报告概述
本业务创新简报旨在帮助企业领导者了解生成式人工智能的技术原理、业务功能及商业价值。报告介绍了生成式人工智能如何通过基础模型（如大语言模型）生成文本、图像、代码等内容，并覆盖了医疗、金融、汽车、教育、媒体等多个行业的应用场景。同时，报告探讨了企业采纳该技术时的商业考量，包括模型选择、基础设施、负责任的人工智能等。最后，报告提供了亚马逊云科技的相关服务与解决方案，以协助企业快速启动生成式人工智能项目。
报告的核心结论
生成式人工智能将深刻改变企业运营方式
报告指出，生成式人工智能不仅能提升生产力（如代码编写效率提高57%），还能重塑客户体验、优化业务流程。Gartner预计到2025年，30%的对外营销信息将由AI生成，企业需尽早制定战略以保持竞争力。
生成式人工智能可带来显著经济影响
据高盛集团研究，未来10年内生成式人工智能可使全球GDP增长高达7%（约7万亿美元）。全球生成式人工智能市场预计以34.2%的年复合增长率增长，从2023年的142.6亿美元增至2032年的2007.3亿美元。
企业应从好奇心、客户导向和立即行动三方面入手
亚马逊云科技企业战略总监建议：首先保持好奇心，了解技术原理；其次从客户需求出发反推业务机会；最后立即开始实验，避免纸上谈兵。通过少量试点快速取得成果，再逐步扩展。
负责任的人工智能、安全和隐私是关键考量
生成式人工智能面临准确性、公平性、知识产权、幻觉等挑战。企业需确保数据安全与隐私，定制模型时需知悉数据使用方式，防范私有数据用于训练公有模型，并融入可扩展性与安全设计。
报告回答的关键问题
什么是生成式人工智能？
生成式人工智能是一类可以生成新内容（如文本、图像、视频、代码）的算法，由超大型机器学习模型（基础模型）驱动。与传统AI不同，它能利用复杂输入生成复杂输出，例如根据简单提示总结长文档或编写代码。
企业如何开始使用生成式人工智能？
报告建议企业从明确目标开始，选择具体应用场景进行少量实验。可使用亚马逊云科技的服务如 Amazon Bedrock 快速访问基础模型，或通过 Amazon SageMaker 构建自定义模型。同时需评估数据可用性、基础设施成本和道德影响。
生成式人工智能在哪些行业有典型应用？
医疗行业用于加速药物研发和临床文档总结；金融行业用于个性化推荐、自动生成报告和市场情绪分析；汽车行业用于产品设计优化和车内虚拟助手；教育行业用于自动出题和个性化学习；媒体娱乐行业用于内容创作和音乐生成。
生成式人工智能存在哪些风险？
主要风险包括：输出不准确（幻觉）、公平性偏差、知识产权侵权、数据隐私泄露以及生成有害内容。报告强调企业需从设计阶段融入负责任的人工智能原则，确保透明度、安全性和可追溯性。
报告中的代表性数据
全球生成式人工智能市场规模
2023-2032，报告引用 Polaris Market Research 数据，预计从2023年的142.6亿美元增至2032年的2007.3亿美元，年复合增长率34.2%。
开发人员工作效率提升
2023年（预览版期间），亚马逊通过 Amazon CodeWhisperer 预览版的工作效率挑战赛测得，使用该人工智能代码编写助手可将开发人员工作效率提高57%。
全球GDP增长潜力
未来10年，高盛集团研究，生成式人工智能可使全球GDP增长高达7%，约合7万亿美元。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 生成式人工智能的技术原理详解，包括基础模型、大型语言模型（LLM）、转换器架构等关键概念的发展历程。
- 生成式人工智能的业务功能列表，涵盖生成代码、内容生成、个性化推荐、虚拟助手、对话式搜索等场景。
- 商业考量部分，详细说明如何选择基础模型、评估基础设施成本，以及构建应用程序时需考虑的灵活性因素。
- 负责任的人工智能、安全和隐私章节，讨论准确性、公平性、知识产权、幻觉、毒性等挑战及应对方法。
- 亚马逊云科技企业战略总监 Phil Le-Brun 的高管洞见，提供从好奇心、客户导向到立即行动的具体建议。
- 各行业（医疗、金融、汽车、教育、媒体娱乐）的 15 个以上具体生成式人工智能应用场景案例。
- 亚马逊云科技生成式人工智能服务全面介绍，包括 Amazon Bedrock、Amazon Titan、Amazon SageMaker 等工具的功能与优势。
- 如何与亚马逊云科技合作启动生成式人工智能项目的行动指南，包括实验策略、扩展路径和专家支持。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
