十大数字化趋势（2024）
-
主要发现
l 双智协同的业务（DIB，Duel-Intelligence Business）开辟数字化新纪元
l 大模型改变人工智能工程范式
l AIGC成为新的生产率工具
l AI驱动软件开发变革
l 安全管理智能化
l 业务应用智能化
l 新型算力云平台赋能双智协同的业务
l ESG技术成为新的竞争力
l 信创促进数字化发展
建议
l 企业应该把握这些数字化的新趋势，对数字化战略进行重新审视和制定
l 避免将这些趋势仅仅看作是技术上的进步，而应该分析它们对业务模式、组织方式的变革意义和长期影响，对业务进行重新的设计
l 企业进行趋势把握时，应把这些趋势当做整体看待，而不是孤立它们
2023年，对数字化科技领域是不同寻常的一年。因为这一年，大模型出现了爆发之势。从ChatGPT到AIGC，再到它们背后的大模型和人工智能，成为全社会追踪的焦点。与以往的许多焦点不同，这一轮焦点是以应用突破为主要特征的。而以往许多焦点话题比如元宇宙、区块链等都是以概念传播作为主要特征的。大模型的出现，彻底改变了人们对人工智能的认知。人们曾经认为人智（人的智能）与机智（人工智能）最大的差别是人智具有想象力和创造性，机智缺乏想象力和创造性。大模型宣告了这种认识的片面性。大模型的突破和应用，在数字化进程中是一个里程碑，将改变社会的技术形态进而改变业务形态。人们即将迎来数字化业务的新纪元。为了帮助企业和各类组织对即将到来的新纪元有战略上的把握，尚参科技总结了2024十大数字化趋势。
图1 ShangcanTech 2024十大数字化趋势
1. 双智协同的业务（DIB，Duel-Intelligence Business）开辟数字化新纪元
过去常说的人机交互、人机协同需要由一种新的概念——双智协同所替代。无论是人机交互还是人机协同，都把机器（包含智能机器）当作一种生产工具看待，在智能角度上低于人类智能的事物。其含义是机器依据人的设计，在人的主导下完成生产的过程。当机智具备了智能，具备了与人类智能水平相似，甚至高于人的智能水平的情况下，仅仅把智机当成一种工具已经不能真实地反映机智的本质了。我们需要直面和承认智机拥有了真正的智能：涌现和泛化能力，也就是举一反三的能力。机智是与人智对应的另类智能，虽然与人类智能的基础和实现方式由很大区别。基于对机智这种另类智能的承认，提出双智协同，即人智与机智互相促进、互相启发、协同共创就是自然而然的。具体到企业的业务上，就是双智协同的业务（DIB）。DIB指在企业的治理、管理和运营的各个层面，都实现人智和机智的协同。（详细内容可参见尚参研究报告SC23008，“双智”协同：由数字化业务过渡到自治业务）。
图2 双智协同的业务
双智协同的业务是数字化业务的新阶段，在数据驱动、平台化和生态化的基础上，在业务的各个领域和环节，都出现了人智了机智的协同。智人和智机成为工作伙伴，智机作为智人的助手，提高智人的效率、想象力和创造力，拓宽智人的信息面和人智水平，规避业务风险和失误。智人在与智机协作的过程中，也完善着智机的思维模式，提高智机的智能水平。
双智协同的业务既是一种趋势，也是一种愿景。因为在机智技术发展的推动下，人智和机智必将走向协同。但如果任由机智推动，就会走向另一个极端，即排除人智的业务形态——Gartner预测的自治型的业务（Autonomous Business）。但是自治型的业务未必是一种好的愿景，因为在此业务形态下，智人的价值和作用必须要重新发现，人类还远远没有做好准备。
在双智协同的业务模式下，数据和AI将发挥更大的作用，形成业科融合和业数融合等新型的工作方式、生产方式。具体到企业层面，企业将可以从DIB中获得新的商业模式，实现业务的增长并获得新的收入来源。
图3 DIB对业务带来的全面影响
2. 大模型改变人工智能工程范式
大模型与传统的小模型不同，具有涌现和泛化能力。涌现能力包含两层含义，一是当训练达到一定规模时，输出的结果不再是随机的，具备了某种倾向性，此时智能就产生了。还有一个含义是当对一个模型进行写作训练时，意外地发现模型具备了翻译能力、评价能力。第一种涌现是小模型也可以具备的，但第二种只有大模型才具备这种能力。大模型的泛化能力指训练好的大模型，可以被广泛应用于不同的主题域、不同的专业领域。当然，泛化能力落地还需要一部分的专业训练。
图4 大模型改变人工智能工程范式
小模型为基础的人工智能一般是基于主题域的，特定数据集的专业人工智能。每一个智机都要进行独特的设计、部署和训练，产出的结果仅适用于特定的领域。这样的智机比较难以工程化和实现复用。同时，小模型有比较明显的智能瓶颈，即当智能达到一定水平时，无论增加数据还是改变训练方法，智能均无法提升。小模型的这种现象符合沙堆效应，即在堆沙子的时候，如果达到一定高度，沙堆就会塌缩，导致高度下降。如果想继续提高沙堆的高度，必须在底座积累足够大时才能实现。大模型与小模型相比，相当于大沙堆，所以可以达到的智能高度可以突破小模型的瓶颈。
大模型的涌现、泛化能力以及它们的系统特性将改变人工智能工程范式。今后，可以构建基于大模型的人工智能平台（MaaS），通过对大模型进行专业领域的训练和微调，生成专业小模型或场景小模型，直接应用到业务场景中。（详见尚参科技报告SC23010，大模型改变人工智能工程范式）。
3. 企业经营态势全模型推动数据驱动的运营模式发展
数据作为新型生产要素，在新质生产力的构建方面会发挥越来越大的作用。随着数据要素进入财务报表工作的推进，数据价值将进一步实现可量化，标准化。在数据确权、数据交易机制的促动下，数据的价值变现将变得更容易，数据价值和算法价值将对数字经济的总量发展提供巨大的可能性。
企业的数据模型将向两个方向发展，一是在深度上对现有数据资产的价值实现，二是在广度上构建企业经营态势全模型。对现有数据资产价值的变现过程，重点是利用现有数据资产和数据能力构建数据驱动的运营模式。也就是在企业的治理、管理、运营、创新等多个层次上，以数据作为决策和业务改进的依据。虽说企业多年来一直是以这个目标进行推进，但是因为没有找到正确的抓手，大部分企业在数据驱动方面的效果都不理想。其实只要抓住两点，一是以信息系统中的数据为准，二是抓关键指标就可以很好地实现数据驱动的业务。在企业的关键领域，不允许使用线下数据，当线下数据与线上数据不一致时，要解决不一致的问题，最终以线上数据为准。这样做既可以推动数据驱动的运营模式的形成，同时也推动了数字化系统的进化。在指标方面，可以经营指标、监管指标为抓手，层层抓下去。
未来企业是基于数据运营的，模型能否全面反映企业的经营态势，决定了企业是否有坚实的基础。在数据模型的方面，企业原有的经营模型以内部数据为主，兼用少量外部数据，比如舆情、公开市场数据。但这样的模型不足以反映企业的经营态势。如同一个驾驶汽车的人只是看着仪表驾驶，没有关注到路况、路面积水的情况、是否有自然灾害的发生等。数字化的最终目标是企业实现可持续地发展，现有的数据模型不能帮助企业实现这个目标。因此，要建立包含宏观数据、市场数据、地缘政治信息、政策信息、重大事件等数据的企业经营态势全模型。全模型将特别有利于帮助企业构建反脆弱性，应对中长期风险，保障企业可持续发展。（详细内容可参考尚参科技研究报告SC23001，构建企业经营态势全模型，提升企业应变力和反脆弱性）。
图5 企业经营态势全模型推动数据驱动的运营模式发展
在数据模型完善的过程中，数据维度不断增加，数据跨界融合已经成为必然的要求。但在数据驱动运营模式构建过程中，数据的“翻译”工作是至关重要的。因为数据对用户的意义必须通过对数据的翻译才能实现。比如天气预报的暴雨信息对某个地区、某个行业、某类人群有什么意义，需要转化为符合场景的数据。
4. AIGC成为新的生产率工具
AIGC是大模型的一种类型的应用，在大模型产生之前，人们使用编程或GAN的方式实现AIGC。但是大模型使AIGC获得了前所未有的创造力和想象力。当前内容生产方面可以实现文本、图像、视频、声音等元内容，把这些元内容组织起来，就可以产生各种各样的知识产品，实用内容和文创内容。包括研究报告、文案、影片、课程、小说、电影、纪录片等内容。可以说，凡是知识工作者作为产出物的东西，都可以在AIGC的帮助下生成。知识工作者内容创造的效率可以提升一倍到几十倍之间。在这个意义上，AIGC成为新的生产率工具，如果使用得当，劳动者的生产率将大大获得提升。
对于以内容生产作为主业的企业来讲，AIGC带来了巨大的挑战。因为，如果不能充分利用AIGC以最高的生产率创造高质量的内容，企业必将被那些能够做到的企业战胜。整个文创产业、传媒产业都面临着生死存亡的选择。对于那些不以内容生产作为主业的企业来讲，AIGC同样非常重要。它可以赋能所有的岗位，成为每个员工的内容助手。在某些领域，比如市场营销、市场研究、软件开发等领域，AIGC可以赋能整个业务，甚至改变这些业务板块的运营模式。
图6 AIGC成为新的生产力工具
5. AI驱动软件开发的变革
数字化时代，大部分企业都是技术密集型企业。对于上规模的企业，保有一定数量的软件开发人员是企业实现业务目标的基本保证。但是，由于软件开发能力的构建一般需要较长时间的积累，投入较高的代价，高质量的软件开发队伍既是企业的竞争力，也经常成为企业的痛点。
AI驱动的软件开发已经出现了相当长的时间，低代码、无代码技术是在大模型产生之前的自动编程技术。受到固定框架的束缚，大部分低代码和无代码的技术能够实现的逻辑较为简单，产生的程序运行效率不高。随着大模型的出现，新型的AIGC可以生成更好的代码、更好的测试用例。应用AIGC技术，可以使软件开发效率提升数倍。开发效率的提升，意味着在同等任务的情况下，相当数量的开发人员可以解放出来。他们有的可以转换到业务岗，在业务领域继续发挥自己懂技术的优势。有的可以成为新类型的技术人员，比如架构师、提词工程师、产品经理等。软件开发的模式在AI的驱动下将出现变革，包括人员结构、岗位设置、开发流程、开发工具都会发生变化。总的来说，软件开发工作将变得更加容易、软件质量会更好，软件开发人员的工作将变得更有乐趣。
AI驱动的软件开发变革不仅限于以上所说的情景，随着大模型应用的逐渐深入，在更远期的将来，可以预见的是，智能体将取代现有的软件模块。未来的智能体不需要编程，只需要训练。届时软件开发工作将被彻底颠覆。
图7 AI驱动软件开发的变革（图片来自第四范式，特此致谢）
6. 安全管理智能化
在双智协同的业务背景下，数字化安全面临着前所未有的挑战。一方面，大模型、人工智能、元宇宙、数字人等新型技术为安全管理带来了许多新的课题。另一方面，从法律合规方面，对安全也提出了诸多新的要求。《网络安全法》《个人信息保护法》和《数据安全法》等从法律层面明确了与数字化安全有关的义务和权利，信息系统等级保护、关键基础设施保护等部门规章提出了更具体的规定。再加上ISO27000等国际、国内标准GB/T 22239等合规的要求和各行业的要求，使数字化安全管理工作变得越来越复杂。
面对复杂的安全态势和安全要求，加剧了安全人员能力不足的问题，不得不采用更智能的手段对安全进行全面的管理。一方面需要建立可组装的安全管理框架。也就是说从安全管理的流程出发，对安全合规工作进行模块化，根据企业信息安全管理的实际需要对合规要求进行组装，简化企业的信息安全管理，同时满足合规的要求。作为可组装的安全管理的结果，执行者不需要了解诸多的安全法律法规要求，只需要按照工作程序执行即可。但对于外部审计和检查者，提供不同的管理视图，便于审计和检查。由于AIGC的赋能，可组装的安全管理更加容易实现。利用管理规章数据对大模型进行训练和调优，将使大模型具备按角色、按体系生成体系文件的能力。结合可组装的管理框架，安全管理体系可以适应各种新技术的挑战和法律合规要求的变化。这样的情景，是可组装+可生成的安全管理。
图8 安全管理智能化
另一方面，要更多地依赖新的智能技术对安全态势进行感知、分析和决策。建立更全面的安全态势感知模型，不但要加强对内部系统的安全监测，还要注意对外部安全情报的收集和利用。在这一过程中，人工智能（AI）在模型发现、态势感知、情报处理和决策支持等方面发挥着关键作用，为企业建立更强大、响应迅速的数字安全体系提供支持。人工智能可以通过机器学习算法，对大规模的数据进行分析，发现潜在的威胁模式和攻击行为。通过深度学习模型，系统能够识别异常模式和异常行为，进而及时发现潜在的网络威胁。这样的模型发现能力使得企业能够更早地察觉到潜在风险，并采取相应的防范措施。通过人工智能技术，企业可以实时监测网络环境中的状态，迅速响应任何异常活动。机器学习和深度学习算法可以分析大量的实时数据，实现对网络态势的准确判断，从而提高对潜在威胁的感知和应对能力。人工智能可以自动收集、分析和整理来自各个渠道的安全情报，识别威胁漏洞并生成实时的威胁情报。这有助于企业及时了解外部威胁，为安全团队提供更有针对性的信息，提高应对风险的效率。通过整合大量的安全数据和情报，人工智能系统可以为企业提供更智能的决策支持。通过预测性分析和智能算法，系统能够为安全团队提供关于威胁的实时建议，帮助他们更迅速、准确地做出决策，应对各类安全事件。
在应用人工智能时，必须关注人工智能本身的安全和风险。首先，确保对用户数据的隐私保护，采用加密和数据脱敏等措施。其次，加强模型的鲁棒性，通过对抗性训练提高其对恶意攻击的抵抗力。保持模型的可解释性，使决策过程更为透明，便于理解。注重算法的公平性，审查模型中的潜在偏见并进行修正。实施端到端的安全策略，包括加密传输和模型参数保护。设立权限控制，监控模型的使用情况，防范滥用行为。定期进行全面的风险评估，建立风险管理体系。通过培训加强团队的安全意识，遵守法规和监管标准，以确保人工智能系统的稳定性和合规性。
7. 业务应用的智能化
在人工智能，特别是大模型的驱动下，传统的企业应用将迎来一次智能升级的机会。在前端界面，因为有数字人、自然语言处理、聊天机器人的加持，应用与人互动的方式将变得更加有趣和方便。用户不需要登录应用系统，而通过数字人或聊天机器人直接对应用系统进行操作。在后台数据库，人工智能将对数据进行重新地编排和模式发现，提供更智能的数据支持。在中间应用程序层面，使用AIGC对程序进行重构，结合RPA技术，将使部分应用模块变成智能体。
未来，在智机母体（企业大模型）的帮助下，在应用系统的各个环节，都会出现智能助手，解答使用者的疑问，帮助使用者完成操作。总之，业务应用将不再是冷冰冰的，用户也不需要接受系统化的训练，就可以按照自己的习惯完成对业务系统的操作。因为智能的应用将是更加自动化、具有更强的提示功能和互动性的应用。
图9 业务应用智能化
8. 新型算力云平台赋能DIB
随着人工智能和大模型技术的迅速发展，以及云计算的不断创新，新型算力平台正成为企业创新和发展的关键推动力。企业面临着更复杂、更庞大的数据处理和计算任务，新型算力平台的崛起为其提供了强大的支持。
在过去，企业主要依赖于以CPU为主的计算力，然而，随着人工智能和大模型应用的普及，这种传统计算方式已经显得力不从心。新型算力平台的兴起，尤其是CPU与GPU联合主导的格局，为企业提供了更高效、更强大的计算能力。这不仅加速了大规模数据分析和深度学习模型的训练，还提升了企业在人工智能领域的竞争力。
新型云计算形式如模型即服务的作用也不可忽视。通过云计算，企业可以无缝地获取和管理各种复杂的大型模型，如语音识别、图像处理等，而无需过多关注底层基础设施的维护。这使得企业能够更专注于业务创新，将更多资源投入到核心业务的开发和优化中。
云网一体和云、边缘、端一体的发展趋势为企业提供了更多选择。通过构建更紧密的云端协同体系，企业可以实现从云到边缘再到终端设备的全方位计算覆盖。这不仅提高了数据的实时性和安全性，也为企业提供了更灵活的业务部署方式。
图10 新型算力云平台
然而，新型算力平台的兴起也带来了电力需求的激增。大规模的计算和模型训练需要庞大的电力支持，这对企业而言是一项挑战。因此，企业在使用新型算力平台的同时，也需要关注可持续性发展，寻找更加环保和高效的能源解决方案。
新型算力平台的兴起不仅仅是技术的升级，更是为企业带来了全新的商业机遇。这种算力平台的强大性能赋能了双智协同的业务，使得企业能够更好地利用人工智能技术与传统业务相结合，实现创新发展。因此，企业应该对新型算力平台进行规划和部署，充分挖掘其潜在的商业价值，提升竞争力，迎接未来的挑战。在这个快速变化的时代，拥抱新技术、深度融合算力平台的优势将成为企业成功的关键。
9. ESG技术成为新的竞争力
随着全球气候变化和环境问题日益严重，企业社会责任（CSR）已经成为越来越多投资者关注的焦点。在这种背景下，环境、社会和治理（ESG）因素逐渐成为衡量企业价值的重要指标。ESG技术对企业的影响是积极的，企业应该利用这些技术来提高自身的竞争力。
ESG技术有助于提高企业的环保水平。通过采用清洁能源、减少废物排放、提高资源利用率等措施，企业可以降低对环境的负面影响，从而减少因环境污染导致的罚款和诉讼风险。此外，环保技术的应用还可以帮助企业降低能源成本，提高生产效率，从而提高企业的盈利能力。在信息技术领域，数据中心储能和能源调度技术将成为新的趋势，IT部门将通过这些技术直接为企业降低成本。
图11 ESG技术为企业创造价值
ESG技术有助于改善企业的社会责任形象。通过关注员工福利、提供安全的工作环境、支持社区发展等措施，企业可以提高员工的满意度和忠诚度，从而提高企业的生产力。此外，良好的社会责任形象还有助于吸引优秀的人才，提高企业的竞争力。在这些领域，IT同样大有作为。
ESG技术有助于提高企业的治理水平。通过加强内部审计、完善风险管理、提高信息披露透明度等措施，企业可以降低潜在的法律和道德风险，从而提高企业的声誉和市场地位。此外，良好的治理水平还有助于提高企业的融资能力，降低融资成本。IT部门可以通过完善企业风险模型，加强治理系统建设帮助企业提高企业治理水平。
ESG技术有助于提高企业的创新能力。通过关注可持续发展的技术和商业模式，企业可以开发出更具竞争力的产品和服务，从而提高市场份额。此外，创新还可以帮助企业应对不断变化的市场环境，提高企业的抗风险能力。
总之，ESG技术对企业具有重要的影响。通过采用这些技术，企业可以提高环保水平、改善社会责任形象、提高治理水平和创新能力，从而提高自身的竞争力。因此，企业应积极关注ESG技术的发展，将其纳入战略规划，以实现可持续发展。
10. 信创促进数字化发展
信息化创新是中国重要的数字化趋势，信创与数字化二者密不可分，在战略和执行上不应该按照两个体系进行。信创的初始目的是为了信息安全、网络空间安全和国家安全，实现信息系统的安全可控。但随着信创工作推进，企业将发现信创不仅带来了安全，更重要的是，确确实实为企业带来了创新的机会。
保障安全是信创工作的基本要求。对企业来讲，在安全方面，一是要保证信息安全，防止因系统后门或被远程操控，造成信息泄露和运行的异常，甚至是运行的事故。二是要防止供应链上出现问题。也就是虽然系统没有后门或被远程控制，因为制裁或禁运等原因，导致系统出现故障后，或是需要更新设备时没有零备件和设备的供应。
除了保障安全，信创工作也是创新的机会。因为，现有的以国外技术为主导的技术设施，存在许多不适应本土应用的问题。因为，中国的数字化在理念、实践、应用规模、使用习惯等方面确实与西方有不同之处。比如，中国企业的OA系统主要功能是处理公文，西方的OA主要是处理邮件。传统的西方科技架构在横向扩展方面能力不足，因为用户的规模相对较小，在西方应用起来并不存在太大的问题。但在中国则不同，有些行业的用户数量庞大，要求设备和系统有更好的横向扩展能力，自然而然地需要大量的分布式系统。在使用习惯上，中国用户要求更灵活、更方便的应用界面。各方面的差异，都使信息化创新成为必要的举措。企业应该更多地从创新的角度开展信创工作，利用信创的机会，解决国外系统灵活度不足、易用性不好以及不适应本土需要的问题。
图12 信创促进数字化发展
