景JoshBuilta,SeniorDirector,EnterprisePlatforms&Applications人工智能（AI）正以驚人的速度持續(xù)改變我們的日常生活，重塑各行各業(yè)、經(jīng)濟(jì)體系和社會(huì)結(jié)構(gòu)。得益于計(jì)算能力的指數(shù)級(jí)增長(zhǎng)、算法效率的顯著提升以及數(shù)據(jù)的廣泛可用性，人工智能的采用已成為全球商業(yè)戰(zhàn)略的核心組成部分。企業(yè)不再討論是否要整合人工智能，而是專注于如何快速實(shí)施并擴(kuò)展人工智能以獲得競(jìng)爭(zhēng)優(yōu)盡管近期人工智能領(lǐng)域取得了快速進(jìn)展，但我們必須清醒地認(rèn)識(shí)到，這僅僅是發(fā)展的開端。在未來幾年里，人工智能將在解決復(fù)雜挑戰(zhàn)方面發(fā)揮越來越重要的作用——從提升供應(yīng)鏈的韌性到推動(dòng)各行業(yè)的可持續(xù)發(fā)展與效率提未來的人工智能驅(qū)動(dòng)創(chuàng)新將由諸如代理型人工智能（agenticAI）等突破性技術(shù)塑造，這是一種能夠自主決策、以目標(biāo)為導(dǎo)向并僅需極少人類干預(yù)的新一代人工智能系統(tǒng)。與傳統(tǒng)系統(tǒng)通過預(yù)設(shè)輸出響應(yīng)特定輸入不同，代理型人工智能代表了根本性演進(jìn)，將為各行業(yè)開辟全新應(yīng)用場(chǎng)景與可能性。邊緣計(jì)算環(huán)境中更強(qiáng)大的人工智能能力普及，是市場(chǎng)發(fā)展的另一重大演進(jìn)。這一趨勢(shì)正推動(dòng)人工智能與物聯(lián)網(wǎng)（IoT）的融合——這種架構(gòu)轉(zhuǎn)變將催生新的物聯(lián)網(wǎng)應(yīng)用場(chǎng)景并帶來變革性效益。通過賦能實(shí)時(shí)決策、提升安全性及強(qiáng)化運(yùn)營(yíng)韌性，邊緣人工智能有望釋放全新可能性并創(chuàng)造顯著價(jià)值。在這本電子書中，Omdia專家將分享可操作的洞察與實(shí)證研究，助您應(yīng)對(duì)當(dāng)前最關(guān)鍵的人工智能相關(guān)挑戰(zhàn)：克服企業(yè)人工智能擴(kuò)展障礙通過人工智能協(xié)調(diào)轉(zhuǎn)變工作場(chǎng)所動(dòng)態(tài)實(shí)施有效的邊緣人工智能策略保護(hù)人工智能系統(tǒng)免受新興威脅衡量并證明人工智能投資回報(bào)率衡代理型人工智能具備更高的自主性水平，有望帶來變革性EdenZoller,ChiefAnalyst,AppliedAI人工智能代理利用基礎(chǔ)模型和高級(jí)機(jī)器學(xué)習(xí)（ML）技術(shù)（如鏈?zhǔn)酵评恚–oT、記憶模塊及外部工具，能夠自主或在極少人工干預(yù)下主動(dòng)規(guī)劃這引發(fā)了廣泛的關(guān)注，但也帶來了大量炒作，導(dǎo)致人們對(duì)代理型人工智能（agenticAI）的實(shí)際能力產(chǎn)生了不切實(shí)際的期望。Omdia對(duì)代理型人工智能及其組成部分的定義，為理解和評(píng)估代理型人工智能以及該領(lǐng)域供應(yīng)商的產(chǎn)品提供了框架。Omdia的框架還明確了代理型人工智能與生成式人工智能（GenAI）以及傳統(tǒng)機(jī)器人流程自動(dòng)化（RPA）之間的關(guān)系。理解這些技術(shù)之間的差異，有助于明確它們?nèi)绾位パa(bǔ)，以及代理型人工智能的獨(dú)特之處。這對(duì)于設(shè)計(jì)有效的AI戰(zhàn)略至關(guān)重要，無論是從供應(yīng)商路線圖和營(yíng)銷角度，還是從企業(yè)部署戰(zhàn)略角度。代理型人工智能并非單一應(yīng)用或技術(shù)，而是整合多種技術(shù)、方法和組件的架構(gòu)，用于創(chuàng)建高度自主的目標(biāo)導(dǎo)向型人工智能代理。并執(zhí)行復(fù)雜任務(wù)。代理型人工智能的重要發(fā)展方向是多智能體系統(tǒng)，其中專門化的智能體在協(xié)調(diào)框架內(nèi)協(xié)同工作以實(shí)現(xiàn)共同目標(biāo)。多智能體系統(tǒng)通過并行任務(wù)執(zhí)行和分布式工作負(fù)載提升自主性，從而實(shí)現(xiàn)更強(qiáng)的適應(yīng)性和韌性。對(duì)于企業(yè)而言，代理型人工智能可以：提升商業(yè)智能實(shí)現(xiàn)可擴(kuò)展的自動(dòng)化。創(chuàng)建自適應(yīng)工作流在復(fù)雜流程中提供智能協(xié)調(diào)對(duì)于供應(yīng)商而言，代理型人工智能（AgenticAI）為擴(kuò)展現(xiàn)有生成式人工智能（GenAI）和機(jī)器人流程自動(dòng)化（RPA）能力提供了機(jī)遇，可將其轉(zhuǎn)化為涵蓋內(nèi)容生成到自主執(zhí)行的全方位、全棧式解決方案。這使供應(yīng)商能夠追求更大規(guī)模、更復(fù)雜的交易，實(shí)現(xiàn)更深入的企業(yè)集成并提升客戶依賴度。然而，代理型人工智能引入了顯著的復(fù)雜性，既放大現(xiàn)有生成式人工智能的挑戰(zhàn)，又帶來了新的難題。代理型人工智能對(duì)基礎(chǔ)設(shè)施提出更高要求，需要與內(nèi)部系統(tǒng)、外部環(huán)境、工具及數(shù)據(jù)源進(jìn)行集成。代理型人工智能高度自主的特性也引發(fā)了關(guān)于可靠性、透明度和安全性的關(guān)鍵擔(dān)憂。為確保成功實(shí)施，企業(yè)應(yīng)避免盲目采用代理型人工智能，而應(yīng)聚焦于其能力能為簡(jiǎn)單解決方案帶來真正優(yōu)勢(shì)的具體應(yīng)用場(chǎng)景。人工智能成熟度較低的組織可利用預(yù)配置的領(lǐng)域?qū)Ｓ么砘虻痛a平臺(tái)，同時(shí)確保健全的治理框架、持續(xù)監(jiān)控和強(qiáng)大的安全措施。供應(yīng)商應(yīng)整合反饋機(jī)制，使代理在面臨不確定性時(shí)能夠?qū)で笕祟愝斎?，?shí)現(xiàn)全面的數(shù)據(jù)可觀察性，實(shí)施robust驗(yàn)證流程，提供可解釋性工具，并開發(fā)復(fù)雜的多代理協(xié)調(diào)解決方案，以最大化影響力和客戶吸引力。圖1：代理型人工智能的特征定義Source:Omdia本書內(nèi)容源自O(shè)mdia本書內(nèi)容源自O(shè)mdia的四項(xiàng)情報(bào)服務(wù)：WorkplaceTransformationIntelligenceServiceAdvancedComputingIAIApplicationsIntelligenceServiceManagedSecurityServicesIntelligenceServiceSource:Omdia推理服務(wù)面e著不2025年3月，谷歌的Gemma3模型正式發(fā)布。其中，參數(shù)規(guī)模為270億的Gemma3版本在性能上超越了參數(shù)規(guī)AlexanderHarrowell,PrincipalAnalyst,AdvancedComput與此同時(shí)，阿里巴巴的Qwen3-30B在關(guān)鍵基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)于其前代模型，盡管其參數(shù)數(shù)量?jī)H激活了10%。這些進(jìn)展凸顯了近年來人工智能領(lǐng)域發(fā)生的顯著變革。在經(jīng)歷了模型規(guī)模的長(zhǎng)期爆炸式增長(zhǎng)后，市場(chǎng)已轉(zhuǎn)向新一代更小、更專業(yè)化的模型。如圖1所示，2018年至2021年間模型規(guī)模增長(zhǎng)了100倍，但自2023年OpenAI發(fā)布里程碑式的GPT-4以來，再未推出更大規(guī)模的模型。由Meta的LLaMa模型催化的更小規(guī)模模型出現(xiàn)，正在重塑人工智能領(lǐng)域。人工智能工廠的三個(gè)關(guān)鍵績(jī)效指標(biāo)“人工智能工廠”數(shù)據(jù)中心常被比作第二次工業(yè)革命時(shí)期的工廠。關(guān)鍵指標(biāo)與大型工廠相同：吞吐量，通常以每秒處理的令牌數(shù)量為單位，并根據(jù)能耗進(jìn)行標(biāo)準(zhǔn)化。然而，與大型工廠一樣，吞吐量并非唯一指標(biāo)。交互式和自主應(yīng)用程序，以及網(wǎng)絡(luò)物理系統(tǒng)，對(duì)延遲有嚴(yán)格要求。與此同時(shí)，人工智能模型的快速多樣化增添了第三個(gè)維度：產(chǎn)品組合，即工廠能夠生產(chǎn)的不同產(chǎn)品種類。在第三次工業(yè)革命中，那些通過優(yōu)化產(chǎn)品組合來實(shí)現(xiàn)大規(guī)模定制和豐田生產(chǎn)方式的工廠，超越了以吞吐量?jī)?yōu)化為目標(biāo)的第二次工業(yè)革命時(shí)期的工廠。更多模型意味著數(shù)據(jù)中心現(xiàn)在必須學(xué)會(huì)支持產(chǎn)品組合、吞吐量和延遲。這意味著要么維持大量小型單GPU節(jié)點(diǎn)以及機(jī)架級(jí)集群，要么大幅提升多GPU虛擬化技術(shù)，以高效地將小型模型整合到大型GPU中。這還可能意味著對(duì)CPU計(jì)算的需求增加；已有一些證據(jù)表明這種趨勢(shì)正在發(fā)生。小型模型還擴(kuò)大了我們?cè)谶吘売?jì)算中無需涉及數(shù)據(jù)中心即可實(shí)現(xiàn)的功能范圍。岔路口現(xiàn)代人工智能的構(gòu)建者們?cè)谥С志扌湍Ｐ?、打造?qiáng)大的旗艦級(jí)GPU以及構(gòu)建高度集成的晶圓級(jí)和機(jī)架級(jí)系統(tǒng)方面，已經(jīng)迅速變得非常擅長(zhǎng)。NVIDIA的Dynamo項(xiàng)目設(shè)想將整個(gè)數(shù)據(jù)中心視為單一虛擬推理服務(wù)器。然而，這一設(shè)想基于少數(shù)巨型模型的世界。這一愿景并未過時(shí)，但與2021年相比，其確定性已有所降低，且僅是人工智能故事的一部分。Source:Omdia供應(yīng)商應(yīng)始終將混合需求放在心上。更好的GPU（或加速器）虛擬化是一種解決方案，但產(chǎn)品戰(zhàn)略同樣重要。市場(chǎng)可能存在對(duì)現(xiàn)代推理級(jí)GPU的需求缺口，這類GPU需具備高帶寬內(nèi)存與計(jì)算性能的高比例；NVIDIA的A10雖發(fā)布于2020年，但仍因其在小型模型推理中的應(yīng)用而備受青睞。真正注重混合計(jì)算的用戶可能會(huì)對(duì)基于Arm架構(gòu)的服務(wù)器CPU的頂級(jí)產(chǎn)品感興趣；中國(guó)超大規(guī)模云服務(wù)提供商如Qwen的創(chuàng)建者阿里巴巴，可能正在通過這種方式適應(yīng)GPU訪問受限的局面。Oceania,(July2025),Omdia本書內(nèi)容源自本書內(nèi)容源自O(shè)mdia的四項(xiàng)研究服務(wù)：WorkplaceTransformationIntelligenceServiceAdvancedComputingIAIApplicationsIntelligenceServiceManagedSecurityServicesIntelligenceService人工智能的進(jìn)步正在重塑網(wǎng)絡(luò)安全領(lǐng)域，無論是防御方還是攻擊方都試圖利用其技術(shù)能力。JonathanOng,SeniorAnalyst,Cybersecurity近期對(duì)生成式人工智能（GenAI）的關(guān)注已對(duì)三個(gè)主要領(lǐng)域產(chǎn)生了顯著影響：監(jiān)管、工具與威脅，以及人才。生成式人工智能和代理式人工智能在2020年代通過其改變工作和日常生活潛力的方式吸引了公眾的關(guān)注。這場(chǎng)人工智能革命得益于海量訓(xùn)練數(shù)據(jù)、硬件改進(jìn)（如專用人工智能芯片）、神經(jīng)網(wǎng)絡(luò)算法的突破，以及學(xué)術(shù)界與產(chǎn)業(yè)界之間的協(xié)作生態(tài)系統(tǒng)；所有這些都得到了全球大量投資的支持。絡(luò)安全領(lǐng)域，無論是防御方還是威脅行為者都已利用人工智能多年。然而，保障人工智能工作負(fù)載和模型的安全代表著一個(gè)新的挑戰(zhàn)領(lǐng)域，需要在三個(gè)方面實(shí)現(xiàn)突破：1.通過實(shí)施防止數(shù)據(jù)泄露、越獄和提示注入的防護(hù)措施，連接到大型語言模型的應(yīng)用程序2.保護(hù)模型本身免受盜竊、篡改和中毒，同時(shí)加強(qiáng)開發(fā)人員訪問模型時(shí)的基本安全措施3.通過改進(jìn)數(shù)據(jù)衛(wèi)生實(shí)踐、治理和溯源，確保數(shù)據(jù)安全，然后再進(jìn)行定制網(wǎng)絡(luò)安全應(yīng)用程序盡管人工智能涵蓋了多種模型類型，并在各行業(yè)中有著廣泛的應(yīng)用，但生成式人工智能（通過現(xiàn)有數(shù)據(jù)生成新內(nèi)容）和判別式人工智能（通過學(xué)習(xí)決策邊界對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行分類）目前在網(wǎng)絡(luò)安全應(yīng)用中占據(jù)主導(dǎo)地位。人工智能承諾能夠自動(dòng)化復(fù)雜任務(wù)，這使其在軟件開發(fā)、數(shù)據(jù)分析和網(wǎng)絡(luò)安全等成本密集型領(lǐng)域特別具有吸引力。當(dāng)前的人工智能熱潮促使組織在眾多應(yīng)用場(chǎng)景中部署人工智能，其中包括網(wǎng)隨著人工智能（AI）在企業(yè)運(yùn)營(yíng)中扮演越來越重要的角色，組織必須調(diào)整其安全策略，以保護(hù)這些寶貴的新資產(chǎn)，同時(shí)利用AI的能力來提升整體安全態(tài)/om128529/market-landscape-CybersecurityDecisionMakerSurveAIReadinessReport,Kyndryl(January20能物聯(lián)網(wǎng)部署正逐步成熟，越來越多的組織開始尋求從海量數(shù)據(jù)中獲取更多洞越來越多的組織開始借助人工智能（AI）/機(jī)器學(xué)習(xí)（ML）和邊緣計(jì)算技術(shù)，以實(shí)現(xiàn)對(duì)運(yùn)營(yíng)環(huán)境的實(shí)時(shí)洞察（見圖1）并提升自動(dòng)化水平。人工智能與物聯(lián)網(wǎng)的融合，使得從制造設(shè)備預(yù)測(cè)性維護(hù)到RPM醫(yī)療設(shè)備心率異常檢測(cè)等應(yīng)用場(chǎng)景成為可能。物聯(lián)網(wǎng)應(yīng)用形式多樣傳統(tǒng)上，大多數(shù)物聯(lián)網(wǎng)終端設(shè)備的計(jì)算處理能力較低。這些終端設(shè)備收集的數(shù)據(jù)必須通過網(wǎng)絡(luò)傳輸?shù)街醒霐?shù)據(jù)中心（即云端）進(jìn)行存儲(chǔ)和處理，然后才能采取任何行動(dòng)。雖然這種模式適用于許多物聯(lián)網(wǎng)應(yīng)用，但越來越多的應(yīng)用場(chǎng)景需要實(shí)時(shí)決策且網(wǎng)絡(luò)延遲極低，因此終端設(shè)備與云端之間傳輸信息時(shí)的延遲變得不可接因此，人們開始轉(zhuǎn)向邊緣計(jì)算，并越來越關(guān)注智能終端本身，這導(dǎo)致了更高程度的去中心化。將更多計(jì)算能力和決策權(quán)轉(zhuǎn)移到邊緣的優(yōu)勢(shì)在運(yùn)營(yíng)環(huán)境中顯而易見：實(shí)時(shí)處理—通過本地處理數(shù)據(jù)，設(shè)備可以即時(shí)做出決策，無需等待服務(wù)器響應(yīng)。這在實(shí)時(shí)響應(yīng)至關(guān)重要的環(huán)境中尤為關(guān)鍵，例如交通系統(tǒng)、制造環(huán)境或醫(yī)療領(lǐng)域。數(shù)據(jù)隱私—在運(yùn)營(yíng)技術(shù)（OT）與信息技術(shù)（IT）系統(tǒng)之間實(shí)現(xiàn)數(shù)據(jù)隔離或分區(qū)的能力至關(guān)重要，尤其是在涉及關(guān)鍵基礎(chǔ)設(shè)施（如電力電網(wǎng)）時(shí)。在離線狀態(tài)或解耦方式下運(yùn)行AI和ML的能力，為提升運(yùn)營(yíng)環(huán)境和降低連接系統(tǒng)相關(guān)風(fēng)險(xiǎn)帶來了重大機(jī)遇。網(wǎng)絡(luò)效率—通過本地?cái)?shù)據(jù)處理，傳輸成本顯著降低，從而降低了采用和實(shí)施的門檻。圖1：您的物聯(lián)網(wǎng)部署策略中包含哪些服務(wù)？Source:Omdia更小、更具成本效益的開源模型正推動(dòng)AI創(chuàng)新，尤其惠及智能手機(jī)、個(gè)人電腦、機(jī)器人及物聯(lián)網(wǎng)設(shè)備等邊緣設(shè)備。這些緊湊型模型可本地部署，因此對(duì)重視數(shù)據(jù)隱私的組織以及開發(fā)需要超低延遲的邊緣AI應(yīng)用的供應(yīng)商極具吸引力。仍存在需要克服的障礙。精簡(jiǎn)模型運(yùn)行時(shí)將需要顯著的計(jì)算能力。此外，精簡(jiǎn)模型可能在復(fù)雜推理任務(wù)上有所妥協(xié)：為特定應(yīng)用定義的模型可能在物聯(lián)網(wǎng)環(huán)境的長(zhǎng)期生命周期中變得過時(shí)。物聯(lián)網(wǎng)高度分布式，這意味著本地模型的協(xié)調(diào)可能僅適用于特定運(yùn)行環(huán)境。然而，小型化模型的進(jìn)展已為更多云-邊緣混合部署打開了大門，使智能能摩爾定律表明，專用且更強(qiáng)大的硬件將繼續(xù)向邊緣普及，這將推動(dòng)AIoT在未來幾年持續(xù)發(fā)展。人工智能供應(yīng)商如何提供幫助企業(yè)繼續(xù)面臨在采用和擴(kuò)展人工智能（無論是預(yù)測(cè)型還是生成型）時(shí)遇到的重大障礙，其中安全和數(shù)據(jù)隱私問題被列為主要障礙，其次是合規(guī)問題、集成復(fù)雜性和人才短缺。許多企業(yè)難以應(yīng)對(duì)未針對(duì)現(xiàn)代人工智能工作流程設(shè)計(jì)的遺留系統(tǒng)，這導(dǎo)致與技術(shù)棧、數(shù)據(jù)格式和API的兼容性問題。數(shù)據(jù)質(zhì)量仍是一個(gè)根本性障礙，而預(yù)算限制和不明確的投資回報(bào)率進(jìn)一步complicate投資決策。生成式人工智能不僅加劇了現(xiàn)有挑戰(zhàn)，還引入了一些新問題，包括欺詐風(fēng)險(xiǎn)、內(nèi)容生成不準(zhǔn)確、版權(quán)侵權(quán)、輸出偏見以及信任喪失等擔(dān)憂。盡管面臨這些挑戰(zhàn)，人們對(duì)人工智能的信心依然堅(jiān)定，大多數(shù)企業(yè)預(yù)計(jì)人工智能預(yù)算將繼續(xù)增加。盡管經(jīng)濟(jì)不確定性、投資回報(bào)率（ROI）不明朗以及人工智能（AI）的過度趣與實(shí)驗(yàn)，尤其因?yàn)榇硇虯I能夠在生成式AI投資的基礎(chǔ)上進(jìn)行擴(kuò)展和深克服這些采用障礙的組織報(bào)告了顯著的益處，特別是在研發(fā)加速和客戶智能這表明，隨著人工智能計(jì)劃的成熟，解決技術(shù)債務(wù)和其他采用障礙可以釋放巨大的商業(yè)價(jià)值，而更多的人工智能概念驗(yàn)證項(xiàng)目將過渡到生產(chǎn)階段。人工智能供應(yīng)商可通過開發(fā)以安全設(shè)計(jì)原則為導(dǎo)向并注重?cái)?shù)據(jù)隱私保護(hù)的綜合解決方案來應(yīng)對(duì)這些挑戰(zhàn)。他們應(yīng)提供符合行業(yè)特定監(jiān)管要求的定制化人工智能治理框架，尤其針對(duì)在合規(guī)方面面臨困難的小型企業(yè)。供應(yīng)商應(yīng)提供：連接傳統(tǒng)系統(tǒng)與現(xiàn)代人工智能工作流的集成中間件低代碼/無代碼平臺(tái)，以幫助克服人才短缺問題具備邊緣人工智能能力和輕量級(jí)模型的可擴(kuò)展基礎(chǔ)設(shè)施清晰的投資回報(bào)率測(cè)量工具沒有什么比客戶成功故事和真誠(chéng)合作更能有效地建立更深厚的忠誠(chéng)度和促進(jìn)持續(xù)互動(dòng)：積極傾聽、持續(xù)學(xué)習(xí)，并開放地分享知識(shí)和經(jīng)驗(yàn)。這種協(xié)作方法將使組織能夠充分發(fā)揮人工智能的全部潛力?！?om121998/generative-ai-·/om122183/generative-ai-enterprise-survey-early-adopt·/om124896/2024-ai-maturisurvey-analysis-deployment-use-cases-and-compliance·/om12·/om121794/ai-market-人工智能能力的快速發(fā)展，使得這項(xiàng)技術(shù)逐漸融入到工作場(chǎng)所的方方面面。AdamHoltby,PrincipalAnalyst,WorkplaceTransforma然而，隨著新機(jī)遇和速度的到來，也帶來了新的復(fù)雜性和安全隱患。從官方認(rèn)可的解決方案到嵌入員工日常使用的流行辦公解決方案中的新人工智能功能，組織正在處理一個(gè)由智能系統(tǒng)和應(yīng)用程序組成的拼湊系統(tǒng)。挑戰(zhàn)在于，企業(yè)如何在不讓人工智能陷入混亂的情況下，最大化其在工作場(chǎng)所的價(jià)值。一套新興的工作場(chǎng)所人工智能編排能力正在開發(fā)中，以應(yīng)對(duì)這一挑戰(zhàn)。這些平臺(tái)：為人工智能的無序擴(kuò)張?zhí)峁┙Y(jié)構(gòu)化框架作為孤立系統(tǒng)之間的連接紐帶促進(jìn)人工智能代理之間的無縫協(xié)作對(duì)模型部署和應(yīng)用實(shí)施必要的治理措施這是關(guān)鍵供應(yīng)商正在投資的領(lǐng)域，ServiceNow、微軟、IBM和Cognigy等公司近幾個(gè)月均宣布了人工智能編排能力，旨在幫助企業(yè)將分散的人工智能努力整合為協(xié)調(diào)的企業(yè)智能。但這不僅僅是供應(yīng)商的舉措；新的標(biāo)準(zhǔn)，如模型上下文協(xié)議（MCP），正在為更智能、更集成的人工智能系統(tǒng)奠定基礎(chǔ)，尤其是在與代理型人工智能相MCP正成為旨在以負(fù)責(zé)任、結(jié)構(gòu)化方式在企業(yè)范圍內(nèi)擴(kuò)展AI應(yīng)用的編排平臺(tái)的必備組件。這些編排平臺(tái)超越了基本集成能力。它們作為孤立系統(tǒng)之間的連接紐帶，促進(jìn)AI代理之間的無縫協(xié)作，并實(shí)施對(duì)模型部署、應(yīng)用方式及生成結(jié)果的必要治理。本質(zhì)上，它們幫助企業(yè)克服碎片化，為人工智能的使用和管理建立一個(gè)更智能、更具凝聚力的基礎(chǔ)。正如API革命性地改變了應(yīng)用程序之間的通信方式，人工智能編程平臺(tái)也將重新定義人工智能代理的交互方式——例如，一個(gè)分診機(jī)器人可以將任務(wù)交接給第三方解決方案代理，所有這些都在一個(gè)統(tǒng)一、凝聚且受治理的系統(tǒng)下缺乏編程機(jī)制，工作場(chǎng)所的人工智能可能仍處于碎片化且被低估的狀態(tài)。借助編程機(jī)制，組織可將分散的解決方案和能力整合為一個(gè)統(tǒng)一的智能層，并實(shí)現(xiàn)跨業(yè)務(wù)職能的擴(kuò)展。在當(dāng)今以人工智能驅(qū)動(dòng)的工作場(chǎng)所，編排智能流職場(chǎng)人工智能競(jìng)賽中供應(yīng)商的三大戰(zhàn)略要?jiǎng)?wù)工作場(chǎng)所人工智能能力涵蓋了多種不同的應(yīng)用場(chǎng)景和價(jià)值主張。然而，Omdia的研究揭示了企業(yè)希望供應(yīng)商幫助其克服的共同挑戰(zhàn)。支持理解投資回報(bào)率理解并報(bào)告工作場(chǎng)所人工智能能力投資的tangible和monetary價(jià)值是企業(yè)領(lǐng)導(dǎo)者的優(yōu)先事項(xiàng)。他們希望技術(shù)供應(yīng)商提供支持。將技術(shù)解決方案與支持和專業(yè)服務(wù)相結(jié)合將至關(guān)重要。Source:Omdia’s2024EmployeeCollaborationandProductivitySurvey差異化至關(guān)重要，尤其是對(duì)新進(jìn)入者而言過去幾年，workplaceAI初創(chuàng)企業(yè)領(lǐng)域吸引了大量新投資。根據(jù)Omdia的2025年數(shù)字工作場(chǎng)所技術(shù)初創(chuàng)企業(yè)投資追蹤報(bào)告，過去兩年間，AI初創(chuàng)企業(yè)獲得的新投資額超過了其他任何數(shù)字工作場(chǎng)所技術(shù)領(lǐng)域。因此，在這樣一個(gè)充滿炒作和投資的領(lǐng)域中建立差異化至關(guān)重要。Source:DigitalWorkplaceTechnologyStartupInvestmentTracker–2025從而促進(jìn)人工智能的廣泛部署。通過供應(yīng)商提供可擴(kuò)展且靈活的許可模式，可以降低成本作為進(jìn)入門檻，從而促進(jìn)人工智能能力的普及。這種方法有助于降低成本方面的進(jìn)入門檻，同時(shí)為人工智能能力提供平等且廣泛的訪問權(quán)限，從而增強(qiáng)這些技術(shù)變革的潛力。若缺乏適當(dāng)?shù)恼希ぷ鲌?chǎng)所的人工智能可能仍處于碎片化且被低估的狀態(tài)。那些戰(zhàn)略性地實(shí)施整合平臺(tái)的組織將更好地利用人工智能作為一個(gè)統(tǒng)一的認(rèn)知基礎(chǔ)設(shè)施層的全部潛力。本電子書內(nèi)容來源于本電子書內(nèi)容來源于Omdia的四項(xiàng)研究服務(wù)：WorkplaceTransformationIntelligenceServiceAdvancedComputingIAIApplicationsIntelligenceServiceManagedSecurityServicesIntelligenceService敗人工智能風(fēng)靡一時(shí)AdamEtherington,SeniorPrincipalAnalyst,DigitalEnterpriseServices承諾進(jìn)行快速追逐的過程中，是否注定會(huì)重蹈覆轍？盡管人工智能在顛覆IT、業(yè)務(wù)流程和客戶體驗(yàn)方面的潛力備受炒作，但重大挑戰(zhàn)正威脅著其成功。根據(jù)Omdia的IT企業(yè)洞察調(diào)查，僅有11%的企業(yè)正在優(yōu)化人工智能以實(shí)現(xiàn)業(yè)務(wù)成果，而近90%的企業(yè)仍處于人工智能采用的早期階段。如果不解決關(guān)鍵的盲點(diǎn)，大多數(shù)人工智能項(xiàng)目將無法實(shí)現(xiàn)規(guī)?；⒆罱K變得無關(guān)緊要。曾被視為一種能夠解決可擴(kuò)展性、性能和成本挑戰(zhàn)的統(tǒng)一架構(gòu)與方法。然而，在實(shí)際部署和管理過程中，安全隱患、供應(yīng)商鎖定、數(shù)據(jù)主權(quán)、性能瓶頸以及高昂的數(shù)據(jù)傳輸成本等問題，促使混合云模型應(yīng)運(yùn)而生。人工智能（AI）的發(fā)展軌跡與之相似，不同基礎(chǔ)設(shè)施、平臺(tái)和地域之間的集成往往雜亂無章。API和MCP雖能提供解決方案，但并非唯一途徑。企業(yè)必Source:Omdia人工智能的成功取決于解決企業(yè)架構(gòu)中的基礎(chǔ)性問題，包括數(shù)據(jù)集成、混合云準(zhǔn)備就緒性以及安全性。盡管取得了進(jìn)展，但北美地區(qū)僅有63%的企業(yè)被認(rèn)為在數(shù)字化轉(zhuǎn)型方面已達(dá)到成熟階段。人工智能的采用面臨著更大的基礎(chǔ)性挑戰(zhàn)，需要在應(yīng)用程序、數(shù)據(jù)和業(yè)務(wù)流程等企業(yè)架構(gòu)領(lǐng)域進(jìn)行大量投資。在技術(shù)棧上投入大量資金并不能克服人工智能的挑戰(zhàn)在不解決根本問題的情況下投資人工智能將導(dǎo)致失敗。企業(yè)必須在三個(gè)維度上做好準(zhǔn)備：技術(shù)、人員和流程。盲目擴(kuò)大人工智能規(guī)模而不考慮這些因素，可能會(huì)浪費(fèi)資源并破壞業(yè)務(wù)目標(biāo)。評(píng)估組織在三個(gè)關(guān)鍵領(lǐng)域的成熟度1.技術(shù)與方法：有效的人工智能需要強(qiáng)大的數(shù)據(jù)發(fā)現(xiàn)、分類和質(zhì)量管理。企業(yè)在擴(kuò)展人工智能之前，必須在治理框架內(nèi)建立安全和隱私保護(hù)