如今，幾乎每一家企業、每一個人都與AI有著或多或少的聯系，甚至很多企業患上了“AI焦慮癥”，仿佛沒有使用智能技術就會在數字化的浪潮被對手甩在身后，而恰恰也是在這個時候，是最容易產生發展泡沫的階段。對此，Gartner有著獨到的看法。相信很多業內人士對于Hype Cycle并不陌生，這一曲線描述了一項技術/概念從誕生到成熟的過程，對眾多行業的發展周期進行了預測與判斷，2023年，Gartner的中國分析師團隊專門發布了面向中國市場的數據分析和人工智能成熟度曲線，從中可以看到一些前沿技術的最新進展，以及一些過往概念的幻滅。

　　在Gartner 2023年中國數據分析和人工智能技術成熟度曲線中，揭示了與中國數據、分析和人工智能相關的四個基本主題：業務成果優先的中國數據戰略，區域數據與分析和人工智能生態系統，數據中臺的崩塌，以及人工智能成為新的國力象征。該曲線中，即將進入期望膨脹期的技術數量最多。毫無疑問，生成式AI是2023年最火的話題之一，由此也延伸出一些新的概念，例如“智能體”，包括如何把數字世界和物理世界相結合，構建一套自反饋的機制，形成自動化的系統，打造AutoGPT和AGI，這也是OpenAI等企業的目標。但是智能體并沒有在中國的報告中體現，這個技術落地為時尚早。

　　當然，考慮到中國和海外市場在技術應用、行業需求、客戶習慣等方面的差異，在成熟度曲線中的體現也有所不同。Gartner高級研究總監張桐表示：“創新往往被吹捧為傳統瓶頸問題的解決方案，有望解決中國CIO共同擔憂的問題，如硬件資源短缺、可擴展性、可持續運營、安全風險緩解、技術自主可控和AI模型的多域適用性問題，從而帶來清晰的業務價值。然而，終端用戶更重視有形的影響，而不是抽象的戰略概念。”

　　談到生成式AI，就不得不提各類大模型的快速涌現，甚至引發了“百模大戰”。所謂大模型，是在大范圍的數據集上以自監督方式訓練的大參數模型，其中大多數都是基于Transformer架構或擴散型深度神經網絡架構，并且在不久的將來可能會成為多模態。目前，大模型已成為自然語言處理的首選架構，并已應用于計算機視覺、音視頻處理、軟件工程、化學、金融和法律領域，由大模型衍生出的一個熱門子概念就是基于文本訓練的大語言模型。

　　從大模型的發展現狀來看，數據、算力、算法是繞不開的因素。“在這三者（數據、算力、算法）之中，比較大的變數就是Transformer算法會不會變化，是否會有新的算法降低能耗，還有就是芯片的架構設計能否進一步優化，比如引入一些神經網絡的特性，以類人腦的方式去降低功耗。”張桐說。

　　根據Gartner的說法，所有的生成式AI都是基于Foundational Model所構建，后者還包括GPT（文本）、Stable Diffusion（繪圖）、LLM等類別。以GPT為例，利用Transformer架構，通過云基礎設施（GPU等）結合數據資源訓練出來的模型就是基礎模型，不過這種基礎模型的能力只有少數幾家企業具備，更多的企業則是在基礎模型之上進行一些精調訓練。對于一些企業來說，，只需要做好SFT（模型微調），相當于選擇了一個架構和平臺之后，在上面開發各類應用就可以了。

　　張桐認為，文心一言、星火、盤古大模型、清華的GLM等模型都是值得關注的，除此之外，考慮到合規性和數據安全，像金融等行業的客戶往往會選擇本地部署，不過本地部署的成本又是不少企業擔憂的問題。關于AI的下一步演進，知識圖譜與大語言模型的結合或許會給人們提供相對高質量的結果。

　　組裝式數據和分析是AI實踐的另一個體現，其利用基于容器或業務微服務的架構和數據編織理念，將現有資產組裝為靈活、模塊化和用戶友好的數據分析和AI能力。這項技術可在低代碼和無代碼能供的支持下，綜合運用一系列技術將數據管理和分析應用轉變為數據分析和AI組件或其他應用模塊，并且支持自適應和智能決策。這種組合式的智能化能力可以由企業按需配置，快速部署，滿足個性化的要求，適用于當前需要提高敏捷性的客戶，加快洞察產出速度。同時，這種方式也有助于企業在各項措施中融合多個洞察與參考信息，避免割裂式開發。企業機構可通過組裝或重組D&A能力進一步提高交付的靈活性，應對不同使用場景。

　　相關文件指出，數據作為新型生產要素，是數字化、網絡化、智能化的基礎，已快速融入生產、分配、流通、消費和社會服務管理等各環節，深刻改變著生產方式、生活方式和社會治理方式。數據要素，已經成為重要的戰略資源，由此也引發了圍繞數據的一系列理念與實踐。數據資產管理是指管理、處理和利用對業務運營來說具有寶貴資產價值的數據的過程。數據資產管理適用于多種數據形態——例如，系統中的圖像、視頻、文件、資料和交易數據，并涵蓋從數據獲取到銷毀的整個數據生命周期，目的是以管理資產的方式管理數據，并從中創造價值。張桐談到，在國家的大力支持下，數據要素將發揮更大的價值，數據入表會加速實現。

　　數據編織是一種設計框架，用于獲得靈活而且可復用的數據管道、服務和語義，涉及數據集成、主動元數據、知識圖譜、數據剖析、機器學習和數據分類。從概念上來說，數據編織早已被提出，不過其沒有被大面積應用的原因是必要性有些高估，由于數據編織是基于元數據衍生而來，但很多企業對元數據的理解并不深入，導致在使用數據編織難以實現較好的效果，甚至增加了復雜性。

　　事實上，這種認知偏差也使得不少理念逐漸淡出人們的視野。以數據中臺為例，這是一種組織戰略和技術的實踐，創建數據中臺可以被是為企業構建可組裝和可復用地數據和分析能力地一種方式，最早被大范圍的傳播始于阿里巴巴的應用。根據Gartner的觀察，很多中國企業之所以采用數據中臺實踐，是為了減少其數據和分析架構的技術冗余，打通不同系統的數據孤島，并推動可復用的數據和分析能力。但數據中臺在許多情況下未能兌現其組裝式敏捷D&A能力的承諾，因此在市場中的地位被削弱，很多企業機構和供應商都不愿意在企業內部采用這一概念，或者干脆將其從宣傳中移除。