中国金融业CEO季刊：全球洞见，中国实践，捕捉生成式AI新机遇

麦肯锡 中国金融业CEO季刊 全球洞见中国实践 捕捉生成式AI新机遇 2023年秋季刊 麦肯锡 中国金融业CEO季刊 总编：倪以理曲向军 编辑委员会：韩峰容觉生 方浩翔方溪源胡艺蓉曾文静李静瑶宋戈邱外山王喆宸蒋子翔贺珏鲁志娟 特别顾问：NickLeung JoydeepSenguptaAlexSawaya 我们谨此向全球金融咨询业务部门的众多同事表示诚挚感谢。他们是本书8篇文章作者或内容贡献者：MichaelChui、AlexSingla、AlexSukharevsky、BryceHall、LareinaYee、EricHazan、ShivaniGupta、AbhisekJena、BegumOrtaoglu、BarrSeitz、张力、RogerRoberts、TanyaRodchenko、DelphineZurkiya、StephanieBrauckmann、AnushaDhasarathy、MartinHarrysson、KlemensHjartar、AlharithHussin、NaufalKhan、 SamNie、ChandrasekharPanda、HenningSoller、NikhilSrinidhi、AsinTavakoli、NielsVanderWildt、 AnnaWiesinger、陳香輝（JennyChan）、GlennLeibowitz（王磊智）、刘猛、KaiShen、NaveenSastry、EnnoDe Boer、RayZhou、DianeHenry（排名不分先后）等。 麦肯锡公司2023年版权所有。 2023年秋季刊 麦肯锡中国金融业CEO季刊 刊首语 我们置身于技术革新时代。在2023年众多科技趋势和投资热点中，生成式人工智能（下称GenAI）无疑是年度明星技术。伴随着ChatGPT的横空出世，GenAI成为各行各业关注和热议的话题。全球科技巨头和AI厂商纷纷下场，唯恐错过此番科技盛宴。行业翘楚和媒体将GenAI浪潮类比昔日的移动互联网机遇，认为它将对全球经济和各个行业带来深远影响，企业也将迎来重大变革机遇。 与传统AI相比，GenAI拥有四大核心优势——自动化和效率提升、个性化和定制化、创造性和创新能力、以及解释性和透明度。麦肯锡研究显示，人工智能（AI）整体将为全球经济带来高达25.6万亿美元的正面经济影响，而其中来自GenAI的贡献将高达7.9万亿美元1。这其中，零售和消费品行业、银行业、制药和医疗产品行业的价值潜力最大。 以银行业为例，当前四类最主流的应用方式包括：任务和流程自动化、用户互动、内容创作、以及代码编写加速，合计贡献占GenAI总效益的75%。而从企业经营和业务部门的视角来看，其对营销与销售、客户运营与产品研发三大部门的影响最大。不过值得注意的是，金融机构在应用GenAI时需关注模型幻觉、恶意使用、信息泄露等风险。 由于GenAI蓬勃发展，其产业规模也在高速增长，投资者纷纷入局。2022年GenAI市场收入为400亿美元2，预计2027年及2032年将分别达到3,990亿美元和13,040亿美元1，2022~2032年复合增长率达42%1。中国市场，2022年规模约人民币660亿元3，2020~2025年复合增速将达到84%3，2025年中国GenAI市场将占全球市场规模（2,170亿美元）的14%。可见，GenAI不仅会为全球经济创造巨大价值，其本身也蕴藏巨大投资机会。 1基于2022年全球经济结构的预估 2数据来源：BloombergIntelligence 3数据来源：《中国AI数字展望2021~2025》，前瞻产业研究院和中关村大数据产业联盟 本季刊围绕生成式AI主题，通过4大章节共8篇文章，全面深入分析了GenAI对各主要行业的影响、价值链投资机会、中国GenAI市场现状和未来趋势以及企业如何布局GenAI，从而真正挖掘其价值。 第一章，我们分析了GenAI对全球经济的深刻影响及其在各行业的广泛应用，并从企业领导者角度出发，提炼出《生成式AI：CEO必读指南》以及《生成式AI引发科技变革：CIO和CTO参考指南》。 第二章，我们以投资者视角深入探讨在GenAI产业链的六大环节上——专用硬件、云平台、基础模型、模型中心和MLOps、应用及服务——分别存在哪些重要投资机会，并聚焦价值链前五个环节中的明星独角兽企业。 第三章，全面分析了中国GenAI市场发展动态，包括市场规模、技术栈、商业化应用和风险管理这些大家普遍关心的话题，为读者呈现一个全景式的中国GenAI市场概览。 第四章，就如何布局GenAI从而挖掘其价值，我们提出实用策略和建议，并盘点了市场上三类服务商的特点和各自优势，帮助企业管理者更好筛选合适的合作伙伴。 我们深知，对许多企业而言，如何着手部署GenAI仍是一个待解的难题，独立探索GenAI能力也会遇到诸多难题，因此，本期季刊深入浅出从不同方面探讨GenAI的影响和行业应用潜力，希望能帮助企业捕捉这一历史性新机遇，谱写第二增长曲线。 祝您开卷愉快！ 倪以理 全球资深董事合伙人麦肯锡中国区主席 曲向军 全球资深董事合伙人 麦肯锡中国区金融机构咨询业务负责人 目录 第一部分未来已来，生成式AI驱动全球生产力革新与商业模式重塑 008GenAI将为全球各行业创造巨大价值 GenAI技术在提升行业生产效率和促进产品创新方面具有显著优势，预计未来将颠覆全球各行各业的现有格局。在我们分析的63个用例中，GenAI将在不同行业产生2..6万亿 至4.4万亿美元的价值。其中，零售和消费品行业、银行业、制药和医疗产品行业的价值潜力最大。 0402023年人工智能发展现状：生成式AI的突破之年麦肯锡关于生成式AI现状的最新年度调查，综述生成式AI工具在2023年的爆炸式增长及其影响，包括GenAI的普遍应用，AI领域领先企业如何抢先布局，对人工智能相关人才的需求变化以及GenAI普及率和影响范围。 060生成式AI：CEO必读指南 本文旨在帮助CEO及其团队思考生成式AI的价值创造场景以及如何开始应用。包括CEO的GenAI入门指南，4个旨在提高组织效能的案例解析，以及CEO如何发挥关键作用利用GenAI带领企业走向成功。 084生成式AI引发科技变革：CIO和CTO参考指南 本文通过与数十位科技企业领袖的深度对话和对50多家企业的GenAI举措分析，为科技企业领袖列出了成功部署GenAI的九大举措，用以创造价值、协调技术和数据、扩展解决方案并管理GenAI风险。 第二部分洞悉先机，生成式AI浪潮下的全球产业机遇与投资价值 104投资机构篇：挖掘生成式AI产业新机遇 本文深入分析了GenAI价值链的六大环节——专用硬件、云平台、基础模型、模型中心和MLOps、应用和服务，帮助投资机构了解其中蕴藏的大量投资机遇。 第三部分赋能百业，中国企业积极布局生成式 AI“新赛道” 126中国生成式AI行业发展现状及未来趋势 本文深入浅出地分析了中国GenAI行业的发展现状和趋势，详细剖析中国在多个细分领域存在的机遇与挑战，帮助企业探索适合自身发展的商业模式，抓住GenAI技术红利。 第四部分行稳致远，企业规模化部署生成式 AI的“道”与“术” 146从战略到规模化实施，“四步走”全面落地GenAI 企业在考虑引入GenAI时应以速度为先，遵循“四步走”方法论，高效实现GenAI部署和规模化应用：首先快速梳理和构建战略；然后确定用例图谱和转型路径；其次试点优先用例，为规模化建立基础；最后推进全方位的运营模式转型以规模化推广GenAI。 167让GenAI应用真正为企业创造商业价值 企业可以从GenAI应用中获得至少三方面价值，一是减少手工作业并缩短冗长的业务流程，二是协助团队进行高级分析以及更加准确地提炼洞察，三是加速活动/产品的设计与交付过程。 第一部分 未来已来，生成式AI推动全球生产力革新与商业模式重塑 8GenAI将为全球各行业创造巨大价值 84生成式AI引发科技变革：CIO和CTO参考指南 402023年人工智能发展现状：生成式AI的突破之年 60生成式AI：CEO必读指南 8 麦肯锡中国金融业CEO季刊2023年秋季刊 GenAI将为全球各行业创造巨大价值 GenAI将在未来发展中发挥极其重要的作用。通过提高生产效率、推动创新能力和改变行业竞争格局，GenAI将为全球经济带来巨大价值。各行各业的领先企业已经开始积极应用GenAI，并已取得显著成果。 MichaelChui，AlexSingla，AlexSukharevsky，BryceHall 和LareinaYee 数字时代人工智能正成为推动科技进步和社会变革的强大力量。智能手机技术、自动驾驶功能、乃至零售商多样的数字化工具，无一不在展示着人工智能的威力——但曾几何时，AI技术进步几乎难被公众察觉。谷歌DeepMind开发的AlphaGo在2016年击败围棋世界冠军选手时，只得到短暂关注，随后即从公众视野消失。 然而今年，ChatGPT以前所未见的方式吸引了世界关注，开启了人们的想象之门。这要归功于其广泛的实用性：这一工具具备理解自然语言并创造内容的“超能力”，几乎任何人都可以使用它。全球各类市场参与者于是开始研究并关注生成式人工智能（以下简称GenAI）对商业和社会的影响。 未来，预计这项前沿技术将为各行各业创造高达7.9万亿美元的价值。本章将深入探讨GenAI在不同领域的应用以及它所带来的积极影响。 第一部分：GenAI是技术催化剂，助力产业进步 人工智能一步一个脚印发展至今，生成式人工智能实现突破，展现出巨大潜力。 对于GenAI这个概念，人们可能感到相对新鲜。事实上，人工智能的发展经历了若干阶段，从“规则型人工智能”（rule-basedAI）到 “判别式人工智能”（discriminativeAI），最终演变到“生成式人工智能”（generativeAI，简称GenAI）。这些阶段代表了人工智能在算法、学习方法和应用领域上的不断演进和创新。 -规则型人工智能：上世纪60年代到80年代，AI发展处于初始阶段，这一时期的AI主要基于事先定义的规则和逻辑，通过逐步推理和匹配规则来解决问题。使用这种方法的代表是专家系统，1970年代开发的MYCIN系统便是一例，它使用了大量规则来诊 断细菌感染。然而，这些规则型系统的局限性在于其缺乏通用性和灵活性，无法适应复杂的现实问题。 -判别式人工智能：进入1990年代，AI技术开始关注从输入数据中学习特定模式和规律，以进行分类、识别和预测。尽管近年来深度神经网络（DNN）的出现使得判别式AI在图像识别、语音识别、自然语言处理和推荐系统等领域取得了突破性成果，但在这一发展阶段，人工智能仍缺乏生成新数据的能力。 -生成式人工智能：这个阶段的起点可追溯到2014年，当时生成对抗网络（GAN）的提出引发了人们对GenAI的广泛关注。GAN由生成器和判别器组成，通过对抗训练的方式生成逼真的数据样本。GAN在文本生成、图像生成和音频生成等领域取得了重大突破，使得AI能够以更具创造性的方式执行任务。 GenAI是传统A（I规则型AI以及判别式AI）的进化产物，与传统AI相 比，GenAI具有以下四大核心优势： -自动化和效率提升：传统AI需要经过繁琐的手工特征工程和模型调整，而GenAI则能够自动从大量数据中学习，生成高质量的输出。这使得GenAI能够自动化许多重复性和繁琐的任务，从而提高工作效率并减少人工错误。与传统AI相比，GenAI能够更快构建模型、处理数据、生成结果，可助力企业更快做出决策、提供服务。 -个性化和定制化：传统AI往往是基于统计分析和大规模数据的结果，缺乏对个体差异的精确处理。而GenAI通过学习每个个体的数据和反馈，能够根据个人需求和上下文生成个性化输出。这使得GenAI能够为用户提供更加定制化的体验和解决方案，满足不同用户需求