报告行业投资评级 报告未提供行业投资评级。 报告的核心观点 企业视角 1. 企业正面临多方面挑战,包括人才、成本、规模化管理、组织变革、数据控制等,阻碍了企业广泛采用生成式AI [8][9][10][11][12][13][14][15] 2. 生成式AI技术仍需要进一步成熟,包括数据准备、模型优化、部署等多个环节都需要大量时间和资源投入 [22][23][24][25] 3. 企业可采取不同的部署策略,如API服务、第三方托管服务、自主开发应用等,各有利弊 [26][27][28][29][30] 4. 企业采用生成式AI的预期包括提高员工生产力、优化客户流程、开发新产品等,但目前大多局限于内部使用案例 [31][32][33][34][35][36][37][38][39][40] 供给方视角 1. 生成式AI供应链包括硬件、云服务、基础模型开发、MLOps、应用开发等多个环节,参与者众多且竞争激烈 [82][83][84][85][86][87][88][89][90][91][92][93][94][95][96][97][98][99][100] 2. 供给方面临的挑战包括成本高昂、竞争激烈、法律风险等 [102][103][104][105] 3. 监管方面,各地区采取不同的监管策略,从鼓励创新到严格限制不等,对企业部署产生不同影响 [106][107][108][109][110][111][112][113][114][115][116][117][118][119][120][121][122][123][124] 根据目录分别进行总结 企业视角 1. 企业正面临多方面挑战,包括人才、成本、规模化管理、组织变革、数据控制等,阻碍了企业广泛采用生成式AI [8][9][10][11][12][13][14][15] 2. 生成式AI技术仍需要进一步成熟,包括数据准备、模型优化、部署等多个环节都需要大量时间和资源投入 [22][23][24][25] 3. 企业可采取不同的部署策略,如API服务、第三方托管服务、自主开发应用等,各有利弊 [26][27][28][29][30] 4. 企业采用生成式AI的预期包括提高员工生产力、优化客户流程、开发新产品等,但目前大多局限于内部使用案例 [31][32][33][34][35][36][37][38][39][40] 供给方视角 1. 生成式AI供应链包括硬件、云服务、基础模型开发、MLOps、应用开发等多个环节,参与者众多且竞争激烈 [82][83][84][85][86][87][88][89][90][91][92][93][94][95][96][97][98][99][100] 2. 供给方面临的挑战包括成本高昂、竞争激烈、法律风险等 [102][103][104][105] 3. 监管方面,各地区采取不同的监管策略,从鼓励创新到严格限制不等,对企业部署产生不同影响 [106][107][108][109][110][111][112][113][114][115][116][117][118][119][120][121][122][123][124]