2.16显示了各国人工智能人才的集中度。2023年，人工智能人才集中度最高的国家包括以色列（1.1%）、新加坡（0.9%）和韩国（0.8%）。图4.2.17显示了自2016年以来一些国家人工智能人才集中度的百分比变化。在此期间，几个主要经济体的人工智能人才库大幅增加。增幅最大的国家是印度（263%）、塞浦路斯（229%）和丹麦（213%）。

LinkedIn的数据提供了关于人工智能人才因移民趋势而获得或失去的见解。5净流量定义为给定时间段内的总到达人数减去离开人数。图4.2.19显示了按地理区域划分的每10，000名LinkedIn成员的人工智能人才净迁移。报告人工智能人才移民最多的国家是卢森堡、瑞士和阿拉伯联合酋长国。
LinkedIn会员在不同国家之间的差异很大，这使得解释会员从一个国家到另一个国家的绝对移动变得困难。为了公平地比较各国之间的移徙流动，对有关国家的移徙流动进行了标准化。例如，如果A国是感兴趣的国家，则所有流入和流出A国的绝对净流量（无论来源国和目的地国）都将根据每年年底A国的LinkedIn会员资格进行标准化，并乘以10，000。因此，这一指标表明所有其他国家与A国之间的相对人才迁移。

图4.2.20记录了人工智能人才迁移数据随时间的变化。在过去的几年里，以色列、印度和韩国的人工智能人才净移民数字不断下降，这表明人工智能人才越来越多地流出这些国家。

Highlight: 计算机科学家赚多少钱？
每年，Stack Overflow都会对使用其工具的专业开发人员社区进行调查。该调查的最新版本描述了超过90，000名开发人员。通过这项调查，受访者被问及他们的收入。值得注意的是，这些受访者并不完全与AI合作。然而，检查开发人员的工资可以作为一种手段来近似人工智能相关行业的人才薪酬。图4.2.21按职位分列了专业开发人员的工资。工资因职位和地域而异。例如，全球云基础设施工程师的平均工资为105，000美元。在美国，这样一个职位的平均工资是185，000美元。无论是在全球还是在美国，薪酬最高的职位都是高级管理人员，其次是工程经理。就所有调查的职位而言，美国的工资明显高于其他国家。

4.3投资

该部分利用Quid的数据监测人工智能投资趋势，Quid分析了全球800多万家公司的投资数据，包括公共和私人公司。Quid采用自然语言处理技术，通过大量非结构化的数据集（包括新闻聚合、博客、公司记录和专利数据库）进行筛选，以检测模式和见解。此外，Quid不断扩大其数据库，以纳入更多的公司，有时会导致特定年份的投资量更高。今年人工智能指数的投资部分首次包含了关于生成性人工智能投资的数据。

企业投资

图4.3.1显示了2013年至2023年全球企业人工智能投资的趋势，包括并购、少数股权、私人投资和公开发行。全球企业对人工智能的投资连续第二年出现下降。于二零二三年，总投资下降至1，892亿元，较二零二二年减少约20%。尽管民间投资略有减少，但最明显的下滑发生在并购方面，比上年下降了31.2%。然而，在过去十年中，与人工智能相关的投资增加了13倍。

创业活动

本节分析了自2013年以来获得超过150万美元投资的人工智能初创公司的私人投资趋势。

全球趋势

全球私人人工智能投资连续第二年下降（图4.3.2）。然而，较二零二二年的跌幅较小（-7. 2%），且小于二零二一年至二零二二年的跌幅。尽管最近有所下降，但全球私人人工智能投资在过去十年中大幅增长。

虽然去年人工智能私人投资总体下降，但用于生成人工智能的资金大幅增加（图4.3.3）。2023年，该行业吸引了252亿美元的投资，是2022年的近9倍，是2019年的约30倍。此外，2023年，生成型AI占所有AI相关私人投资的四分之一以上。

有意思的是，新融资的人工智能企业数量跃升至1,812家，较上年增长40.6%（图4.3.4）。图4.3.5可视化了人工智能私募投资事件的平均规模，计算方法是将每年的人工智能私募投资总额除以人工智能私募投资事件总数。从2022年到2023年，平均收入略有增加，从3130万美元增加到了3240万美元。


2023年，新获资助的人工智能公司数量显著增加，有99家新初创公司获得资助，而2022年为56家，2019年为31家（图4.3.6）。

图4.3.7报告了按规模分列的人工智能融资事件。2023年，几乎所有融资规模类别的人工智能私人投资活动都有所减少，但超过5亿美元的除外。

按资助额划分的区域比较

美国在人工智能私人投资总额方面再次领先世界。2023年，美国的投资额为672亿美元，大约是第二高的国家中国（78亿美元）的8.7倍，是英国（38亿美元）的17.8倍（图4.3.8）。

当汇总自2013年以来的私人人工智能投资时，国家排名保持不变：美国以3352亿美元的投资领先，其次是中国的1037亿美元，英国为223亿美元（图4.3.9）。

图4.3.10按地理区域查看了人工智能私人投资随时间的变化，表明美国与其他地区之间的私人投资差距差距正在扩大。虽然自2022年以来，中国（-44.2%）和欧盟加上英国（-14.1%）的人工智能私人投资有所减少，但同期美国的人工智能私人投资却大幅增加（22.1%）。

在审查与人工智能相关的投资时，区域人工智能私人投资的差异变得尤为明显。例如，在2022年，美国在生成人工智能方面的投资超过了欧盟和英国的总和约19亿美元（图4.3.11）。到2023年，这一差距扩大到211亿美元。

按新投资的人工智能公司划分的区域比较

本节考察了不同地理区域新资助的人工智能公司的数量。与私人投资的趋势一致，美国以897家新的人工智能公司领先于所有地区，其次是中国的122家，英国的104家（图4.3.12）。

自2013年以来的总体数据也显示出类似的趋势。在过去十年中，美国新投资的人工智能公司数量约为中国的3.8倍，是英国的7.6倍（图4.3.13）。

图4.3.14显示了特定地理区域新资助的人工智能公司的数据，突出了美国持续超过欧盟和英国以及中国的十年趋势。自2022年以来，美国、欧盟和英国的新人工智能公司数量沿着大幅增加，而中国则同比略有下降。

重点领域分析

Quid还按重点领域分解了私人人工智能投资。图4.3.15比较了2023年与2022年按重点领域划分的全球私人人工智能投资。2023年吸引投资最多的重点领域是人工智能基础设施/研究/治理（183亿美元）; NLP和客户支持（81亿美元）;以及数据管理和处理（55亿美元）。人工智能基础设施、研究和治理的重要性反映了对专门构建人工智能应用程序的公司的大量投资，如OpenAI、Anthropic和Inflection AI。图4.3.16显示了人工智能重点领域投资的长期趋势。如前所述，去年大多数重点领域的投资都有所下降。相反，自2022年以来出现增长的一些领域包括人工智能基础设施/研究/治理和数据管理、处理。尽管医疗保健以及自然语言处理、客户支持方面的投资目前仍然可观，但在2021年达到顶峰，此后有所下降。

最后，4.3.17显示了在选定的地理区域内，随着时间的推移，私人投资在人工智能领域的重点领域，突出了人工智能领域的私人投资优先事项在不同地理区域之间的差异。人工智能基础设施/研究/治理的显著增长主要是由美国的投资推动的。美国在几乎所有重点领域类别的投资都大大超过中国、欧盟和联合王国。一个值得注意的例外是面部识别，2023年美国的投资总额为9000万美元，中国为1.3亿美元。同样，在半导体投资方面，中国（6.3亿美元）与美国（7.9亿美元）相差不远。

4.4企业活动

本节探讨了企业对人工智能的实际应用，重点介绍了行业采用趋势，企业如何整合人工智能，被认为最有益的特定人工智能技术，以及人工智能采用对财务业绩的影响。

行业采用

本节结合了麦肯锡“2023年人工智能的现状：生成式人工智能的突破年”的见解，以及之前版本的数据。麦肯锡2023年的分析基于对不同地区、行业、公司规模、职能领域和任期的1，684名受访者的调查。今年的麦肯锡调查首次包括了有关人工智能采用和人工智能相关职位招聘趋势的详细问题。

采用AI功能

最新的麦肯锡报告显示，在2023年，55%的受访组织至少在一个业务部门或职能中实施了人工智能，比2022年的50%略有增加，比2017年的20%大幅跃升（图4.4.1）。在过去的五年里，人工智能的采用率已经飙升，在未来，麦肯锡预计，鉴于人工智能技术的进步和采用率，将以更高的频率发生更大的变化。

图4.4.2显示了使用人工智能实现特定功能的受访公司比例。公司可能会报告在多种能力中使用AI。2023年，受访企业最常采用的人工智能用例是联络中心自动化（26%），其次是个性化（23%），客户获取（22%）和基于人工智能的产品增强（22%）。

就嵌入至少一个职能或业务部门的人工智能功能类型而言，如图4.4.3所示，机器人流程自动化在金融服务行业的嵌入率最高（46%）。嵌入率第二高的是虚拟代理，也是在金融服务行业。在所有行业中，嵌入最多的人工智能技术是NL文本理解（30%），机器人流程自动化（30%）和虚拟代理（30%）。

图4.4.4显示了2023年按行业和人工智能功能划分的人工智能采用情况。采用率最高的是技术、媒体和电信的产品和/或服务开发（44%）;其次是技术、媒体和电信的服务运营（36%）以及技术、媒体和电信的营销和销售（36%）。

图4.4.5说明了2022年至2023年按行业和职能划分的人工智能采用率的变化。所有行业中年度增长最大的领域包括营销和销售（18个百分点），产品/服务开发（14个百分点）和服务运营（4个百分点）。相反，在所有行业中，采用率下降最明显的职能包括战略和企业财务（-12个百分点），风险（-9）和人力资源（-2）。

图4.4.6显示了各行业受访者中报告招聘各种人工智能职位的百分比。在所有行业中，受访者表示最大程度地雇用数据工程师（36%），人工智能数据科学家（31%）和机器学习工程师（31%）。值得注意的是，金融服务（44%）和科技、媒体和电信行业（44%）的受访者表示，他们雇佣机器学习工程师的比例很高。

由于采用人工智能，组织经历了成本降低和收入增加（图4.4.7）。受访者最常报告节省成本的领域是制造（55%）、服务运营（54%）和风险（44%）。在收入增长方面，从人工智能中受益最多的职能包括制造（66%），营销和销售（65%）以及风险（64%）。图4.4.7显示，大量受访者报告使用人工智能降低了成本（42%），增加了收入（59%），这表明人工智能切实帮助企业提高了利润。将今年的平均数与去年的平均数进行比较，发现所有活动的成本下降率增加了10个百分点，收入增加率减少了4个百分点。

图4.4.8显示了按组织划分的全球人工智能采用情况，并按世界各地区进行了细分。2023年，每个接受调查的地区都报告人工智能采用率高于2022年。最显著的同比增长出现在欧洲，那里的组织采用率增长了9个百分点。北美仍然是人工智能采用的领导者。大中华区的人工智能采用率也大幅上升，比去年增长了7个百分点。

采用生成式人工智能功能

组织如何部署生成式AI？8图4.4.9突出显示了在特定功能中使用生成式AI的受访者比例。受访者可能会表示他们部署AI用于多种目的。最常见的应用程序是生成文本文档的初稿（9%），紧随其后的是个性化营销（8%），摘要文本文档（8%）和创建图像和/或视频（8%）。大多数报告的主要用例都在营销和销售职能中。

图4.4.10比较了报告在给定功能中使用人工智能与专门使用生成型人工智能的受访者比例。9图4.4.10说明了生成型人工智能在企业中渗透一般人工智能使用模式的程度。当在功能层面进行分析时，组织内AI和生成AI的使用显示出类似的分布模式。总体而言，通用AI仍占主导地位。生成式人工智能最常见的功能应用是营销和销售（14%），产品和/或服务开发（13%）和服务运营（10%）。

图4.4.11描述了世界不同地区企业之间生成性人工智能使用的变化。在所有地区，组织对生成式AI的采用率为33%。这一数字明显低于所有地区报告使用人工智能的企业百分比（55%），这在前面的图4.4.8中有记录。北美以40%的采用率领先，紧随其后的是发展中市场（包括印度，拉丁美洲和中东和北非地区）。

开发人员使用AI

计算机开发人员是最有可能在专业环境中使用AI的人之一。随着人工智能越来越融入经济，跟踪开发人员如何利用和感知人工智能变得越来越重要。Stack Overflow是一个面向计算机程序员的问答网站，每年都会对计算机开发人员进行一次调查。2023年的调查有超过90，000名开发人员的回复，其中首次包括关于人工智能工具使用的问题，详细介绍了开发人员如何使用这些工具，哪些工具受到青睐，以及他们对所使用工具的看法。

Preference

图4.4.12突出显示了使用特定AI开发工具的受访者比例。根据调查，56.0%的受访者表示使用GitHub的Copilot，其次是Tabnine（11.7%）和AWS CodeWhisperer（4.9%）。图4.4.13突出显示了哪些AI搜索工具，即使用AI来增强搜索功能的软件应用程序，最受AI开发人员的青睐。根据专业开发人员的说法，最受欢迎的人工智能搜索工具是ChatGPT（83.3%），其次是Bing AI（18.8%）和Wolfram Alpha（11.2%）。

云平台是人工智能生态系统的关键要素，提供云计算服务，允许开发人员执行计算密集型人工智能工作。图4.4.14报告了广泛使用特定云平台的受访者比例。根据Stack Overflow的调查，Amazon Web Services（AWS）是专业开发人员中最常用的云平台，53.1%的人报告经常使用。微软Azure紧随其后，为27.8%，谷歌云为24.0%。

Workflow

图4.4.15探讨了AI在开发人员工作流程中的当前和未来集成。绝大多数受访者（82.6%）经常使用AI进行代码编写，其次是48.9%的调试和帮助，34.4%的文档。虽然目前只有23.9%的人使用AI进行代码测试，但55.2%的人表示有兴趣采用AI进行代码测试。

当被问及人工智能工具在专业开发中的主要优势时，开发人员的回答是提高生产力（32.8%），加速学习（25.2%）和提高效率（25.0%）（图4.4.16）。

图4.4.17显示了专业开发人员对AI工具的看法。绝大多数开发人员对人工智能工具持积极态度，27.7%的人对人工智能工具持积极态度，48.4%的人对人工智能工具持积极态度。只有3.2%的人对AI开发工具表示不满意。

图4.4.18突出显示了开发人员对AI工具的信任程度。更多的开发人员信任AI工具，而不是不信任它们，42.2%的开发人员表示对这些技术具有高度或中度信任。相比之下，27.2%的人对人工智能工具表示一定程度的不信任或高度不信任。

AI对劳动力的影响

在过去的五年里，人工智能与经济的日益融合引发了提高生产力的希望。然而，很难找到可靠的数据来证实人工智能对生产力的影响，因为人工智能的整合程度历来很低。在2023年，许多研究严格审查了人工智能对生产力的影响，为这一主题提供了更确凿的证据。首先，人工智能已被证明能使工人更快地完成任务，并产生更高质量的工作。微软的一项元审查汇总了使用Microsoft Copilot或GitHub的Copilot（基于LLM的生产力增强工具）的员工与未使用该工具的员工的绩效比较研究，发现Copilot用户完成任务的时间比没有人工智能访问的同行少26%至73%（图4.4.19）。

同样，哈佛商学院的一项研究显示，与没有人工智能访问的对照组相比，访问GPT-4的顾问在选定的咨询任务中的生产率提高了12.2%，速度提高了25.1%，质量提高了40.0%（图4.4.20）。同样，美国国家经济研究局的研究报告称，使用人工智能的呼叫中心座席每小时处理的呼叫比不使用人工智能的呼叫多14.2%（图4.4.21）。


一项关于人工智能在法律的分析中的影响的研究表明，获得GPT-4访问权限的团队在各种法律的任务中，特别是在合同起草方面，效率和质量都有显著提高。图4.4.22显示了与对照组相比，使用GPT-4的法律专业学生在一系列任务的工作质量和时间效率方面的改善。虽然人工智能可以协助法律的任务，但也有广泛的报道称，LLM幻觉在法律的任务中特别普遍。

其次，人工智能似乎缩小了低技能和高技能工人之间的绩效差距。根据上述哈佛商学院的研究，两组顾问在采用人工智能后都经历了业绩提升，与高技能顾问相比，低技能顾问使用人工智能的收益明显更大。图4.4.23突出显示了不同技能水平的参与者在一组任务中的表现改善：低技能（下半部分）参与者表现出43.0%的改善，而高技能（上半部分）参与者表现出16.5%的改善。虽然使用人工智能的高技能工人仍然比使用人工智能的低技能工人表现更好，但与不使用人工智能时相比，使用人工智能时低技能工人和高技能工人之间的表现差异显着降低。

最后，虽然人工智能往往会提高质量和生产力，但过度依赖技术可能会损害工人的表现。一项针对专业招聘人员审查简历的研究发现，与没有接受人工智能帮助相比，接受任何人工智能帮助的任务准确性提高了0.6分。然而，被提供“好的人工智能”（被认为是高绩效的）的招聘人员实际上比那些接受“坏的人工智能”（有能力但已知会犯错误）的招聘人员表现更差（图4.4.24）。后两组之间的表现差异为-1.08分。该研究认为，使用“好AI”的招聘人员变得自满，过度信任AI的结果，而不像那些使用“坏AI”的招聘人员，他们在审查AI输出时更加警惕。

财报电话会议

下一节介绍了Quid的数据，该公司使用自然语言处理工具来分析企业财报电话会议的趋势。Quid分析了《财富》500强公司2023年的所有财报电话，确定了所有提到的“人工智能”、“AI”、“机器学习”、“ML”和“深度学习”。

综合趋势

过去一年，财富500强公司财报电话会议中提及人工智能的次数显着增加。2023年，394次财报电话会议（占所有财富500强公司的近80%）中提到了人工智能，高于2022年的266次（图4.4.25）。自2018年以来，《财富》500强公司的财报电话会议中提到人工智能的次数几乎翻了一番。

具体主题

在财富500强的财报电话会议中提到人工智能与2023年的广泛主题有关。最常被引用的主题是生成性人工智能（图4.4.26），占所有财报电话会议的19.7%。对生成型人工智能的提及从2022年的0.31%增长。其次被提及最多的主题是人工智能投资、人工智能能力扩展和人工智能增长计划（15.2%），其次是公司/品牌人工智能（7.6%）。

Highlight: 预测人工智能的经济影响
2023年，一些新发布的分析旨在预测和更好地了解人工智能的未来经济影响。麦肯锡（McKinsey）最近的一份报告研究了生成式人工智能可能对各行业收入产生的影响程度。图4.4.27显示了每个行业的预计影响范围，包括占行业总收入的百分比和总美元金额。该报告预计，由于生成式人工智能，高科技行业的收入可能会增加4.8%至9.3%，相当于额外增加2400亿至4600亿美元。银行、制药和医疗产品以及教育是预计将因采用生成式人工智能而增长的其他行业。

上面引用的麦肯锡调查“2023年人工智能状况”询问了商业专业人士对未来三年人工智能对组织劳动力影响的预期。虽然大部分（30%）的受访者预计员工人数几乎没有变化，但43%的受访者认为员工人数会减少（图4.4.28）。只有15%的人认为生成式人工智能会导致员工数量的增加。也有广泛的预测认为，人工智能将导致大量员工的再培训。

关于生成式人工智能对每个业务职能的就业的预期影响，观点各不相同。某些职能部门，如服务运营（54%）、供应链管理（45%）和人力资源（41%），特别有可能经历就业减少（图4.4.29）。

最后，高盛在2023年发布的一份投资报告预测，在全球范围内，人工智能可能会在10年内导致生产率增长1.0%至1.5%（图4.4.30）。尽管该报告预计许多国家将受益于人工智能驱动的生产力增长，但某些地理区域，如香港，以色列和日本，尤其处于有利地位。

4.5 Robot Installations

配备基于AI的软件技术的机器人的部署为AI就绪基础设施的实际应用提供了一个窗口。本节引用了国际机器人联合会（IFR）的数据，IFR是一个致力于推进机器人产业发展的非营利组织。国际机器人联合会每年出版《世界机器人报告》，跟踪全球机器人安装趋势。由于IFR报告的发布时间，最新数据来自2022年。IFR每年都会重新审视前几年收集的数据，如果有更准确的数据，它会偶尔更新数据。因此，今年报告中报告的一些数据可能与往年报告的数据略有不同。

综合趋势

下一节包括工业机器人的安装和操作数据，工业机器人被定义为“自动控制、可重新编程、多用途的机械手，可在三个或更多轴上编程，可以固定在原地或移动的，用于工业自动化应用”。图4.5.1报告了全球每年安装的工业机器人总数。2022年，工业机器人安装量略有增长，553，000台，较2021年增长5. 1%。这一增长反映了自2012年以来安装量增长了三倍多。

全球工业机器人运营存量从2021年的3，479，000台上升至2022年的3，904，000台（图4. 5. 2）。在过去的十年中，工业机器人的安装和使用都在稳步增长。

工业机器人：传统机器人与协作机器人

为人类操作的传统机器人和为人类设计的协作机器人之间存在区别。由于协作机器人的安全性、灵活性、可扩展性和迭代学习能力，机器人界对协作机器人的热情越来越高。图4.5.3按类型报告了世界上安装的工业机器人数量。2017年，协作机器人仅占所有新工业机器人安装量的2. 8%。到了2022年，这一数字上升到了9.9%。

按地理区域

国家层面的机器人安装数据可以表明哪些国家优先考虑将机器人融入其经济。2022年，中国工业机器人安装量为29.03万台，领先全球，是日本5.04万台的5.8倍，是美国3.95万台的7.4倍（图4.5.4）。韩国和德国紧随其后，分别安装了31,170台和25,600台。

自2013年超过日本成为工业机器人的领先安装国以来，中国与最近的国家的差距显著拉大。2013年，中国的安装量占全球总量的20.8%，到2022年，这一比例将上升到52.4%（图4.5.5）。

自2021年以来，中国安装的工业机器人数量已超过世界其他地区的总和，去年这一差距差距进一步扩大（图4.5.6）。这一日益扩大的差距凸显了中国在工业机器人安装方面日益增长的主导地位。

根据IFR报告，大多数国家报告称，从2021年到2022年，工业机器人安装量每年都会增加（图4.5.7）。增长率最高的国家包括新加坡（68%）、土耳其（22%）和墨西哥（13%）。加拿大（-24%）、台湾（-21%）、泰国（-18%）和德国（-1%）报告称，2022年安装的机器人数量少于2021年。

国家级服务机器人数据

另一类重要的机器人是服务机器人，ISO将其定义为“为人类或设备执行有用任务的机器人，不包括工业自动化应用”。[13]例如，这种机器人可以用于医学和专业清洁。于二零二二年，除医疗机器人外，各应用类别安装的服务机器人均较二零二一年增加（图4. 5. 8）。更具体地说，安装在酒店和运输和物流领域的服务机器人数量分别增长了2.3倍和1.4倍。

截至2022年，美国在专业服务机器人制造方面处于领先地位，制造商数量约为下一个领先国家中国的2.06倍（图4.5.9）。德国、日本和法国也有大量的机器人制造商，分别有85，000家、72，000家和53，000家。在大多数接受调查的国家中，这些制造商大多数是老牌企业。

行业和应用类型

图4.5.10显示了2020年至2022年按行业划分的全球工业机器人安装数量。在全球范围内，电气/电子行业以157，000台的机器人安装量领先，紧随其后的是汽车行业的136，000台。自2020年以来，这两个行业的工业机器人安装量持续增长。

图4.5.11显示了2020年至2022年按应用分列的全球工业机器人安装数量。数据表明，搬运是主要应用。2022年，用于处理任务的工业机器人安装量为26.6万台，是焊接（8.7万台）的3.1倍，是装配（6.1万台）的4.4倍。除加工外，各应用类别于二零二二年的机器人安装量较二零二零年均有所增加。

中国对美国

图4.5.12显示了过去三年中国各行业安装的工业机器人数量。2022年，中国工业机器人安装的主要行业是电气/电子（10万台）、汽车（7.3万台）以及金属和机械（3.1万台）。

2022年，美国汽车行业在工业机器人安装方面领先，达到14，500台，大大超过2021年的数字（图4.5.13）。除电子行业外，其他行业于二零二二年的机器人安装量均少于二零二一年。

以上内容全部使用机器翻译，如果存在错误，请在评论区留言。欢迎一起学习交流！

如有侵权，请联系我删除。xingyezn@163.com