最近，Gartner 研究總監分享了 Gartner 做的一個調查問卷，結果顯示，在中國有6%的用戶已經部署了類似ChatGPT、生成式AI相關技術，在東南亞和中東地區則為3%。由此來看，中國用戶相對而言走在比較前面。
風投公司過去三年在生成式人工智慧（AI）解決方案上共投資了17億美元，其中AI藥物研發和AI軟體編碼獲得的資金最多。
與此同時，中國有26%的用戶已經在積極試點生成式AI技術，還有24%左右聲稱未來0-6個月去部署生成式AI相關的應用或者技術。最近沒計劃或者五六個月之後才有計劃的用戶大概是14%。
中國用戶對於以數據為核心（Data-CentricAI）的生成式AI能力是比較有信心的，而且其整體信心要高於其它一些類型，例如以模型為核心（Model-Centric）AI 的方式。
Gartner認為，可能下一波比較火熱的技術能力，就是所謂的「負責任的AI」。也就是在生成式AI上面加一個保險，讓生成式AI生產的內容儘量減少「幻覺」，用一種負責任的形式去為人類所處理。
未來生成式AI的技術走向：
第一，架構角度，現在主流還是在雲上運行或者使用生成式AI應用程序，但在受管治的一些行業當中企業內部的選擇可能會激增，可能會看到一些本地部署的選擇。對於基礎設施的供應商來說，可以通過生成式AI的能力把自己的硬體附加的一些價值體現出來。
第二，模型本身，大模型的推出將會越來越多，未來也會出現更多Fine-Tuning模型。Fine-Tuning模型的優點在於匹配度會比較高，更貼近業務場景，這也意味著更低的成本。開源軟體或者開源社區將會在這個系統當中發揮重要作用。
第三，運營角度，未來6個月「提示工程」可能會變成一個非常重要的市場，同時「矢量資料庫」將會在運營側變得非常重要。
生成式AI的五個行業用例：
- 藥物設計領域，將各種用途的藥物設計周期縮短到幾個月，減少製藥行業的藥物研發成本和時間。
- 材料科學，通過組合出具有特定物理特性的新材料影響著汽車、航空、國防、醫療、電子和能源行業。
- 晶片設計，使用強化學習（一種機器學習技術）優化半導體晶片設計（布圖規劃）中的元件位置，將產品開發周期從幾周（使用人類專家）縮短到幾小時（使用生成式AI）。
- 合成數據，保護了模型訓練數據原始來源的隱私，例如可以人為生成用於研究和分析的醫療數據，這樣就能避免透露所使用的醫療記錄上的病人身份，保護病人的隱私。
- 零件的生成式設計，製造、汽車、航空、國防等行業能夠設計出最能夠滿足性能、材料、製造工藝等特定目標和限制的零件。例如，汽車製造商可以使用生成式設計創造出更輕的設計，幫助他們實現讓汽車更省油的目標。
