NVIDIA 加速計算、數(shù)據(jù)科學和研究領(lǐng)域?qū)＜翌A(yù)測，多模態(tài)模型將推動行業(yè)創(chuàng)新和效率提升。

今年，生成式 AI 可謂在企業(yè)中掀起了一場風暴。各行各業(yè)都在討論如何更好地利用這項技術(shù)提高創(chuàng)新與創(chuàng)造力、改善客戶服務(wù)、變革產(chǎn)品開發(fā)，甚至促進溝通。

IDC 預(yù)測 2025 年全球企業(yè)在 AI 解決方案上的支出將達到 3070 億美元，并且到 2028 年將增長至 6320 億美元，復合年均增長率為 29.0%。到 2030 年，AI 累計為全球經(jīng)濟帶來的增長將達到 19.9 萬億美元，并將在同年推動全球 GDP 增長 3.5%。

AI 正在以驚人的速度發(fā)展，不過一些公司和初創(chuàng)企業(yè)在采用 AI 方面仍然進展緩慢，它們依然局限于測試或孤立的項目。出現(xiàn)這種情況的原因在于 AI 的效益因公司、用例和投資水平的不同而有所差異。

今年，越來越多的業(yè)界人士開始對 AI 保持樂觀態(tài)度。Forrester Research 的 2024 年 AI 現(xiàn)狀調(diào)查顯示，三分之二的受訪者認為其組織的 AI 項目投資回報率即使未達到 50%，也可以認為是成功的。

下一個即將到來的重要趨勢是代理式 AI。這種自主或“推理型”AI 需要使用多樣化的語言模型、精密復雜的檢索增強生成堆棧以及先進的數(shù)據(jù)架構(gòu)。

NVIDIA 在各個行業(yè)領(lǐng)域的專家已經(jīng)對未來一年進行過預(yù)測。下面讓我們聽一聽 NVIDIA 專家在 AI 推動企業(yè)、研究和初創(chuàng)企業(yè)生態(tài)系統(tǒng)方面的分享：

IAN BUCK

NVIDIA 超大規(guī)模和高性能計算副總裁

推理技術(shù)推動 AI 的發(fā)展：隨著 AI 模型的規(guī)模和復雜性增長，對高效推理解決方案的需求也將持續(xù)攀升。

生成式 AI 的發(fā)展已經(jīng)將推理從簡單的查詢識別和響應(yīng)轉(zhuǎn)變?yōu)閺碗s的信息生成，其中包括從多個來源和大語言模型(例如 OpenAI o1 和 Llama 450B)中進行總結(jié)，這極大地增加了計算需求。通過新的硬件創(chuàng)新成果以及持續(xù)的軟件改進，性能將得到提升，并有望使總體擁有成本降低至原先的五分之一或更低。

加速一切：隨著 GPU 的應(yīng)用日益廣泛，各行各業(yè)將著眼于加速從規(guī)劃到生產(chǎn)的每個環(huán)節(jié)。新的架構(gòu)將進一步推動這一良性循環(huán)，每一代產(chǎn)品都能夠提高成本效益并實現(xiàn)數(shù)量級更高的計算性能。

各個國家和企業(yè)都在競相建立 AI 工廠來加速更多的工作負載，預(yù)計眾多參與者將尋求平臺解決方案和數(shù)據(jù)中心參考架構(gòu)或藍圖，從而使建立和運行數(shù)據(jù)中心的時間從原本的數(shù)月縮短至幾周。這樣能幫助他們更好地解決一些世界上最棘手的挑戰(zhàn)，例如量子計算、藥物發(fā)現(xiàn)等。

盡一切努力杜絕量子計算中的錯誤：研究人員通過使用超級計算和模擬來解決那些新生領(lǐng)域面臨的最大挑戰(zhàn)，即通過克服各類錯誤讓量子計算實現(xiàn)巨大的跨越。

量子比特(Qubit)是量子計算中的基本信息單位，容易受到噪聲的影響，僅在執(zhí)行數(shù)千次運算后就會變得不穩(wěn)定，這使得目前的量子硬件無法解決實際問題。2025 年，量子計算領(lǐng)域?qū)⒅鸩睫D(zhuǎn)向量子糾錯這一具有挑戰(zhàn)但又至關(guān)重要的技術(shù)。糾錯需要快速、低延遲的計算。同時，我們還有望看到量子硬件在專用基礎(chǔ)設(shè)施的支持下，在超級計算機內(nèi)進行物理集群。

AI 也將在管理這些復雜的量子系統(tǒng)、優(yōu)化糾錯和提高量子硬件整體性能方面發(fā)揮至關(guān)重要的作用。將量子計算、超級計算和 AI 融合在加速的量子超級計算機中，將加快實現(xiàn)用于解決藥物發(fā)現(xiàn)、材料開發(fā)和物流優(yōu)化等各個領(lǐng)域中復雜問題的量子應(yīng)用。

BRYAN CATANZARO

NVIDIA 深度學習應(yīng)用研究副總裁

賦予 AI 具體形象：AI 將變得更容易使用、能夠靈敏地作出情感反應(yīng)并展現(xiàn)出更強的創(chuàng)造力和多樣性。早期的生成式 AI 模型在繪制圖像時甚至難以完成畫牙齒這樣簡單的任務(wù)。而隨著 AI 的飛速發(fā)展，生成的圖像和視頻變得更加逼真，AI 生成的聲音也更加接近真人的感覺。

隨著算法和數(shù)據(jù)集的完善，以及企業(yè)認識到 AI 需要有面孔和聲音才能對 80 億人產(chǎn)生影響，AI 的發(fā)展速度將進一步加快。這也促使 AI 的交互方式從回合制互動轉(zhuǎn)變?yōu)楦恿鲿匙匀坏膶υ挕I 交互將不再是一連串的問答，而是會變成更具吸引力、更像人類的對話。

重新思考行業(yè)基礎(chǔ)設(shè)施和城市規(guī)劃：各國和各行業(yè)將開始研究 AI 如何幫助經(jīng)濟的各個方面實現(xiàn)自動化，這樣即使在全球人口減少的情況下也能維持現(xiàn)有的生活水平。

這些工作有助于實現(xiàn)可持續(xù)發(fā)展和應(yīng)對氣候變化。例如，農(nóng)業(yè)將開始投資自動化機器人，這些機器人能夠以機械方式清潔田地、清除害蟲和處理雜草。這可以減少對殺蟲劑和除草劑的使用，在保護地球健康的同時，解放人力去做其他更有意義的工作。城市規(guī)劃部門也有望引入新的思路，來適應(yīng)在自動駕駛汽車的發(fā)展并改善交通管理。

從長遠來看，AI 有助于找到碳減排和碳封存的辦法，來解決這個迫在眉睫的全球性挑戰(zhàn)。

KARI BRISKI

NVIDIA 生成式 AI 軟件副總裁

智能體的交響樂 — AI 編排器：企業(yè)將部署大量 AI 智能體，這些智能體是經(jīng)過訓練的半自主模型，能夠在企業(yè)內(nèi)部網(wǎng)絡(luò)進行客戶服務(wù)、人力資源、數(shù)據(jù)安全等任務(wù)。為了更大限度提高這些任務(wù)的效率，預(yù)計數(shù)量不斷增加的 AI 編排器能夠?qū)⑷祟惒樵兞鲿车匾龑е炼鄠€智能體，綜合結(jié)果并加以解釋，從而為用戶提供建議并采取行動。

編排器將能夠深入理解內(nèi)容、具備多語言能力，并能夠流暢處理包括 PDF、視頻流等多種數(shù)據(jù)類型。在自學數(shù)據(jù)飛輪的驅(qū)動下，AI 編排器將持續(xù)完善對特定業(yè)務(wù)的洞察。例如，在制造業(yè)中，AI 編排器可以通過分析實時數(shù)據(jù)、根據(jù)生產(chǎn)計劃和供應(yīng)商談判提出建議來優(yōu)化供應(yīng)鏈。

企業(yè) AI 領(lǐng)域的這一演變將顯著提高各行各業(yè)的生產(chǎn)力和創(chuàng)新力，同時變得更易于獲取。知識工作者的生產(chǎn)力將提高，因為他們能夠利用由 AI 驅(qū)動的專家組成的個性化團隊。開發(fā)人員也可以通過可定制的 AI blueprint 構(gòu)建這些先進智能體。

多步推理增強 AI 洞察：多年來，AI 一直擅長回答特定問題，而無需深入研究問題的上下文。隨著加速計算和新模型架構(gòu)的發(fā)展，AI 模型將應(yīng)對越來越復雜的問題，并以更高的精準度且更深入的分析做出回答。

通過使用一種被稱為“多步推理”的功能，大而復雜的問題可以被分解為較小的任務(wù)，有時甚至還會進行多次模擬，以便從多個角度解決問題。由此，AI 系統(tǒng)可以增加“思考時間”。這些模型會動態(tài)評估每個步驟，確保作出與上下文相關(guān)且清晰明了的回答。多步推理還會整合來自各種來源的知識，使 AI 能夠建立邏輯聯(lián)系，并合成不同領(lǐng)域的信息。

這可能會影響金融、醫(yī)療健康、科研和娛樂等多個領(lǐng)域。例如，具備多步推理能力的醫(yī)療健康模型可以根據(jù)患者的診斷、用藥情況和對其他治療的反應(yīng)，提出一系列建議供醫(yī)生參考。

開啟您的 AI 查詢引擎：對于擁有 PB 級數(shù)據(jù)的企業(yè)和研究機構(gòu)來說，他們所面臨的挑戰(zhàn)是如何快速訪問這些數(shù)據(jù)并提供可操作的洞察。

AI 查詢引擎將改變企業(yè)挖掘數(shù)據(jù)的方式，企業(yè)專用的搜索引擎可篩選結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)(包括文本、圖像和視頻等)，利用自然語言處理以及機器學習來理解用戶意圖，并提供更加相關(guān)且全面的結(jié)果。

這將推動更智能的決策流程，增強客戶體驗并提高各行業(yè)的生產(chǎn)力。依靠自身持續(xù)學習的能力，AI 查詢引擎將創(chuàng)造出能進行自我改進的數(shù)據(jù)飛輪，幫助應(yīng)用程序變得更加有效。

CHARLIE BOYLE

NVIDIA DGX 平臺副總裁

代理式 AI 使高性能推理成為企業(yè)不可或缺的能力：代理式 AI 的出現(xiàn)將推動對復雜多模型系統(tǒng)近乎實時響應(yīng)的需求。這將使高性能推理變得與高性能訓練基礎(chǔ)設(shè)施同樣重要。IT 領(lǐng)導者將需要具有擴展能力、專門構(gòu)建且經(jīng)過優(yōu)化的加速計算基礎(chǔ)設(shè)施以滿足代理式 AI 的需求，從而實現(xiàn)實時決策所需的性能。

企業(yè)擴展 AI 工廠，將數(shù)據(jù)轉(zhuǎn)化為智能：企業(yè) AI 工廠可以將原始數(shù)據(jù)轉(zhuǎn)化為商業(yè)智能。企業(yè)將在 2025 年擴展這些工廠，以利用大量歷史數(shù)據(jù)和合成數(shù)據(jù)，為消費者行為、供應(yīng)鏈優(yōu)化、金融市場波動到工廠和倉庫數(shù)字孿生生成預(yù)測和模擬。由于 AI 工廠能夠幫助早期用戶預(yù)測并塑造未來情景，而不僅僅是對其作出反應(yīng)，因此將成為企業(yè)的一項關(guān)鍵競爭優(yōu)勢。

液冷 AI 數(shù)據(jù)中心成為新趨勢：隨著 AI 工作負載不斷推動增長，領(lǐng)先的企業(yè)為了實現(xiàn)性能和能效的最大化將轉(zhuǎn)向液冷技術(shù)。超大規(guī)模云提供商和大型企業(yè)將引領(lǐng)這一趨勢，率先在容納成千上萬的 AI 加速器、網(wǎng)絡(luò)和軟件的新 AI 數(shù)據(jù)中心中采用液冷技術(shù)。

為了減輕大規(guī)模設(shè)計、部署和運營智能制造所帶來的財務(wù)負擔，越來越多的企業(yè)將不再建造自己的 AI 基礎(chǔ)設(shè)施，而是選擇在托管設(shè)施中部署或者按需租用容量。這些部署將幫助企業(yè)無需自行安裝和運營就能充分利用最新的基礎(chǔ)設(shè)施。這一轉(zhuǎn)變將加速液冷技術(shù)作為 AI 數(shù)據(jù)中心主流解決方案在行業(yè)中的廣泛應(yīng)用。

GILAD SHAINER

NVIDIA 網(wǎng)絡(luò)高級副總裁

告別傳統(tǒng)網(wǎng)絡(luò)，迎接計算網(wǎng)時代：隨著數(shù)據(jù)中心架構(gòu)走向統(tǒng)一計算網(wǎng)架構(gòu)(computing fabric)，“網(wǎng)絡(luò)”一詞將在數(shù)據(jù)中心成為過去。統(tǒng)一計算網(wǎng)能使成千上萬的加速器通過橫向和縱向兩種通信擴展方式，利用英里級長度的線纜實現(xiàn)多個數(shù)據(jù)中心設(shè)施之間的高效通信。

這種統(tǒng)一計算網(wǎng)將包括面向縱向擴展通信的 NVIDIA NVLink 網(wǎng)，以及面向橫向擴展通信的智能交換機、SuperNIC 和 DPU。這將有助于在加速器之間安全地傳輸數(shù)據(jù)，并在傳輸過程中執(zhí)行計算從而最大限度地減少了數(shù)據(jù)移動。跨越全網(wǎng)的橫向擴展通信對于大規(guī)模 AI 數(shù)據(jù)中心的部署至關(guān)重要，能使 AI 數(shù)據(jù)中心從部署到開機運行的時間從數(shù)月乃至數(shù)年縮短至數(shù)周。

隨著代理式 AI 工作負載的增長，需要在多個相關(guān)的 AI 模型之間進行通信，協(xié)同工作;而非使用單一的、本地化的模型，計算網(wǎng)將成為實現(xiàn)實時生成式 AI 的關(guān)鍵。

分布式 AI：隨著全新的以太網(wǎng)設(shè)計，所有數(shù)據(jù)中心都將被加速，并讓數(shù)十萬塊 GPU 能夠支持單一工作負載。這將有助于實現(xiàn) AI 工廠在多租戶生成式 AI 云和企業(yè) AI 數(shù)據(jù)中心中的普及。

借助這一突破性技術(shù)，AI 能夠快速擴展到企業(yè)平臺并簡化 AI 云的構(gòu)建與管理。

由于電力限制和數(shù)據(jù)中心應(yīng)該盡量靠近可再生能源的源頭的需求，企業(yè)將會把數(shù)據(jù)中心建立在更加分散的地域。它們之間相隔數(shù)百甚至數(shù)千英里，橫向擴展通信必須能確保長距離的可靠數(shù)據(jù)傳輸。

LINXI(JIM)FAN

NVIDIA AI 智能體高級研究科學家

機器人將朝著人形機器人的方向發(fā)展：機器人將開始理解任意語言指令。目前，工業(yè)機器人必須手動編程，并且它們無法對不可預(yù)測的輸入或編程語言以外的語言做出智能響應(yīng)。融合了視覺、語言和任意動作的多模態(tài)機器人基礎(chǔ)模型將推動這種“AI 大腦”的發(fā)展。同時，代理式 AI 也將使 AI 的推理能力更強。

當然，我們不能指望馬上就能在家庭、餐廳、服務(wù)區(qū)和工廠看到智能機器人。但這些應(yīng)用場景可能比我們想象的要更加接近，因為各國政府紛紛尋找應(yīng)對老齡化社會和勞動力資源短缺的解決方案。物理自動化將逐步實現(xiàn)，10 年內(nèi)將會像 iPhone 一樣無處不在。

推理是 AI 智能體的核心能力：今年 9 月，OpenAI 發(fā)布了一種經(jīng)過強化學習訓練并用于執(zhí)行復雜推理任務(wù)的新型大語言模型 OpenAI o1。OpenAI o1 還被稱為“Strawberry”。這個模型在回復用戶之前能夠生成一條長的內(nèi)部思維鏈，在糾正錯誤的同時將復雜的步驟分解為簡單的步驟，然后再響應(yīng)用戶。

2025 年將成為大量計算開始轉(zhuǎn)向邊緣推理的一年。應(yīng)用程序可能需要成千上萬個的 token 來處理單次查詢，因為小語言模型會在微秒內(nèi)連續(xù)進行多次查詢直至生成答案。

小型模型將變得更加節(jié)能并對機器人技術(shù)日益重要，借助小型模型能創(chuàng)造出協(xié)助人類完成日常工作的人形機器人和普通機器人并促進移動智能應(yīng)用的發(fā)展。

BOB PETTE

NVIDIA 企業(yè)平臺副總裁

尋求可持續(xù)的擴展能力：企業(yè)準備使用新一代半自主 AI 智能體改進各種業(yè)務(wù)流程，他們將著重通過構(gòu)建強大的基礎(chǔ)設(shè)施、治理機制和類人能力，以實現(xiàn)有效的大規(guī)模部署。與此同時，AI 應(yīng)用將越來越多地運用本地處理能力，使更加復雜的 AI 功能能夠直接在工作站(包括輕薄型筆記本電腦和緊湊型設(shè)備)上運行，從而提升性能并減少 AI 驅(qū)動任務(wù)的延遲。

經(jīng)過驗證的參考架構(gòu)提供了有關(guān)合適的軟硬件平臺的指導，因此將成為優(yōu)化性能和加速 AI 部署的關(guān)鍵。這些架構(gòu)將成為企業(yè)適應(yīng)復雜的 AI 實施領(lǐng)域的重要工具，有助于確保企業(yè)的投資符合當前需求和未來的技術(shù)發(fā)展。

使用 AI 為建筑、工程和設(shè)計行業(yè)帶來變革：預(yù)計將出現(xiàn)更多專為建筑、工程和設(shè)計行業(yè)量身定制的生成式 AI 模型，來提升這些行業(yè)的效率并加速創(chuàng)新。

在建筑行業(yè)，代理式 AI 能將從現(xiàn)場傳感器和攝像頭采集的大量建筑數(shù)據(jù)中提取有意義的信息，提供更高效的項目進度安排和預(yù)算管理的洞察。

AI 將全天候評估實景捕捉數(shù)據(jù)(激光雷達、攝影測量和輻射場)，提煉出有關(guān)質(zhì)量、安全與合規(guī)的關(guān)鍵洞察，以此減少錯誤和工地傷害。

對工程師而言，基于物理信息神經(jīng)網(wǎng)絡(luò)的預(yù)測物理學將加速洪水預(yù)測、結(jié)構(gòu)工程和計算流體力學的發(fā)展，從而為建筑的各個房間或樓層量身定制氣流解決方案，使設(shè)計更新迭代更加迅速。

在設(shè)計行業(yè)，檢索增強生成可以在設(shè)計初期盡早實現(xiàn)合規(guī)，確保用于設(shè)計和建造建筑的信息建模符合當?shù)亟ㄖ?guī)范。擴散 AI 模型通過允許建筑師和設(shè)計師結(jié)合關(guān)鍵詞提示與粗略草圖生成內(nèi)容豐富、詳盡的概念圖來更快完成概念設(shè)計和場地規(guī)劃，并用于客戶展示。這樣他們就能抽出時間專注于研究和設(shè)計。

SANJA FIDLER

NVIDIA AI 研究副總裁

預(yù)測不可預(yù)測的情況：未來將出現(xiàn)更多能夠在日常生活中學習的模型，它們能夠在幾乎沒有人工干預(yù)的情況下，運用非常復雜的技能幫助數(shù)字人、機器人甚至自動駕駛汽車理解混亂的、有時甚至不可預(yù)測的情境。

無論是研究實驗室還是華爾街都將迎來新一輪的發(fā)展規(guī)律周期，這類似于 5-7 年前對自動駕駛的樂觀預(yù)期。Waymo 和 Cruise 等公司花費多年時間才推出了一套可行的系統(tǒng)，但由于這些公司和包括特斯拉在內(nèi)的其他公司所采集的大量數(shù)據(jù)可能無法適用于所有地區(qū)，因此這套系統(tǒng)仍然無法進行規(guī)模化。

借助今年推出的模型，我們現(xiàn)在能夠以更快的速度利用互聯(lián)網(wǎng)規(guī)模的數(shù)據(jù)理解自然語言，并通過觀察人類和其他行為來模擬動作，從而大大減少投資。機器人、汽車和倉庫機械等邊緣應(yīng)用將快速學會協(xié)調(diào)、提高靈活性和其他技能，以便在現(xiàn)實世界中導航、適應(yīng)和交互。

機器人能在您的廚房里煮咖啡、煎雞蛋后清理干凈嗎?現(xiàn)在還不能，但這一切可能比你想象的要更快實現(xiàn)。

日趨真實：生成式 AI 在圖形和模擬領(lǐng)域的全流程中逐步實現(xiàn)高保真和逼真效果，帶來超逼真的游戲、AI 生成電影和數(shù)字人。

不同于傳統(tǒng)圖形技術(shù)，絕大多數(shù)圖像將來自生成的像素而非渲染，從而呈現(xiàn)出更自然的動作和外觀。借助情境行為開發(fā)和迭代工具能使游戲能夠以遠低于當今 3A 游戲的成本制作出更為復雜的游戲。

各行各業(yè)采用生成式 AI：幾乎所有行業(yè)都準備利用 AI 來提升和改進人們的生活和娛樂方式。

農(nóng)業(yè)將使用 AI 優(yōu)化食物供應(yīng)鏈，改善食物的運送。例如，可以使用 AI 預(yù)測各個農(nóng)場不同農(nóng)作物的溫室氣體排放量。這類分析可以為制定減少供應(yīng)鏈中溫室氣體排放的設(shè)計策略提供參考。與此同時，教育行業(yè)將使用 AI 智能體創(chuàng)造個性化的學習體驗，這些 AI 智能體將使用學生的母語進行交流并根據(jù)學生特定學科的水平提出或回答問題。

隨著下一代加速器進入市場，這些生成式 AI 應(yīng)用的交付效率將大大提高。通過提高模型在訓練和測試中的效率，企業(yè)和初創(chuàng)公司將在這些應(yīng)用中獲得更高、更高的投資回報。

ANDREW FENG

NVIDIA GPU 軟件副總裁

加速數(shù)據(jù)分析在無更改代碼的情況下提供洞察：2025 年，企業(yè)將主要采用加速數(shù)據(jù)分析來應(yīng)對日益增長的數(shù)據(jù)量。

企業(yè)每年產(chǎn)生數(shù)百 PB 的數(shù)據(jù)，每家公司都在尋求可以利用這些數(shù)據(jù)的方法。為此，許多公司將采用加速計算進行數(shù)據(jù)分析。

未來將支持“零代碼更改”和“零配置更改”的加速數(shù)據(jù)分析解決方案，使企業(yè)能夠以最小的工作量將現(xiàn)有的數(shù)據(jù)分析應(yīng)用與加速計算相結(jié)合。生成式 AI 賦能的分析技術(shù)將進一步擴大加速數(shù)據(jù)分析的應(yīng)用范圍，使即便不具備傳統(tǒng)編程知識的用戶也能夠創(chuàng)建新的數(shù)據(jù)分析應(yīng)用。

經(jīng)過簡化的開發(fā)者體驗促進了加速計算的無縫集成，這將幫助企業(yè)消除使用加速計算的障礙，使企業(yè)能夠利用其獨特的數(shù)據(jù)開發(fā)新的 AI 應(yīng)用和更豐富的商業(yè)智能。

NADER KHALIL

NVIDIA 開發(fā)者技術(shù)總監(jiān)

初創(chuàng)企業(yè)的員工隊伍：到了 2025 年，提示詞(Prompt)工程師和 AI 個性設(shè)計師將變得廣為人知。隨著企業(yè)積極使用 AI 提高生產(chǎn)力，預(yù)計在初創(chuàng)企業(yè)和企業(yè)中將出現(xiàn)融合新技能和現(xiàn)有技能的新型骨干員工。

提示詞工程師在為聊天機器人和代理式 AI 創(chuàng)建、測試和迭代提示設(shè)計的基礎(chǔ)上，設(shè)計并完善能夠優(yōu)化 AI 訓練和產(chǎn)生預(yù)期結(jié)果的精確文本字符串。對提示詞工程師這一崗位產(chǎn)生需求的行業(yè)將從科技擴大到法律、客戶支持和出版等。隨著 AI 智能體的普及，企業(yè)和初創(chuàng)企業(yè)將越來越依賴 AI 個性設(shè)計師為智能體賦予獨特的個性。

正如計算機的發(fā)展催生了計算機科學家、數(shù)據(jù)科學家、機器學習工程師等工作崗位，AI 也將創(chuàng)造出各種新的工作崗位，為具有強大分析能力和自然語言處理能力的人才提供更多機會。

了解員工效率：越來越多將 AI 融入業(yè)務(wù)實踐的初創(chuàng)企業(yè)將在與投資者和商業(yè)伙伴交流時，把“每位員工的收入貢獻”(RPE)作為他們洽談的話題之一。

AI 對員工工作的輔助將使初創(chuàng)企業(yè)的管理者重點關(guān)注所雇用的每一名新員工如何幫助企業(yè)中的其他員工創(chuàng)造更多收入，而不是采取“不惜一切代價實現(xiàn)增長”的思維方式。初創(chuàng)公司在討論 AI 投資回報以及與大型企業(yè)和科技公司爭奪人才填補空缺職位所面臨的挑戰(zhàn)時，RPE 是一個很好的切入點。