《德勤：2025科技、傳媒和電信行業預測報告（126頁）.pdf》由會員分享，可在線閱讀，更多相關《德勤：2025科技、傳媒和電信行業預測報告（126頁）.pdf（126頁珍藏版）》請在三個皮匠報告上搜索。

1、012025科技、傳媒和電信行業預測011.生成式AI數據中心電力與可持續性差距。擬建的生成式AI數據中心電力需求急劇增長，并尋求低碳電力，這在其需求與電網容量及公司可持續發展目標之間產生了差距。盡管全球的超大規模企業、芯片公司和公用事業公司正在努力彌合這一差距，但預計2025年這一差距仍將存在。2.生成式AI的性別差距。相較于男性，女性在工作和娛樂中使用生成式AI工具的可能性較低。部分原因是缺乏信任，但在某些市場，女性對生成式AI的使用率有望在年內趕上男性。3.生成式AI深度偽造信任差距。深度偽造生成式AI內容（圖像、視頻和音頻）的泛濫導致消費者信任度下降。生成式AI生態系統需全面且不可篡改

2、地標注內容，并可靠、準確地實時檢測虛假圖像。創建可信的深度偽造內容的邊際成本正在不斷下降，而檢測成本需要以同等速度下降，以幫助彌合這一差距。4.制片公司使用生成式AI的差距。許多人期望大型制片公司使用生成式AI進行內容制作，且部分公司已付諸實踐，但預期與現實之間仍存在差距。許多制片公司對生成內容固有的知識產權挑戰持謹慎態度，但他們渴望獲得企業能力，以縮短時間、降低成本并擴大影響力。2025科技、傳媒和電信行業預測：彌合差距德勤預測，2025年將是生成式人工智能（簡稱“生成式AI”）與科技、傳媒和電信（TMT）行業迎來重大轉折的“間隔年”，這一年將凸顯出彌合關鍵差距以解鎖當今潛力的迫切需求。展望

3、未來，至2025年及以后，TMT行業即將實現重大飛躍，這一 飛躍在很大程度上得益于生成式AI的迅速普及。然而，要實現這一愿景，行業還需要彌合以下差距：平衡生成式AI基礎設施投資與商業化進程、解決生成式AI使用中的性別差異、管理生成式AI數據中心的能耗、應對公眾對深度偽造內容的信任問題、探索生成式AI在媒體和游戲領域的最佳應用、利用生成式智能體實現實時管理與行動，以及填補流媒體視頻和云支出方面的缺口。同時，還有一些非差距性預測值得關注，包括搭載生成式AI芯片的新型智能手機和個人電腦、提升觀眾體驗的新場館與體育基礎設施，以及電信運營商的整合（特別是無線運營商）?？朔@些障礙對于企業和行業的繁榮發展

4、至關重要。標志著2025年成為TMT行業“間隔年”的關鍵差距025.自主生成式智能體(Autonomous Gen AI agents)差距。能夠持續可靠地完成離散任務并協調整個工作流程的自主機器人極具吸引力。2024年已啟動代理式人工智能(Agentic AI)試點項目它們能否在2025年實現廣泛應用？6.流媒體視頻差距。許多媒體和娛樂公司認為消費者會“購買并持有”多個訂閱服務。然而，消費者正在通過捆綁自己喜愛的訂閱并放棄其他訂閱來降低成本。我們發現，每個家庭的服務數量不僅停滯不前，還在減少，流媒體公司越來越依賴捆綁服務來填補增長缺口，并利用第三方來聚合和分發其內容。7.云支出差距。使用云的

5、最初賣點之一是其成本更低，但實際上，支出往往是分散且難以控制的。一些買家正在利用“FinOps”（一套衡量和優化云支出的工具和戰略）來彌補承諾的成本節約與當前支出之間的差距，以管理其云支出并節省數十億美元。今年新增內容今年，我們推出了兩個新部分，其中包含10個微型預測。在“最新動態”部分，我們回顧了之前TMT行業預測報告中的六個主題，同時還探討了這些主題的最新預測。另外，在“上升趨勢”部分，我們關注了TMT領域的四個前沿話題，盡管這些新興主題可能尚未成為主流預測的一部分，但我們堅信它們將成為行業即將流行的焦點。女性與生成式人工智能：使用鴻溝快速彌合，信任差距 仍然存在要想女性真正享有生成式AI

6、的紅利，科技公司應努力增強信任，減少偏見，為其提供更多相關工作崗位。德勤預測，到2025年底，美國體驗和使用生成式AI技術的女性用戶人數將與男性用戶持平甚至實現超越。雖然2023年女性用戶僅為男性用戶的一半，但據其采用速度推測，她們很可能在明年內實現齊平，并在一到兩年內在許多歐洲國家實現平等。盡管采用速度在加快，但女性對人工智能供應商是否會保護她們的數據安全表示不太信任這可能會阻礙她們全面參與人工智能，并影響她們在人工智能方面的支出。為了克服這一問題，科技公司應加強數據安全和數據管理實踐，減少人工智能偏見，并提高女性在該領域的參與度。隨著生成式人工智能功耗日增，數據中心尋求更綠色可靠的能源解決

7、方案科技行業應優化基礎設施、創新芯片設計，并與電力提供商合作，助力數據中心實現未來可持續發展。人工智能數據中心用電量將持續攀升，德勤預測，到2025年，數據中心用電量大約占全球用電量的2%。預計這一增長源自高密度數據中心基礎設施，以支持龐大的計算能力和冷卻需求。然而，監管、基礎設施和成本問題正給發電和電網帶來挑戰，使其難以滿足數據中心對全天候可靠能源前所未有的需求。技術和電力行業可以通過增加無碳能源的使用、提高生成式AI芯片和算法中的能效以及重新平衡計算密集型AI工作負載來共同應對這些問題。03雄心勃勃的體育場館項目旨在彌合公共投資和私人投資目標之間的差距體育場館所有者致力于將體育場館改造為可

8、促進社會經濟增長、推動社區參與和實現收入多元化的增長點。體育產業已多次證明其有望成為經濟和社會發展的催化劑，體育場館大多位于社區的中心。對體育基礎設施的投資呈上升趨勢，原因是該等開發項目常會為公共和私人部門帶來廣泛的社會經濟效益。政府和社區以增長為共同目標，可與體育投資者合作提供交通樞紐和社區資源等配套基礎設施，助力提升體育運動的社會經濟影響，提高球迷參與度，并使體育組織的收入來源多樣化。我們預計，2025 年新的體育場館開發項目將繼續加快步伐，預計近50%的新建體育場館基礎設施項目將在北美和歐洲落地。處于研發階段的自主生成式智能體自主生成式智能體(Autonomous Gen AI agen

9、ts)亦稱作“代理式人工智能(Agentic AI)”，不僅能提升知識工作者的工作效率，還可實現各類工作流程的高效運作。然而，由于代理式人工智能的“自主性”特征，其廣泛應用尚待時日。德勤預計，到2025年，在已部署生成式AI的企業中，將有25%的企業開展代理式人工智能的試點項目或進行概念驗證。到2027年，這一比例將增至50%。代理式人工智能可以自主完成復雜的任務，提高知識工作者的生產力和效率。目前最有前景的應用包括軟件開發、客戶支持、網絡安全和監管合規。代理式人工智能進步迅速，但與大多數新技術一樣，廣泛應用尚需時日。盡管如此，2025 年，在某些行業和用例中，一些代理式AI應用程序將被實際應

10、用于現有工作流程。深度偽造之戰：網絡安全的大規模挑戰與深遠影響隨著檢測和打擊虛假內容的力度持續加大，維護可信互聯網的成本或由消費者、創作者及廣告商共擔。隨著人工智能生成越來越多的在線圖像和視頻，圍繞內容真實性和虛假內容的潛在危害的問題變得越來越緊迫。社交平臺、科技公司和媒體機構正在開展跨界合作：利用技術（通常是人工智能）檢測和標記假冒內容，以及利用加密元數據確保真實媒體內容的出處。德勤預計，該市場的發展軌跡或與網絡安全行業相仿，媒體公司及技術提供商將通過投資驗證技術并與各方合作，以領先于不斷進化的偽造手段。云服務的精益管理：“FinOps”讓每一分錢發揮最大效益隨著企業云支出不斷增加，運用Fi

11、nOps策略能讓每筆投入的價值回報最大化，實現成本節約、價值提升及跨部門協同增效。2025年，全球云支出預計將達到8,250億美元，1但企業高層可能難以言明具體的支出細節。不過，德勤預測，2025 年采用“FinOps”可為企業節省約210億美元。企業可以先關注初步措施，采取行動減少云浪費，優化資源配置，并積極調整計算、網絡和存儲的規模。但是，經驗豐富的公司也可以推動文化變革，例如確立跨部門的責任和財務問責制。我們的目標是創建“云單位經濟效益”模型確保每一筆云支出都與其產生的業務價值相對應，助力企業做出有效的IT決策。04端側生成式人工智能能否助力智能手機市場復興憑借特殊芯片和移動操作系統的廣

12、泛集成，智能手機可真正實現大智慧，但用戶是否愿意為智能交互的革新買單？德勤預測，2025年全球智能手機出貨量將將從 2024 年的5%年增長率小幅提升至 7%左右。部分增長量可能來自換機周期（過去兩年的換機周期有所下降），另一部分增長動力是早期用戶對端側生成式AI的熱情追捧。智能手機搭載生成式AI功能將驗證智能助手、對話界面等功能的實用性，展現設備上運行小型模型的能力，并探索在生成式AI高資本投入下實現經濟價值的商業模式。盡管生成式AI前景廣闊，但其能否真正實現潛力，以及用戶是否愿意接納這種與普及度極高的消費電子產品的全新交互方式，仍有待時間驗證。生成式人工智能用于內容創作，大型制片公司猶豫不

13、決，社交媒體積極推進好萊塢（以及其他電影制片公司）可能會謹慎采用生成式AI技術進行內容創作，但或會率先將其用于運營和發行。德勤預測，2025年，各影視巨頭公司仍將對采用生成式AI進行內容創作持謹慎態度，在此方面只投入不到3%的制作預算。我們也預測，運營支出將增加10%，用于使用生成式AI工具執行合同和人才管理、許可與規劃、營銷和廣告以及內容本地化和配音等工作，以此幫助擴大制片公司在全球各個市場的影響力。這種方法可以幫助制片公司減少生成式AI技術在人才和內容創作上的影響，同時加速利用該技術降本增效。重新評估直接面向消費者（DTC）模式：轉向視頻聚合商視頻內容創作者或需更多經銷商來擴大可觸達市場規

14、模。德勤預測，訂閱視頻點播（SVOD）的“堆疊”現象即消費者訂閱多個獨立視頻點播服務將在2025年減少。根據德勤的調查，在 2023 年和 2024 年，美國每個用戶的訂閱數約為4個，而在歐洲市場高于2個，目前來看，我們已經度過了這一峰值，在大多數市場中，獨立流媒體服務的數量將緩慢下降。消費者將不再直接訂購單一內容提供商的服務，而是更傾向于使用聚合服務，即從電信公司、付費電視、技術平臺到流媒體本身等中間商將多個內容源整合到一個套餐中。這一趨勢很可能對眾多參與者而言都是有利的，有助于控制成本，并為2025年及以后的流媒體市場創造一個穩定且可持續的生態系統。監管放寬助力，無線電信市場整合提速在許多

15、市場，小型無線電信公司面臨增長緩慢、利潤低下以及債務壓力。并購活動，尤其是資產整合乃至整個面向消費者的公司合并，在獲得監管機構批準的情況下，或能帶來轉機。在一些市場，尤其是歐洲和亞洲，無線電信市場過于分散，一些參與者規模過小，沒有能力長期投資網絡，且難以為繼。盡管這些市場歷來保持著較多的運營商數量，但最近的討論中出現了 允許甚至鼓勵整合的機會。德勤預測，盡管這一過程預計會比較緩慢，并且監管機構會提出相應條件，但從2025年開始，整合的步伐將會加快，并將持續進行，從而創建一個更具可行性和可持續性的無線生態系統，特別是在較小規模的市場中。05最新動態今年，我們將回顧以往的六個預測，看看我們的預測結

16、果如何，以及最新的發展動態是什么：生成式人工智能走向企業邊緣：“本地部署人工智能”盛行搭建企業內部服務器，以構建更加私密、安全、靈活且低成本的人工智能信息技術環境。德勤預測，2025年，盡管云端生成式AI仍將是主流選擇，但全球約半數企業將在本地增設人工智能數據中心基礎設施，主要是為了保護其知識產權和敏感數據，遵守數據主權或其他法規，以及節省開支。德勤2024年第二季度 企業生成式人工智能現狀 調查顯示，人工智能專業水平極高的企業中，有80%表示在云端人工智能上投入了更多資金.但61%的企業表示在自身硬件上投入了更多資金。企業最終可能會傾向于采用混合模式部署生成式AI，即結合云端與本地資源進行操

17、作。（重新）確定女子賽事的投資案例女子賽事收入不斷增長，投資者熱情高漲，收入估值創下紀錄。全球女子體育運動的職業化和商業化程度日益提高，正吸引著體育迷、贊助商以及至關重要的投資者的關注。2024年，我們預測女子精英體育市場的收入將超過10億美元。在北美，俱樂部的估值屢創新高，包括美國國家女子足球聯賽的洛杉磯天使城足球俱樂部（估值2.5億美元）2和美國女子職業籃球聯賽的拉斯維加斯王牌隊（估值1.4億美元）3。在其他地區，各組織正在創建創新性的結構，以便為女子運動隊注入投資，并強調戰略增長、獨立領導地位和商業機會。2025年，我們預計包括機構投資者、私募股權和高凈值個人在內的投資者群體將進一步擴大

18、，并對女子體育領域給予更多關注。固定無線接入（FWA）：與普遍觀點相反，FWA采用率或將持續增長美國FWA凈增用戶數可能略低于去年，而部分市場的FWA凈增用戶數或將到2026年才會實現高速增長.無論美國或是全球，FWA凈增用戶數均存在未實現增長或潛在增長。固定無線接入（FWA），即消費者通過固定蜂窩設備（主要是5G）而非電線獲得家庭寬帶服務，在美國5G發展中發揮著重要作用。預計到2024年底，將有超1,000萬戶家庭接入。然而，其增長速度正在放緩，2024年第一季度的凈增用戶數低于2023年第一季度，且預計2025年將進一步放緩。盡管如此，企業將越來越多地使用FWA，除美國和印度兩個規模較大的

19、FWA市場，其他市場的凈增用戶數仍將超數百萬。德勤預測，2025年和2026年全球FWA凈增用戶數將繼續以每年約20%的速度增長。（與德勤2022年對FWA的預測一致）。5G獨立組網進展緩慢：6G到來會否延期？面對投資回報疑慮，電信公司重新評估5G獨立組網投資，6G推進或受影響。5G獨立組網（SA）網絡的部署進展比最初預期的要慢。電信公司可能因現有5G投資回報不理想而對下一代5G技術的大規模投資持謹慎態度，這使得6G的推出似乎愈發遙遠。2022年，德勤全球預測，到2023年底，投資5G獨立組網網絡的電信運營商數量將從2022年的100多家翻倍至少200家，但這一情況并未發生：截至2024年3月

20、，在全球已推出5G服務的585家運營商中，僅有49家部署、推出或試運行了5G獨立組網網絡。4德勤預測，到2025年，新升級到獨立組網的網絡數量將不足20個，5G SA在所有5G部署中的占比將保持在12%左右。06開放式無線接入網（RAN）移動網絡與供應商選擇：目前采用單一供應商模式，何時實現多供應商模式？開放式RAN邁向多元化、多供應商生態系統進程緩慢，且面臨錯綜復雜的挑戰。開放式無線接入網（Open RAN）旨在為構建RAN的移動網絡運營商（MNO）提供更多選擇并提高其靈活性，以實現網絡民主化。2021年，德勤預測全球動態公共網絡開放式RAN部署數量將從35個增至70個。我們當時過于樂觀：截

21、至2024年3月，全球正在部署和試驗的公共網絡開放式RAN數量為45個，僅有兩個網絡為多供應商開放式RAN。5向多元化、多供應商生態系統過渡比一些人最初預計的更加緩慢和復雜，實現真正的多供應商開放式 RAN仍需時日。德勤預測2025年將不再部署或公布其他多供應商開放式RAN網絡。量子技術起步雖慢，網絡安全防御不容滯后量子藥物發現與金融建模尚待時日，但量子時代的網絡防御升級卻刻不容緩。正如德勤在過往報告中預測的那樣，量子計算機目前仍處于研發階段，至少在現階段，它們能提供計算優勢的現實應用場景很少。但是，“先竊取、后解密”攻擊的威脅已達到臨界點，在這種攻擊中，威脅行為者竊取加密數據，存儲數年，然后

22、在某個時間點使用未來具有密碼學意義的量子計算機進行解密。德勤預測，與2023年相比，2025年致力于實施后量子加密解決方案的公司數量預計將增至四倍，其相關支出也將翻兩番。預計2025年，后量子密碼學解決方案將涵蓋從企業和超大規模企業到消費者智能手機和消息服務的各個領域。上升趨勢請密切關注這些新興趨勢。我們預測，它們很快就會成為關注的焦點，改變討論的方向，并塑造行業的未來：生成式人工智能與網絡安全：風險與機遇并存網絡安全專業人士深知，生成式AI在帶來網絡威脅的同時又能用于開發網絡解決方案，因此正在探索如何利用生成式AI的力量應對新興風險，同時幫助強化技術環境。根據2024年德勤與國家州信息主管協

23、會（NASCIO）聯合進行的網絡安全研究顯示，近四分之三接受調查的安全專家表示，人工智能帶來的網絡安全威脅很高。2024年利用生成式AI進行的網絡攻擊頻發（較以往增加了一倍甚至兩倍），而到2025年網絡攻擊頻率還將持續增長，被用于編寫惡意網絡釣魚郵件、深度偽造內容或惡意軟件攻擊的軟件代碼的威脅行為者將增多。開發生成式AI工具的技術公司可能會在2025年開發防護欄，以防止惡意使用。雖然威脅行為者可以使用生成式AI工具進行惡意活動，但防御者同樣可以利用這些工具來幫助改進安全流程、監控和風險管理。硅芯“化整為零”：芯?！袄m命”摩爾定律芯粒致力于為人工智能和高性能計算環境提供更加靈活、可擴展和高效的系

24、統，同時提高良品率。芯粒（Chiplet)，作為一種開發和封裝半導體的異構技術架構，能夠實現高速數據傳輸、減少延遲，并有助于優化PPA（功耗、性能和面積）。德勤預測，基于芯粒的全球先進封裝技術收入將從2021年的約70億美元增至2025年的160億美元，增幅超過一倍。芯粒已經應用到一些快速增長的市場，如AI加速器（尤其是生成式AI）、高性能計算和電信應用。它們正在推動半導體行業持續提升性能和產量。07Ariane Bucaille FranceGillian Crossan United StatesKevin Westcott United StatesLara Abrash United

25、StatesBy業務/運營支持系統（B/OSS）：電信公司對其業務和運營支持系統進行現代化升級電信公司的后端業務和運營軟件市場增長緩慢，但通過采用SaaS、微服務架構、云遷移等方式實現其現代化升級，是目前軟件供應商的增長熱點，也是電信公司利用5G、光纖和人工智能拓寬業務的重要機遇。電信公司一直擁有兩套獨立但重要的電信專用IT系統。分別為業務支持系統（BSS），主要用于客戶訂單捕獲、客戶關系管理和計費；以及運營支持系統（OSS），負責服務訂單管理、網絡庫存管理和網絡運營。這通常是兩個部署在本地的獨立系統，且一般是定制的硬件定義系統，主要由個性化和專業化解決方案構成。然而，到2025年，隨著客戶期

26、望的不斷變化和新的數字收入來源的出現，預計許多電信運營商將對這些系統進行現代化改造和整合。德勤預測，到2025年，OSS和BSS市場（B/OSS）的全球總收入將達到700億美元，年增長率約為5%?；谠频慕鉀Q方案和軟件即服務（SaaS）產品的增長預計將更加迅猛，年增長率分別為22%和18%。預計未來幾年，大部分的增長將來自美洲、中東、北非以及新興的亞太地區。硅光子：生成式人工智能實現光速通信生成式AI要求日益提高，硅基光學器件正走出研究實驗室，成為數據中心的應用焦點。德勤預測，用于光收發器的硅光子芯片的銷售額將從2023年的8億美元增至2025年的12.5億美元，復合年均增長率為25%。硅光子

27、芯片可助力生成式AI數據中心實現光速通信，采用更小、更便宜的組件，能耗更低，產生的熱量也少于傳統替代品。2025年，2025年，預計硅光子技術主要應用于數據中心，尤其是用于運行生成式AI訓練和推理尤其是在芯片、托盤和機架之間數據需要傳輸10厘米至10米距離的場景中。1.Gartner,“Gartner forecasts worldwide public cloud end-user spending to surpass$675 billion in 2024,”press release,May 20,2024.2.Angle City FC,“Willow Bay and Bob Ige

28、r to become Angel Citys new controlling owners,”July 17,2024.3.Josh Sim,“Las Vegas Aces valued at US$140m as average WNBA team hits US$96m,”SportsPro,June18,2024.4.GSA,“5G-GSA Market Snapshot March-2024,”March 4,2024.5.TeckNexus,“Current State of Open RAN Countries&Operators deploying&trialing Open

29、RAN,”March 10,2024.Wewishtothank Duncan Stewart,Je Loucks,and Paul Lee,plus the entire team,fortheirwork on thePredictionsreport.Cover image by:Jaime Austin;Ge?y Images,Adobe Stock致謝尾注0809人工智能數據中心用電量將持續攀升，但事實上，數據中心用電量占全球電力需求的比重并不高。德勤預測，到2025年，數據中心用電量大約僅占全球用電量的2%，即536太瓦時（TWh）。然而，隨著電力密集型生成式人工智能的訓練和推理需

30、求迅速增長，超過其他應用，預計到2030年全球數據中心的用電量將翻一番，約達1,065太瓦時（見圖1）。1為保障數據中心供電并減少環境影響，許多公司正探索將數據中心的創新節能技術與更多無碳能源結合使用。然而，發電和電網基礎設施要滿足人工智能數據中心激增的用電需求實屬不易。由于電氣化進程運輸、建筑和工業領域從化石燃料設備轉向電力設備以及其他因素，電力需求增長迅速。加之生成式人工智能的出現，導致電力需求增長超出預期。此外，數據中心往往對電力供應有特殊要求，需要具備高冗余度、高可靠性的全天候電力供應，并致力實現供電過程的碳中和。由于多重變量的影響，要估算2030年及以后全球數據中心的用電量并非易事。

31、據德勤評估，如果人工智能和數據中心的處理效率不斷提升，到2030年全球數據中心的能耗水平將達約1,000太瓦時。然而，若預期的效率提升在未來幾年內未能實現，則到2030年全球數據中心的能耗水平或將超過1,300太瓦時，這將直接影響到電力提供商，并阻礙氣候中立目標的達成。2因此，未來十年里，推動人工智能創新和提高數據中心效率，將成為塑造可持續能源格局的關鍵。隨著生成式人工智能功耗日增，數據 中心尋求更綠色可靠的能源解決方案科技行業應優化基礎設施、創新芯片設計，并與電力提供商合作，助力數據中心實現未來可持續發展。10圖1數據中心用電量（太瓦時）注：P表示預測值。資料來源：德勤基于公開資料來源以及與

32、行業專家的討論所做的分析。分析方法：德勤基于美國能源信息署 2023年國際能源展望 中關于住宅、商業、工業和交通業終端用戶總用電量的基礎用電數據（參見表：按終端用戶部門和燃料劃分的能源消耗量），得出了2022年至2030年全球數據中心用電量（太瓦時）的估計值和預測值。德勤對數據中心用電量占全球總用電量比重的估計和預測，是基于對Semi Analysis、EPRI、高盛、彭博和Latitude Media等多方公開資料的分析，并通過與科技、能源和可持續發展行業專家的討論予以進一步驗證。數據中心占全球用電量的比重（%）受能源密集型生成式人工智能模型的推動，預計2030年全球數據中心用電量將激增隨著

33、人工智能數據中心電力需求的日益增長，全球部分地區已面臨發電和電網容量管理問題。32023年至2026年間，全球數據中心關鍵組件（包括GPU 和CPU服務器、存儲系統、冷卻設備及網絡交換機）所需電力預計將增長近一倍，到2026年將達96吉瓦（GW），其中僅人工智能運算就可能占用超40%的電力。4預計到2026年，全球人工智能數據中心的年用電量將達90太瓦時（約占屆時全球數據中心預計用電量681太瓦時的七分之一），較2022年增長約十倍。5因此，生成式人工智能投資大幅推高了用電需求，例如，2024年第一季度全球人工智能數據中心的新增電力凈需求約為2吉瓦，較2023年第四季度增長了25%，更是202

34、3年第一季度的三倍多。6滿足數據中心的用電需求頗具挑戰，因為數據中心設施往往集中在特定區域（如美國），且其全天候電力需求將對現有電力基礎設施造成負擔。7 德勤預計，科技行業和電力行業將共同應對上述挑戰，降低人工智能（尤其是生成式人工智能）對能源行業的影響。目前，許多大型科技公司和云服務提供商已著手進行無碳能源投資，并推動實現凈零排放目標，8積極踐行對可持續發展的堅定承諾。 電力需求激增的主要原因在于超大規模云服務提供商計劃拓展全球數據中心的容量。9隨著人工智能（尤其是生成式人工智能）需求上升，企業和國家紛紛投入數據中心建設。各國政府也在打造主權人工智能能力，以保持其技術領先地位。10有數據顯示

35、，幾家主要云服務提供商的數據中心建設投資已創歷史新高，2024年資本支出約2,000億美元，2025年或將超過2,200億美元。11 此外，德勤調研報告 企業生成式人工智能應用現狀 指出，截至目前，多數企業的人工智能應用尚處于試點和實驗階段。12但在探索生成式人工智能價值的過程中，受訪企業已看到切實成果，因此打算在試點和概念驗證之后迅速擴大其應用規模。隨著生成式人工智能技術的成熟和使用量的增加，預計到2025年和2026年，云服務提供商的資本支出將繼續保持高位。數據中心的電力消耗主要集中在兩大領域：算力和服務器資源（如服務器系統，約占總電力消耗的40%）以及冷卻系統（約占38%40%）。即便在

36、人工智能數據中心，這兩者亦是能耗最高的部分，持續推高整體電力消耗。此外，內部電源調節系統占8%10%，網絡通信設備和存儲系統各占約5%，照明設施則通常僅占1%2%（見圖2）。13考慮到生成式人工智能的高電力需求，超大規模云服務提供商、數據中心運營商等數據中心提供商在設計數據中心時，應考慮采用替代能源、創新冷卻技術和更節能的解決方案。目前，多項相關工作已在進行中。圖2算力和服務器資源冷卻系統內部電源調節系統資料來源：德勤基于ScienceDirect（2023年）和IEEE Access（2021年）等公開調研報告所做的分析。算力和冷卻系統是人工智能數據中心能耗主因 自生成式人工智能問世以來，以

37、每秒浮點運算次數（FLOPS）衡量的人工智能總算力亦呈指數級增長。自2023年第一季度以來，全球人工智能總算力每季度增長50%60%，并預計到2025年第一季度仍將保持這一增速。19但數據中心不僅以FLOPS來衡量算力，還以兆瓦時（MWh）和太瓦時（TWh）作為衡量標準。包含數十億參數的生成式人工智能大型語言 模型及其巨額功耗生成式人工智能的大型語言模型（LLM）日益精密，其參數（即實現人工智能學習和預測功能的變量）數量也在逐步增加。2021年至2022年間，問世的初始模型擁有1,000億至2,000億個參數，而到2024年中期，先進的大型語言模型已擴展至近兩萬億個參數，能夠解讀和解碼復雜的圖

38、像。20此外，全球正競相發布十萬億參數級大型語言模型。由于人工智能必須經過訓練和部署，更多的參數也將增加數據處理和算力需求。這將進一步加大對生成式人工智能處理器和加速器的需求，增加耗電量。此外，大型語言模型的訓練過程極為耗能。研究表明，對于參數量超過1,750億的大型語言模型，單次訓練的耗電量在324兆瓦時至1,287兆瓦時之間而且模型通常需要多次訓練。21 平均而言，生成式人工智能提示請求的電力消耗是普通網絡搜索的10到100倍。22德勤預測，如果全球每天有5%的網絡搜索采用生成式人工智能提示，則需要約20,000臺服務器（每臺服務器配備8個專用GPU）來滿足這些請求，每臺服務器平均耗電6.

39、5千瓦，這意味著日均用電量可達3.12吉瓦時，年用電量達1.14太瓦時23相當于約108,450個美國家庭一年的用電總量。24 數據中心用電需求對電力行業轉型是一把 雙刃劍電力行業已著手制定相應計劃，以滿足不斷增長的用電需求。業內人士普遍預測，到2050年，部分國家的用電量將增加兩倍之多。25但近期，由于數據中心用電需求激增，部分地區的用電量增速明顯加快。多個國家曾做出預測，電氣化進程推進、數據中心用電量增長以及整體經濟增長將導致電力需求持續上升。但近期數據中心用電需求的激增或許僅是冰山一角，供電壓力日漸凸顯。26 13隨著電力公司對電網基礎設施進行建設和升級，以及推進去碳化和數字化，電力行業

40、步入長達數十年的轉型期。在許多地區，電力公司還在加固設備，以應對日益嚴峻的氣候事件，并保護網絡免受與日增加的網絡安全威脅。27部分國家的電網難以滿足電力需求，尤其是對低碳或零碳電力的需求。2026年，美國數據中心的用電量預計將占全國總用電量的6%（約260太瓦時）。28由于人工智能的發展，英國數據中心的電力需求或在短短十年內增長六倍。29到2026年，中國數據中心（包括人工智能數據中心）預計將占全國電力需求的6%。30此外，數據中心的電力需求，對于中國能源轉型來說是一個新的變量，只有與清潔能源發電相結合，才有利于推動能源轉型和雙碳目標的實現。31 面對數據中心用電需求的不斷增長，部分國家正在制

41、定相關法規予以應對。例如，愛爾蘭現有數據中心的用電量占全國總用電量的五分之一，隨著人工智能數據中心不斷涌現，該比例或將進一步提高；家庭用電甚至出現下降。32愛爾蘭一度叫停接入電網的新數據中心建設計劃，但后來改變了這一決策。33與愛爾蘭一樣，荷蘭阿姆斯特丹亦暫停了新數據中心的建設，以支持城市的可持續發展。34新加坡則針對數據中心推出了全新的可持續發展標準，要求運營商逐步提高設施運行溫度至26攝氏度或以上，以減少冷卻需求并降低功耗，但這將縮短芯片的使用壽命。35 數據中心需求的緊迫性、地域集中度以及對全天候無碳能源的需求，使得科技公司和電力提供商面臨更加嚴峻的挑戰。電氣化、制造業等領域也將產生新的

42、用電需求。弗吉尼亞州北部是全球最大的數據中心市場，36本地公用事業公司Dominion Energy預計，未來15年弗吉尼亞州北部的電力需求將增長約85%，其中數據中心的用電需求將翻兩番。37許多科技公司難以在短期內獲得全天候無碳電力。電力提供商正想方設法，以滿足需求并維持電力供應的可靠性和可負擔性。除開發新的可再生能源和電池儲能技術外，多家電力提供商還計劃建設含碳的天然氣發電廠，38這或將加大公用事業、州乃至國家實現脫碳目標的難度。39 盡管人工智能將消耗大量清潔能源，但亦有助于加速清潔能源轉型：部分公用事業公司已開始利用人工智能改進天氣預報、電力負荷預測、電網管理、可再生資產性能、風暴后恢

43、復和野火風險評估等，從而降低電網的運行成本、提高運行效率和可靠性。40 數據中心冷卻系統耗水量巨大新一代CPU和GPU較上一代具有更高的熱密度。與此同時，為迎合高性能計算和人工智能應用的強勁需求，部分服務器提供商在每個服務器機架上安裝更多高能耗芯片。這樣的高密度機架需水量更大，尤其是冷卻生成式人工智能芯片。到2027年，人工智能數據中心的淡水需求量最高可達1.7萬億加侖。41如果一個超大規模數據中心計劃采用空氣冷卻和飲用水蒸發冷卻技術來控制過熱，其年用水量將超過5,000萬加侖（約為制造14,700部智能手機的用水量42），且這些水量無法回流到含水層、水庫或供水處。43 在普通數據中心中，僅空

44、氣冷卻技術的耗電量就高達40%。因此，數據中心正在尋找傳統空氣冷卻方式的替代方案，首選即是液體冷卻技術，原因是液冷技術具有更高的熱傳導性能，有助于冷卻高密度服務器機架，且相較于空氣冷卻方式，可減少高達90%的用電量。44液冷技術還可對服務器機架進行直接冷卻，因此可支持50至100千瓦或更高功率的密集機架。45此外，液冷技術還有助于減少對傳統冷卻器的依賴。盡管液冷技術在降低數據中心整體能耗方面頗具潛力，46但其應用仍處于早期階段，尚未在全球范圍內的人工智能數據中心廣泛采用。47此外，水作為一種有限資源，其成本和供給狀況預計將決定液冷技術的未來應用。14科技行業正朝著更可持續的解決方案和無碳能源的

45、方向發展科技巨頭持續通過購電協議（PPA）或與可再生能源提供商簽訂長期合同，積極尋求可再生能源，以加速利用無碳能源為人工智能數據中心供電。48該等交易為可再生能源項目提供了融資支持。同時，科技公司還與電力提供商和創新企業展開合作，以幫助測試和推廣有前景的能源技術，如先進的地熱能、風能、太陽能和水電技術，甚至探索建立海底數據中心。在某些地區，受當地電網的制約以及新能源與電池儲能設施接入用時過長的影響，該等設施的并網進程出現延誤。49在美國，由于用電需求旺盛且輸電基礎設施不足，常常導致電力供應延誤，延誤時間最長可達五年。因此，科技公司正積極尋求現場或離網的能源解決方案50，并投資于長時儲能（LDE

46、S）和小型模塊化核反應堆（SMR）等新技術，以應對該等挑戰。同時，科技公司與公用事業公司計劃開展協作，推動新型清潔能源技術的規?；瘧?，從而惠及更多客戶，并加速電網脫碳進程。51其中許多研發項目、試點項目和其他清潔能源投資需要數年時間才能顯現效益和商業化潛力。52例如，小型模塊化核反應堆目前仍處于早期開發階段，短期內可能非理想的零碳解決方案。53 科技行業在美國企業的可再生能源采購中始終占據主導地位。在2024年2月28日前的12個月內，美國企業達成近200項可再生能源采購交易，合同容量約19吉瓦，其中科技行業占68%以上。54同樣，印度的超大規模云服務提供商和數據中心運營商亦日益依賴于風能和

47、太陽能為其數據中心供電。55若無這些采購合同，許多可再生能源項目恐難落地。56 因此，科技行業在為清潔能源技術提供資金支持、推動其規?；l展方面將繼續發揮重要作用?？萍夹袠I不僅直接與創新企業和可再生能源生產商合作，還與公用事業公司合作。57重要的是，創新企業和電力行業通常無法比肩科技行業的資金實力，因此科技公司如何注資以助推清潔能源轉型，顯得尤為關鍵。中國通過能源轉型與優化資源配置助力 數據中心可持續發展目前，中國數據中心耗電量約占全社會用電量的3%。其中，AI驅動的數據中心將成為重要的能源消耗來源，隨著生成式AI技術的不斷發展和大規模部署，未來數據中心的電力需求將呈現幾何級增長。預計到202

48、5年中國數據中心用電量將突破4,000億千瓦時，占全社會用電量4.1%。因此推動清潔能源的應用以及優化數據中心的能效成為當務之急。中國的新可再生能源計劃強調了在數據中心建設中逐步增加可再生能源的使用比例，支持在有冷水資源的國家樞紐節點建設數據中心，并逐步對舊基站和分散的小型數據中心進行綠色技術升級，并通過“東數西算”工程優化資源配置。未來，中國將更加積極應對平衡AI驅動的電力需求激增與能源可持續發展的挑戰，進一步促進算力與電力協同，推動數據中心可持續發展。15小結廣大科技行業、超大規模云服務提供商、數據中心運營商、公用事業公司和監管機構應如何行動，以推動生成式人工智能的可持續發展？以下是超大規

49、模云服務提供商和科技行業需考量的幾點，它們與德勤全球在2021年關于云遷移預測中提出的觀點不謀而合。58盡管市場需求驅動因素或有轉變，且變化節奏加快，但基本需求大致相同，所以可持續發展的基本要求和重點依舊不變：控制數據中心不斷增長的能源需求，并尋求更可持續的方式為人工智能（尤其是生成式人工智能）供電。1.提升生成式人工智能芯片能效：目前，新一代人工智能芯片可在90天內完成人工智能訓練，耗電8.6吉瓦時，不到上一代芯片在同等情形下所需能耗的十分之一。59芯片公司應與半導體生態深化合作，以聚焦并提高每瓦特性能，讓未來芯片能在更低能耗情況下訓練出遠超現有規模的人工智能系統。2.優化生成式人工智能應用

50、，實現數據處理邊緣化：評估數據中心與邊緣設備在訓練和推理方面的能耗差異，據此調整數據中心的設備配置。邊緣計算不僅適用于時間敏感型應用，還能有效處理敏感數據和滿足高隱私需求。邊緣設備還有助于節省網絡和服務器帶寬，將生成式人工智能的工作負載導向本地和近地或主機托管設備，只將必要的人工智能工作負載傳輸到數據中心。60 3.改變生成式人工智能算法，調整人工智能工作負載：我們是否應一味追求建立更大的基礎模型（例如，萬億參數級模型），還是轉而使用更具可持續性的小模型？目前，初創企業正在開發端側的多模態人工智能模型，該等模型無需依賴高能耗的云端計算。61客戶應根據實際業務需求，精準調整人工智能工作負載，并選

51、取適當的人工智能模型（包括現成模型，僅在需要時才進行訓練），以最大限度地減少能耗。此外，CPU可根據人工智能推理的具體需求（例如，實時推理和低延遲推理）充分發揮優勢、提升效率。62 4.建立戰略合作伙伴關系，滿足地方和集群級人工智能數據中心的需求：部分中小型客戶（如大學）可能難以獲得足夠的生成式人工智能數據中心資源，因此應與專業數據中心運營商和云服務提供商開展合作，后者專注于為小型HPC GPU集群主機托管提供HPC解決方案。63因此，數據中心應主動監測自身使用情況和資源可用性，發掘潛在商機和需求洼地，以滿足短期主機托管服務需求。5.與多方利益相關者和行業合作，對整體環境產生積極影響：超大規模

52、云服務提供商及其客戶、第三方數據中心運營商、主機托管服務提供商、電力提供商、地方監管機構和市政當局以及房地產公司等生態系統參與者，應圍繞商業、環境和社會效益展開持續對話。64合作內容應涵蓋多個方面，包括：確定潛在的戰略主機托管服務需求（即數據中心公司向一家或多家公司出租計算和服務器資源）、評估冷卻需求（如液冷系統的適當溫度）、制定熱能和廢水管理解決方案以及回收利用策略。例如，在歐洲，已有數據中心運營商利用余熱為附近泳池供暖。65電力提供商應與科技行業開展更密切合作，以保障數據中心的能源供給，并確定科技公司如何資助和推廣新能源技術，這對推動清潔能源上網尤為重要。長遠來看，超大規模云服務提供商和電

53、力提供商在提升數據中心（包括專為生成式人工智能而建的數據中心）的無碳能源利用比重、滿足其電力需求方面所做的全面努力預計將取得成效。Karthik Ramachandran IndiaKate Hardin United StatesDuncan Stewart CanadaGillian Crossan United States Roger Chung ChinaBy1.Deloitte analysis based on publicly available information sources and conversations with industryspecialists.We

54、used base electricity consumption data from the US Energy Information Administrations(EIA)International Energy Outlook 2023 data on total electricity usage across residential,commercial,industrial,and transportation end uses(a reference to US Energy Information Administration,“Table:Delivered energy

55、 consumption by end-use sector and fuel,”accessed Nov.4,2024)to arrive at estimatesand prediction values for global data centers electricity consumption(TWh)between 2022 and 2030.Our estimates and projections for data centers percent electricity consumption of global total are basedon our research o

56、f multiple publicly available sources including SemiAnalysis,EPRI,Goldman Sachs,Bloomberg,and Latitude Media,and further validated based on our conversations with subject matterspecialists in the areas of technology,energy,and sustainability.Total energy consumption by end-usesector and fuel(as note

57、d from the aforementioned table from EIAs International Energy Outlook 2023data),globally,is estimated and forecast at 26,787 TWh in 2025,27,256 TWh in 2026,and 29,160TWh in 2030 increasing from 25,585 TWh back in 2022.2.As noted in endnote 1 above,we arrived at 2022 to 2030 data,estimates,and predi

58、ctions based on acombination of in-depth secondary research of multiple publicly available sources,and validated furtherfrom our discussions with subject matter specialists.Also,see Prof.Dr.Bernhard Lorentz,Dr.JohannesTrby,and Geo?Tu?,Powering arti?cial intelligence,Deloitte Global,November 2024.3.O

59、ne-?fth of Irelands electricity is consumed by data centers,and this is expected to grow,even ashouseholds are lowering their electricity use.To read further,see:Chris Baraniuk,“Electricity grids creakas AI demands soar,”BBC,May 21,2024.4.Dylan Patel,Daniel Nishball,and Jeremie Eliahou Ontiveros,“AI

60、 data center energy dilemma:Race forAI data center space,”SemiAnalysis,March 13,2024.5.Ibid.6.Data center BMO report,Communications Infrastructure,“1Q24 data center leasing:Records are madeto be broken,”April 28,2024;Moreover,due to strong demand from cloud providers and AIworkloads,the data center

61、primary market supply in the United States alone was up 26%year over yearto 5.2 GW in 2023,and more are under construction.See further:CBRE,“North America data centertrends H2 2023,”March 6,2024.7.Lisa Martine Jenkins and Phoebe Skok,“Mapping the data center power demand problem,in threecharts,”Lati

62、tude Media,May 31,2024.8.Based on our analysis of multiple publicly available information and reports from what companies self-report,and further validated from third-party sources.9.For context,hyperscalers are large cloud service providers and data centers that o?er huge amounts ofcomputing and st

63、orage resources typically at enterprise scale.See:Synergy Research Group,“Hyperscaleoperators and colocation continue to drive huge changes in data center capacity trends,”Aug.7,2024.10.Yifan Yu,“AIs looming climate cost:Energy demand surges amid data center race,”Nikkei Asia,June12,2024.尾注1611.Data

64、 center BMO report,Communications Infrastructure,“1Q24 data center leasing:Records are madeto be broken,”April 28,2024.Further,Deloitte analysis based on information from select techcompanies publicly available sources such as earnings releases and DellOro Groups market researchdata on data center I

65、T capital expenditure shows that if we consider the capital expenditure spending ofother data center providers,including third-party operators and outsourced cloud service providers,datacenters aggregate capital expenditure spending could be at least US$250 billion in 2025.See:BaronFung,“Market rese

66、arch on data center IT capex,”Delloro Group,accessed Nov.4,2024.12.Nitin Mittal,Costi Perricos,Brenna Sniderman,Kate Schmidt,and David Jarvis,“Now decides next:Getting real about generative AI,”Deloittes State of Generative AI in the Enterprise quarter two report,Deloitte,April 2024.13.Deloitte anal

67、ysis based on publicly available research reports including:Wania Khan,Davide De Chiara,Ah-Lian Kor,and Marta Chinnici,“Advanced data analytics modeling for evidence-based data centerenergy management,”Physica A 624,2023;Kazi Main Uddin Ahmed,Math H.J.Bollen,and ManuelAlvarez,“A review of data cente

68、rs energy consumption and reliability modeling,”inIEEE Access 9,2021:pp.152536152563.14.Tom Dotan and Asa Fitch,“Why the AI industrys thirst for new data centers cant be satis?ed,”TheWall Street Journal,April 24,2024.15.Noam Brousard,“Examining the impact of chip power reduction on data center econo

69、mics,”Semiconductor Engineering,March 12,2024.16.Based on our analysis of multiple publicly available sources including:Michael Studer,“The energychallenge of powering AI chips,”Robeco,Nov.6,2023;Agam Shah,“Generative AI to account for1.5%of worlds power consumption by 2029,”HPCwire,July 8,2024.17.F

70、rom our study and analysis of select gen AI data center chip solutions o?ered by major AI chip vendors,further corroborated with publicly available third-party sources including:Beth Kindig,“AI powerconsumption:Rapidly becoming mission-critical,”Forbes,June 20,2024.18.Jones Lang LaSalle,“Data center

71、s 2024 global outlook,”Jan.31,2024;Doug Eadline,“The gen AIdata center squeeze is here,”HPCwire,Feb.1,2024;Per IDC,besides graphics processing unit,servers,data centers also need to grapple with a corresponding growth in storage capacity,which is likely todouble between 2023 and 2027 to reach 21 zet

72、tabytes in 2027.See:John Rydning,“Worldwide GlobalStorageSphere forecast,2023 to 2027:Despite decreased petabyte demand near term,the installed baseof storage capacity continues to grow long term,”IDC Corporate,May 2023.19.Patel,Nishball,and Eliahou Ontiveros,“AI data center energy dilemma.”20.Sean

73、Michael Kerner,“What are large language models?”TechTarget,May 2024;Yu,“AIs loomingclimate cost.”21.Alex de Vries,“The growing energy footprint of arti?cial intelligence,”Joule 7,no.10(2023):pp.21912194.1722.Eren am,Zoe Hungerford,Niklas Schoch,Francys Pinto Miranda,and Carlos David Yez de Len,“Elec

74、tricity 2024:Analysis and forecast to 2026 report,”International Energy Agency,accessed Nov.4,2024.23.Deloitte analysis based on publicly available reports and sources including:de Vries“The growingenergy footprint of arti?cial intelligence,”pp.21912194.24.Deloitte analysis based on data related to

75、energy use and electricity consumption in homes in the UnitedStates.See:US Energy Information Administration,“Use of energy explained,”accessed Dec.18,2023.25.Darren Sweeney,“Utility execs prepare for tripling of electricity demand by 2050,”S&P Global,April19,2023.26.Robert Walton,“US electricity lo

76、ad growth forecast jumps 81%led by data centers,”Utility Dive,Dec.13,2023.27.Aaron Larson,“How utilities are planning for extreme weather events and mitigating risks,”POWER,March 13,2024.28.am,Hungerford,Schoch,Miranda,and de Len,“Electricity 2024.”29.Baraniuk,“Electricity grids creak as AI demands

77、soar.”30.Yu,“AIs looming climate cost.”31.Data on Chinas energy use and CO2 emissions sourced from International Energy Agency,accessedSeptember 25,2024.See:International Energy Agency,“Chinas energy use,”accessed Nov.4,2024;International Energy Agency,“Chinas CO2 emissions,”accessed Nov.4,2024.32.B

78、araniuk,“Electricity grids creak as AI demands soar.”33.Paul ODonoghue,“Build it and they will hum:What next for Ireland and data centers?”The Journal,Sept.2,2024.34.Hosting Journalist,“City of Amsterdam puts halt to new data center construction,”Dec.21,2023.35.With every 1C increase,operators could

79、 save 2%to 5%on the energy they use for cooling equipment.To read further,see:Inno Flores,“Singapore unveils green data center road map amid AI boom thatstrains energy resources,”Tech Times,May 30,2024.36.Julie R.Peasley,“Ranked:Top 50 data center markets by power consumption,”Visual Capitalist,Jan.

80、10,2024.37.Whitney Pipkin,“Energy demands for Northern Virginia data centers almost too big to compute,”BayJournal,June 18,2024.38.Zach Bright,“Southeast utilities have a very big ask:More gas,”E&E News,Jan.22,2024.1839.Ibid.40.Robert Walton,“AI is enhancing electric grids,but surging energy use and

81、 security risks are keyconcerns,”Utility Dive,Oct.23,2023.41.Karen Hao,“AI is taking water from the desert,”The Atlantic,March 1,2024.42.Deloitte analysis based on publicly available information sources including:Jennifer Billock,“Photos:How much water it takes to create 30 common items,”North Shore

82、 News,Jan.19,2023.43.Hao,“AI is taking water from the desert”;One case in point is Chinawhere its data centers annualwater consumption is expected to increase from around 1.3 billion cubic meter as of 2023 to over 3billion cubic meter by 2030.To read further,see:Yu,“AIs looming climate cost.”44.Eadl

83、ine,“The gen AI data center squeeze is here.”45.Diana Goovaerts,“Data center operators want to run chips at higher temps.Heres why.”FierceNetwork,June 11,2024.46.Scott Wilson,“Is immersion cooling the answer to sustainable data centers?”Ramboll,Dec.13,2023.47.David Eisenband,“100+kW per rack in data

84、 centers:The evolution and revolution of power density,”Ramboll,March 13,2024;Direct-to-chip cooling(also known as cold plate liquid cooling or directliquid cooling)cools down servers by distributing heat directly to server components,while,immersioncooling involves submerging servers and components

85、 in a liquid dielectric coolant that also helps preventelectric discharge.48.Based on Deloittes analysis of developments and announcements from select major cloud hyperscalersand tech companies and information gathered from publicly available sources(time period:2023 and?rst three quarters of 2024).

86、49.Joseph Rand,Nick Manderlink,Will Gorman,Ryan Wiser,Joachim Seel,Julie Mulvaney Kemp,Seongeun Jeong,and Fritz Kahrl,“Queued up:2024 edition,”Lawrence Berkeley National Laboratory,April 2024.50.Based on Deloittes analysis of developments and announcements from select major cloud hyperscalersand tec

87、h companies and information gathered from publicly available information sources betweenthe?rst quarter of 2023 and the third quarter of 2024.51.Julian Spector,“Duke Energy wants to help Big Tech buy the24/7clean energy itneeds,”CanaryMedia,June 11,2024.52.For example,its not easy to submerge and dr

88、op a 1,300-ton data center unit underwater,especially sinceit demands special equipment to withstand pressure and corrosion caused by seawater.Moreover,thereare concerns related to its impact on marine life.192053.David Schlissel and Dennis Wamsted,“Small modular reactors:Still too expensive,too slo

89、w,and toorisky,”Institute for Energy Economics and Financial Analysis,May 2024.54.Deloittes analysis of data and information gathered from multiple reports from S&P Global MarketIntelligence,published during March and August 2024.55.Manish Kumar,“Indias data center boom opens up a fresh segment for

90、green developers,”Saur EnergyInternational,July 1,2024.56.Naureen S.Malik and Bloomberg,“With AI forcing data centers to consume more energy,software thathunts for clean electricity across the globe gains currency,”Fortune,Feb.25,2024.57.Based on Deloittes analysis of developments and announcements

91、from select major cloud hyperscalers,tech companies,and power and utility playerson publicly available information sources during 2023and the?rst three quarters of 2024.58.Duncan Stewart,Nobuo Okubo,Patrick Jehu,and Michael Liu,“The cloud migration forecast:Cloudywith a chance of clouds,”Deloitte In

92、sights,Dec.7,2020.59.Wylie Wong,“Nvidia launched next-generation Blackwell GPUs amid AI arms race,”Data CenterKnowledge,March 19,2024;For instance,Nvidia notes that it can train a very large AI model using2,000 Grace Blackwell chips in 90 days,consuming 4 MW power.In comparison,it would take as much

93、as 8,000 of the previous generation chips to do the same work within the same time,consuming 15 MWpower.60.To read further,see section“Generative AI comes to the enterprise edge:On prem AI is alive and well”in our 2025 TMT Predictions chapter on“Updates”;Additionally,see:SabuzimaNayak,RiponPatgiri,L

94、ilapati Waikhom,and ArifAhmed,“A review on edge analytics:Issues,challenges,opportunities,promises,future directions,and applications,”Digital Communicationsand Networks 10,no.3(2024):pp.783804.61.Yu,“AIs looming climate cost.”62.Luke Cavanagh,“GPUs vs.CPUs in the context of AI and web hosting platf

95、orms,”Liquid Web,Aug.20,2024.63.Eadline,“The gen AI data center squeeze is here.”64.Goovaerts,“Data center operators want to run chips at higher temps.Heres why.”65.Baraniuk,“Electricity grids creak as AI demands soar.”The authors wouldliketothank DilipKrishna,Marlene Motyka,Jim Thomson,AdrienneHimm

96、elberger,Thomas致謝Schlaak,Freedom-Kai Phillips,JohannesTruby,ClementCabot,NeginaRood,Ankit Dhameja,SuzannaSanborn,andAkash Cha erjifor theircontributions tothis article.Cover image by:Jaime Austin;Ge?y Images,Adobe Stock21德勤預測，到2025年底，美國體驗和使用生成式人工智能技術的女性用戶人數將與男性用戶持平甚至實現超越。1雖然2023年女性用戶僅為男性用戶的一半，但據其采用速

97、度推測，她們很可能會快速趕超，在明年內實現齊平。2盡管這一預測僅針對美國，生成式人工智能使用方面的性別差距卻是一個全球現象：我們對歐洲國家的調研發現，男性和女性在生成式人工智能技術的使用方面存在巨大差異，但女性正在快速迎頭趕上。3這些國家有望在未來兩年內彌合技術使用層面的性別差距。這么看來，全球面臨的挑戰和機遇與美國的情況如出一轍。雖然女性使用者的人數正在增加，但與男性使用者相比，她們更不相信技術提供商會保護其數據安全。4這一“技術信任差距”將導致女性減少對生成式人工智能技術的使用，阻礙其全面參與新的技術應用，降低其未來購買相關產品和服務的積極性。為幫助克服這一信任差距，科技公司應提高數據安全

98、性，實施清晰明確的技術管理措施并為用戶提供更大的數據控制權限。人工智能模型偏見不利于構建信任。5女性在人工智能勞動力中占比不足三分之一，6絕大多數人工智能從業者認為，只要該領域持續呈現男性主導的局面，那么人工智能系統就將會產出帶偏見的結果。7提高女性在該領域的參與度，不僅有助于減輕人工智能中的性別偏見，還能使女性在引領人工智能的未來發展進程中發揮更重要的作用。生成式人工智能的使用鴻溝正在快速彌合近期的德勤研究發現，各地區在使用生成式人工智能方面存在顯著的性別差異。過去兩年，德勤互聯消費者調研在研究美國消費者的數字生活的同時，也調查了他們對生成式人工智能技術的使用情況。8分析表明，美國女性消費者

99、在使用這一新興技術方面稍顯落后（圖1）：2023年，生成式人工智能女性用戶人數約為男性的一半（11%的女性正體驗這一技術或將其正式用于項目或任務，而男性卻有20%）；2024年，生成式人工智能的總體使用率已經超過了之前的兩倍，但性別差距仍然存在：33%的受訪女性表示正使用或體驗這一技術，而男性的這一比例為44%。要想女性真正吃到生成式人工智能的紅利，科技公司應努力增強信任，減少偏見，為其提供更多相關工作崗位。女性與生成式人工智能：使用鴻溝快速彌合，信任差距仍然存在22不僅僅是美國，其他地區也存在這樣的差距。德勤英國2024年數字消費者趨勢調研發現，在英國使用生成式人工智能的消費者中，女性和男性

100、的比例分別為28%和43%。9德勤英國另一項關于生成式人工智能和信任的歐洲研究也表明，在12個歐洲國家中，女性和男性在生成式人工智能的使用人數方面存在著兩位數的差異。10 在美國，女性使用者的人數正在快速增加，彌補使用鴻溝。去年，受訪者中使用生成式人工智能技術的女性人數翻了三倍，超過男性人數2.2倍的增長速率。11基于對當前使用率和增長率的分析，德勤預測，到2025年底，美國體驗生成式人工智能技術或將其用于任務和項目的女性用戶人數將與男性用戶人數齊平甚至實現超越。12完全參與或許還難以實現女性和男性達成相同的使用率這一趨勢鼓舞人心，但這并不會自動確保女性將生成式人工智能納入其日常工作。事實上，

101、在德勤2024年互聯消費者調研中，34%的女性表示她們每天至少使用一次生成式人工智能技術，而男性的這一比例為43%。13在將這一技術用于處理專業任務的用戶中，41%的女性認為生成式人工智能極大提升了生產力，而男性的這一比例為61%。14科技公司和其他組織要想使用生成式人工智能創造效益，應注意這一性別差異并采取積極措施提高女性的參與度。這一差異可能部分源于男性和女性用戶對技術信任的不同認知。15女性用戶從起初的對生成式人工智能有所了解發展到體驗并使用這一技術，不確定、焦慮、恐懼和困惑等負面情緒逐漸消失，著迷、興奮、驚喜和信任等積極情緒不斷增長（圖2）。16但是，在體驗和使用層面，女性對技術的信任

102、大幅低于男性，反之，不確定感較高。事實上，在聲稱正在體驗或使用生成式人工智能的女性受訪者中，只有18%表示“高度”或“極其”信任技術提供商會保護她們的數據安全，而在男性受訪者中，這一數字達到了31%。17 圖1注：美國受訪的女性消費者人數：2023年1,040人，2024年1,992人；男性消費者人數：2023年962人，2024年1,841人。資料來源：德勤 2024年互聯消費者調研報告，第5版；德勤 2023年互聯消費者調研報告，第4版。美國女性消費者在使用生成式人工智能方面稍顯落后，但不久就會迎頭趕上2023至2024年美國消費者對生成式人工智能系統和技術的了解和使用情況 5 個百分點時

103、，才會注明。資料來源：德勤 2024年互聯消費者調研報告，第5版。隨著女性用戶的使用經驗增加，她們對生成式人工智能的負面情緒逐漸減少，信任等積極情緒不斷增加，但她們對這一技術的信任程度仍低于男性。無論女性用戶對生成式人工智能處于何種了解/使用階段，她們對該技術的主要情緒這一信任差距不僅局限于生成式人工智能這一種技術，而是出現在廣泛的技術服務和交互中。在2024年互聯消費者調研中，54%的女性受訪者認為其從線上服務獲得的便利超過其對數據隱私的擔憂（2023年的比例為46%），而男性受訪者的這一比例為62%。18在去年的調研中我們發現，女性比男性對于個人數據的使用和保護更為謹慎，這影響了她們分享數

104、據的意愿，尤其是涉及健康和健身指標等敏感數據。19女性可能認為安全漏洞或數據濫用的潛在后果更為嚴重。20 生成式人工智能的日益普及可能會加劇這些長期存在的數據隱私和技術問題。21當用戶使用這一技術時，系統可能會將用戶數據反饋到人工智能模型中進行模型訓練，但用戶是否可以選擇拒絕，專家表示這目前還不明確，甚至有些復雜。22當用戶開始就敏感話題或個人話題與生成式人工智能進行對話，問詢其建議時，數據隱私和安全性的風險隨之增加。事實上，數據隱私和安全方面的信任差距可能是女性和男性對未來各種生成式人工智能體驗表現出興趣差異的原因（圖3）。23與男性受訪者相比，女性受訪者與生成式人工智能交流不太敏感的話題（

105、如旅游、購物、健身、營養）的興趣較低，交流敏感話題（如個人財務、人際關系、醫療或精神健康狀況）的興趣更低。 2024年互聯消費者調研報告，第5版。與男性相比，女性對生成式人工智能帶來的各種體驗興趣較低表示擁有以下生成式人工智能體驗的受訪者信任差距也會導致女性對于新興技術產品和服務的購買欲下降?？萍脊鹃_始出售內置人工智能芯片的筆記本電腦、平板和智能手機，它們的功能更加完善，例如實時總結信息、生成照片和視頻、即刻語言翻譯。24在德勤2024年互聯消費者調研中，當被問到這些新的人工智能功能是否會影響其設備升級計劃時，與男性受訪者相比，表示會提前升級更換設備的女性受訪者人數較少。25例如，在智能手機

106、方面，43%男性受訪者表示，嵌入式人工智能將使他們非常有可能或有一定可能提前更換手機，但只有32%的女性持相同觀點（相反，58%的女性表示這一功能不會影響其換機計劃，而男性的這一比例為50%）。在筆記本電腦方面，41%的男性受訪者表示其很有可能或較有可能很快升級為帶人工智能功能的電腦，而女性的這一比例為28%。據估計，女性控制或影響著85%的消費支出，她們對升級到搭載人工智能技術的設備熱情較低，這可能會給技術供應商帶來挑戰。26 信任差距并不是阻礙女性最大限度使用生成式人工智能的唯一因素。在受訪者中，61%的女性用戶認為公司積極鼓勵她們在工作中使用這一技術，而男性的這一比例為83%。2749%

107、的女性用戶稱公司提供相關培訓，仍低于男性用戶（79%）。無論這些數字反映的是觀念上的差異，還是在獲得培訓項目和工作場所鼓勵方面的實際經歷，公司都應加以重視，并努力縮小差距。 此外，科技行業中也不存在因性別差異而造成的明顯信任差距。相比于整體使用者，這兩個群體對生成式人工智能的信任度更高：在使用或體驗生成式人工智能的科技行業男性和女性中，超過40%表示信任或非常信任技術提供商會保護他們的數據安全。30這兩個群體中，75%都認為他們從線上服務獲得的便利超過了對隱私的擔憂，而在科技行業以外工作的女性和男性中，這一比例分別僅為54%和60%。31與非科技從業者相比，科技行業女性可能更了解生成式人工智能

108、的工作原理，而她們在專業領域對技術的大量使用也提高了她們的信心，并使她們了解如何從這項技術中獲益。此外，大多數使用生成式人工智能技術的科技行業女性表示，她們的公司鼓勵使用該技術（84%）并提供培訓（72%）相比之下，在其他行業的女性中，表示公司鼓勵使用生成式人工智能技術（55%）或提供培訓（45%）的要少得多。32 盡管科技行業中女性對人工智能技術的使用率較高，但在人工智能崗位上的女性卻相對缺乏。女性僅占人工智能相關勞動力的30%左右，與她們在STEM（科學、技術、工程和數學）領域的總體比例相當。33女性在人工智能領域的參與度不高可能會對各個領域和行業的人工智能系統的開發和部署產生嚴重影響。女

109、性在人工智能勞動力中的相對缺席會帶來一項主要挑戰在人工智能應用中對女性的性別偏見有可能長期存在。34在各行各業中，多達44%的人工智能系統存在性別偏見，這會對人工智能系統的產出產生負面影響，使女性繼續被邊緣化，其權益得不到充分代表。35例如，人工智能中的性別偏見會導致有歧視的雇傭，36降低醫療質量，37減少婦女獲得金融服務的機會。38德勤的研究表明，人工智能模型中的偏見會削弱員工和客戶的信任。39讓更多女性走上人工智能崗位，對于實現性別平等和確保人工智能造福社會至關重要。40 26小結科技公司應努力提高女性對生成式人工智能的參與度，原因如下：第一，女性掌控或影響著絕大部分的購買決策，如果不能讓

110、女性頻繁使用生成式人工智能，可能導致人工智能產品和服務無法實現預期銷量。第二，如果女性員工不能像男性員工一樣充分使用生成式人工智能工具，公司就有可能在對技術投資后無法實現預期的生產力提升。并且，由于生成式人工智能依賴于收集和建立互動數據，女性的代表性不足可能會加劇人工智能模型的偏差。41最后，如果女性不能盡其所能參與新興人工智能應用案例，這可能會阻礙她們最大限度地利用未來的技術優勢（例如，使用聊天機器人進行醫療或心理健康方面的干預），并加深現有的不平等。42 為增強女性對生成式人工智能技術的信任，科技公司應努力解決與這一技術相關的潛在風險。德勤2024年互聯消費者調研發現，建立信任的部分方法包

111、括提高數據隱私和安全政策的透明度，以及為用戶提供更大的個人數據控制權限。43科技公司應優先采取穩健的技術安全措施，有效展示其數據處理做法。向消費者清晰闡明數據的收集范圍和使用方式，同時提供更簡便的數據使用控制方法（比如在適當時候提示用戶就其數據的使用做出知情選擇），這樣不僅可以建立信任，還可以帶來競爭優勢。但應該注意生成式人工智能潛在風險的不僅僅是科技公司：84%的受訪者認為，政府應加大力度監管企業對消費者數據的收集和使用。44 在各行各業，公司如果想要充分發揮生成式人工智能的全部潛力，應鼓勵其員工，不論男性還是女性，積極探索和使用這一技術。除了各種常見用例，比如文檔編輯、網絡搜索、材料總結和

112、研究協助，還應探求適應本行業的使用方法。45此外，還需為員工制定并實施相關培訓計劃。努力讓消費者全面使用生成式人工智能技術無疑是個可貴的目標，但如果女性和男性沒有平等地參與技術開發，這一目標可能難以實現。為了提高人工智能崗位上女性的多樣性和包容性，公司應考慮重點創建能滿足其員工需求的工作場所。例如，一項針對人工智能領域女性的研究指出，工作與生活的平衡是她們對工作滿意度的最重要因素，其中包括擁有靈活的工作安排或能夠遠程工作等要素。46女性還表示，她們希望找到有女性擔任領導職務、薪酬和晉升透明、對騷擾和虐待采取零容忍政策的工作。47要想吸引更多女性進入這一領域，還要為女性提供更多的教育和培訓機會，

113、讓她們學習人工智能技能和能力。具體比如，創建更多的導師計劃和交流項目，讓女性分享經驗、相互支持；提供資金扶持，讓更多女性參與人工智能研究和創新項目。女性在技術開發中發揮越來越大的作用，未來才會出現越來越多的吸引所有女性都參與其中的應用和系統。Susanne Hupfer United StatesGillian Crossan United StatesJeff Loucks United StatesBree Matheson United StatesAriane Bucaille FranceBy1.To understand consumer attitudes toward digi

114、tal life,the Deloitte Center for Technology,Media&Telecommunications surveyed 3,857 US consumers in the second quarter of 2024 and 2,018 USconsumers in the second quarter of 2023.These 2024 and 2023 Connected Consumer Surveys collecteddata on consumers reported adoption of generative AI,including ex

115、perimentation and use for projectsand tasks(beyond experimentation).By analyzing longitudinal adoption data and calculating the rate ofchange in adoption from 2023 to 2024 for men and women,we are able to project that women willclose the adoption gap by the end of 2025;see:Jana Arbanas et al.,Earnin

116、g trust as gen AI takes hold:2024 Connected Consumer Survey,5th edition,Deloitte,December 3,2024;Jana Arbanas,Paul H.Silverglate,Susanne Hupfer,Je?Loucks,Prashant Raman,and Michael Steinhart,“Balancing act:Seeking just the right amount of digital for a happy,healthy connected life,”Deloitte Insights

117、,Sept.5,2023.2.Ibid.3.Our analysis was conducted from August to October 2024,based on data from Deloitte UKs 2023 and2024 Digital Consumer Trends surveys,as well as a 2024 Deloitte UK survey of European consumers onthe topic of generative AI;see:Paul Lee and Ben Stanton,“Generative AI:7 million work

118、ers andcounting,”Deloitte,June 25,2024;Jonas Malmlund,Frederik Behnk,and Joachim Gullaksen,“Generative AI is all the rage,”Deloitte,2023;Roxana Corduneanu,Stacey Winters,Jan Michalski,Richard Horton,and Ram Krishna Sahu,“Europeans are optimistic about generative AI but there ismore to do to close th

119、e trust gap,”Deloitte Insights,Oct.10,2024.4.Analysis based on Deloittes 2024 Connected Consumer Survey;see:Arbanas et al.,Earning trust as genAI takes hold:2024 Connected Consumer Survey.5.Don Fancher,Beena Ammanath,Jonathan Holdowsky,and Natasha Buckley,“AI model bias candamage trust more than you

120、 may know.But it doesnt have to.”Deloitte Insights,Dec.8,2021.6.World Economic Forum,“Global gender gap report 2023,”June 2023.7.Deloitte AI Institute,“Women in AI,”accessed November 2024.8.Jana Arbanas et al.,Earning trust as gen AI takes hold:2024 Connected Consumer Survey,5th edition,Deloitte,pub

121、lishing December 3,2024;Arbanas,Silverglate,Hupfer,Loucks,Raman,and Steinhart,“Balancing act.”9.Deloitte,“Generative AI:7 million workers and counting,”accessed November 2024.尾注2710.The Digital Consumer Trends study conducted in various countries in 2024 revealed gen AI adoptiongaps of 17 points in

122、Denmark;12 points in Sweden,Italy,and the Netherlands;11 points in Belgium;and 10 points in Norway.Additional analysis of a Deloitte European gen AI study revealed gen AIadoption gaps ranging from 10 to 15 points in 11 European countries studied(Belgium,France,Germany,Ireland,Italy,the Netherlands,P

123、oland,Spain,Sweden,Switzerland,and the United Kingdom);see:Deloitte,“Generative AI”;Deloitte,“Generative AI is all the rage,”accessed November 2024;Corduneanu,Winters,Michalski,Horton,and Sahu,“Europeans are optimistic about generative AI butthere is more to do to close the trust gap.”11.Analysis ba

124、sed on 2024 and 2023 Deloitte Connected Consumer Surveys;see:Arbanas et al.,Earningtrust as gen AI takes hold:2024 Connected Consumer Survey;Arbanas,Silverglate,Hupfer,Loucks,Raman,and Steinhart,“Balancing act.”Deloitte,“Generative AI.”12.Ibid.13.Arbanas,et al.,Earning trust as gen AI takes hold:202

125、4 Connected Consumer Survey.14.Ibid.15.Ibid.16.Ibid.17.Ibid.18.Ibid.19.For example,only 43%of women we surveyed in the Deloitte 2023 Connected Consumer Survey whoowned smart watches or?tness trackers said that they share the data collected by those devices withtheir health care provider,vs.57%of men

126、;see:Susanne Hupfer,Jennifer Radin,Paul H.Silverglate,andMichael Steinhart,“Tech companies have a trust gap to overcomeespecially with women,”DeloitteInsights,Nov.8,2023.20.These fears may be warranted.Consider that most health appsalong with the data they gather andtransmitare not covered by the He

127、alth Insurance Portability and Accountability Act,which means thedata may be shared or sold to third parties;see:Steve Alder,“Majority of Americans mistakenly believehealth app data is covered by HIPAA,”The HIPAA Journal,July 26,2023.21.Ina Fried,“Generative AIs privacy problem,”Axios,March 14,2024;

128、Federal Trade Commission,“AIcompanies:Uphold your privacy and con?dentiality commitments,Jan.9,2024.22.Ibid;Matt Burgess and Reece Rogers,“How to stop your data from being used to train AI,”Wired,April 10,2024.23.Arbanas,et al.,Earning trust as gen AI takes hold:2024 Connected Consumer Survey.2824.B

129、aris Sarer,Ricky Franks,Cheryl Ho,and Jake McCarty,“AI and the evolving consumer deviceecosystem,”The Wall Street Journal,April 24,2014;Sam Reynolds,“AI-enabled PCs will drive PC salesgrowth in 2024,say research?rms,”Computer World,Jan.11,2024;Clare Conley,“Generative AI in2024:The 6 most important

130、consumer tech trends,”Qualcomm,Dec.14,2023.25.Arbanas,et al.,Earning trust as gen AI takes hold:2024 Connected Consumer Survey.26.Monique Woodard,“Unlocking the trillion-dollar female economy,”TechCrunch,May 21,2023.27.Arbanas,et al.,Earning trust as gen AI takes hold:2024 Connected Consumer Survey.

131、28.Ibid.29.Across industries,51%of women workers using gen AI anticipate it would substantially boost theirproductivity at work a year from now,vs.64%of men;see:Arbanas,et al.,Earning trust as gen AI takeshold:2024 Connected Consumer Survey.30.Tech women and men are statistically tied:Forty-two perc

132、ent of tech women who use or experimentwith gen AI have“high”or“very high”trust that gen AI providers will keep their data secure,andanother 40%report moderate trust,while 47%of tech men report“high”or“very high”trust andanother 30%report moderate trust;see:Arbanas,et al.,Earning trust as gen AI tak

133、es hold:2024Connected Consumer Survey.31.Ibid.32.Greater proportions of men in the tech industry who use gen AI report that their employers encourage itsuse(93%)and provide training(91%).While theres still a gender gap in these views among workers inthe tech industry,the gap is signi?cantly smaller

134、than among men and women working in otherindustries;see:Arbanas,et al.,Earning trust as gen AI takes hold:2024 Connected Consumer Survey.33.World Economic Forum,“Global gender gap report 2023.”34.Deloitte,“Generative AI.”35.Genevieve Smith and Ishita Rustagi,“When good algorithms go sexist:Why and h

135、ow to advance AIgender equity,”Stanford Social Innovation Review,March 31,2021.36.Charlotte Lytton,“AI hiring tools may be?ltering out the best job applicants,”BBC,Feb.16,2024.37.Carmen Niethammer,“AI bias could put womens lives at risk-A challenge for regulators,”Forbes,March 2,2020.38.Ryan Browne

136、and MacKenzie Sigalos,“A.I.has a discrimination problem.In banking,the consequencescan be severe,”CNBC,June 23,2023.2939.Fancher,Ammanath,Holdowsky,and Buckley,“AI model bias can damage trust more than you mayknow.But it doesnt have to.”40.World Economic Forum,“Global gender gap report 2023.”41.Smit

137、h and Rustagi,“When good algorithms go sexist.”42.Hyun-Kyoung Kim,“The e?ects of arti?cial intelligence chatbots on womens health:A systematicreview and meta-analysis,”Healthcare,Feb.23,2024;Sheryl Jacobson and Jen Radin,“Can FemTechhelp bridge a gender-equity gap in health care?”Deloitte,Oct.5,2023

138、;Karen Taylor,“Why investing inFemTech will guarantee a healthier future for all women,”Deloitte UK,June 23,2023.43.Arbanas,et al.,Earning trust as gen AI takes hold:2024 Connected Consumer Survey.44.Ibid.45.Deloitte AI Institute,“The generative AI dossier:A selection of high-impact use cases across

139、 six majorindustries,”April 3,2023.46.Women in AI,“WAI at work:Shaping the future of work for women in AI,”2022.47.Ibid.Authorswouldliketothank Duncan Stewart,Paul Lee,Ben Stanton,Vipul Mehta,Roxana Corduneanu,MichaelSteinhart,Michelle Dollinger,Je Stoudt,Catherine King,Elizabeth Fisher,AndyBayiates

140、,Prodyut Borah,MollyPiersol,Deloi?e Insightsteam.Cover image by:Jaime Austin;Ge?y Images,Adobe Stock致謝3031智能手機是全球使用最廣泛的消費技術產品。1在不斷融合其他設備功能的同時，其先進和微型化組件也廣泛應用于無數消費和工業設備。2其隨手可得的便利性和實用性重塑了用戶行為與市場競爭格局。但盡管如此，近年來的智能手機創新似乎逐漸令市場失望，都是些增量改進，缺乏變革性創新。目前，主流移動生態系統供應商開始圍繞下一代操作系統和先進芯片重新設計產品，打造以生成式人工智能為中心的智能手機體驗。3越來越

141、多的原始設備制造商（OEM）開始推出支持生成式人工智能的智能手機。4供應商期待搭乘生成式人工智能的快車，實現智能手機的再次復興，但機遇往往與風險并存。德勤預測，到2025年，全球智能手機出貨量將實現約7%的小幅增長，高于2024年約5%的年增長率。5部分增長量可能來自因消費者升級到最新機型而重置的換機周期。另一部分增長動力可能來自技術狂熱的早期使用者和開發人員，他們對即將面世的新一代智能手機充滿期待，因為這些手機搭載有特殊設計的芯片，能夠支持在本地設備上運行生成式人工智能。德勤進一步預測，到2025年底，具備生成式人工智能功能的智能手機出貨份額將超30%。6 生成式人工智能的引入萬眾矚目，但它

142、能否兌現承諾的能力？用戶能否接受使用這一方式與智能手機進行新的智能交互？7憑借特殊芯片和移動操作系統的廣泛集成，智能手機可真正實現大智慧，但用戶是否愿意為智能交互的革新買單？端側生成式人工智能能否助力智能手機市場復興32生成式人工智能能否開啟新一輪換機周期短期內，領先智能手機品牌的設計師或會將生成式人工智能技術作為賣點，以此來提振其高端機型的需求。在2024年之前，智能手機銷量已經連續兩年下滑，8部分原因在于市場已經出現一定程度的飽和。據估計，目前擁有智能手機的人數近50億，超過全球總人口的一半。9近年來，消費者的換機周期逐漸拉長，平均每兩到三年才會更換一次手機。越來越多的家庭表示感受到通脹壓

143、力，從而限制了其可支配開支10。與此同時，越來越多的消費者為延長使用年限，特意選擇高端機型。11這也對智能手機提出了更嚴格的市場期望，不僅要有技術上的提升，比如優質硬件，還要在用戶體驗上下功夫，提供更深層次的價值和使用便捷性。2024年第一季度，由于消費者信心日益增強以及對配備生成式人工智能的高端機型表現出初步濃厚興趣，智能手機銷量出現了強勁增長。12這一點在德勤2024年互聯消費者調研中也得到印證，調研顯示，目前更多家庭認為，經濟能力問題不會影響其購買互聯設備。13這一消費復蘇趨勢似乎也延續到了歐洲市場，2024年第二季度，歐洲智能手機銷量迎來持續增長。14因此，2025年有望迎來換機潮，更

144、多消費者可能會更換其現有的智能手機，其中大部分還會升級購買具備生成式人工智能功能的高價位高端機型。值得關注的是，雖然生成式人工智能技術可能成為消費者更換手機的一大誘因，但各區域市場和各年齡群體的換機意愿卻有所不同。德勤2024年互聯消費者調研顯示，7%的美國受訪者聲稱生成式人工智能技術可能會促使其提前更換智能手機，但在24至45歲的受訪者中，這一比例躍升至50%，這可能是由于這一年齡段的消費者更加依賴智能手機，也更易接受新技術。15然而，根據德勤英國發布的 2024年數字消費者趨勢報告，只有4%的英國受訪者表示每天都在使用生成式人工智能，23%認為該技術用處不大，19%表示對生成式人工智能給出

145、的答案不滿意。16 生成式人工智能能否進極大推動智能手機的升級換代？答案在于該項技術到底能帶來多大的價值和實用性。預計在2025年，智能手機將在實際應用中對生成式人工智能的實際效用進行全面驗證。33搭載生成式人工智能的新一代個人電腦對用戶體驗、實用性和價值的考量，以及影響超大規模生成式人工智能發展的廣泛壓力，也同樣適用于配備生成式人工智能端側芯片的新一代個人電腦。德勤2024年互聯消費者調研表明，消費者對購買集成生成式人工智能功能的個人電腦興趣濃厚，在計劃升級筆記本電腦或個人電腦的美國受訪者中，34%認同生成式人工智能芯片可能會促使他們提前購買計劃。德勤認為，個人消費者貢獻了約50%的個人電腦

146、年銷售額，因此他們的高購買意愿是重要增長因素。17對于企業客戶來說，不同的個人電腦廠商提供了不同價位的各種選擇，采用哪種生成式人工智能協處理器最匹配其業務需求還存在一定的不確定性。18 預計隨著時間的推移，大多數高端個人電腦將載配特殊芯片，集成生成式人工智能功能。據估計，到2028年，80%的個人電腦將載配這種芯片。19另一預測數據顯示，2024年第二季度將有近900萬臺“具備人工智能能力”的機器出貨，但尚不清楚其中有多少設備載有足以運行生成式人工智能工作負載的神經處理單元（NPU）。20事實上，潛在客戶或會觀望一年左右，等待下一代設備的性能提升后再升級換代。德勤預測，在2024年售出的所有個

147、人電腦中，約30%將具備一定的本地生成式人工智能處理能力21，在2025年這樣的電腦將近占銷量的一半。預計2024年電腦銷量約為2.61億臺22，智能手機銷量約為12.3億臺23，盡管電腦市場規模不如智能手機市場，但電腦的平均售價較高，其經濟價值不容小覷。德勤估計，2024年電腦銷售額約為2,200億美元，只比同期智能手機5,200億美元的銷售額略顯遜色24。目前尚不明確集成生成式人工智能功能的電腦會對個人電腦行業產生怎樣的影響。我們認為，這類設備將抬升個人電腦的平均售價，每臺增加約15%的溢價。25但盡管如此，預計2025年的個人電腦銷量將僅有個位數的增幅。26 對消費者而言，智能手機和個人

148、電腦組件的發展或將重塑供應鏈并降低成本，以實現其在更多設備上的規模應用。生成式人工智能功能將有望在各類互聯設備中變得更加普及。生成式人工智能，實現手機的真正智能智能手機中的“智能”通常指其可以接入網絡并運行應用程序。生成式人工智能或會通過全新的交互方式，使智能手機變得更加個性化，能夠感知用戶的互動和意圖，并通過對話界面等建立親密關系。雖然此前的語音助手未能達到預期，但部分用戶已經在嘗試最新的會話式大型語言模型（LLM）。27這將可能形成一種全新的交互范式，即使用對話式人工智能與數字系統進行交互，同時，這也預示著一種新型可信賴智能代理（Intelligent agent）模式的出現，它們能夠自主

149、學習并有效地代表用戶執行任務。34端側生成式人工智能模型可以通過推斷用戶意圖、讀取用戶日歷和位置信息并規劃最佳路線，來回答“下午2點有約，我應提前多久出發”這樣的問題。預計端側智能模型將專注完成較高精確性的任務，利用高性能的神經處理單元（NPU）（估計每秒至少可進行30萬億次操作28）來支持端側的智能推斷。該模型還可進一步識別用戶問題是否超出本地處理范圍，如超出，即將任務上傳至大規模云端模型進行更好地解答。這種混合型的高性能移動計算方法既能實現在設備端進行即時、安全的互動，也能支持直接訪問云端模型。29通過在設備上運行的小型智能模型，可根據需要在本地保存并保護用戶交互和數據，并支持更多可能需要

150、快速響應的低延遲操作，如實時翻譯。30此類功能或可幫助獲取用戶信任，并提供更多顯見的實用價值。供應商還可從用戶交互中獲得新的數據飛輪，反饋到本地和云端模型中以持續優化用戶體驗，同時提供更深入的業務洞察。我們預計，作為消費者交互中樞的智能手機未來將變得更加個性化和智能化，經調?？蛇m應個人行為并預測用戶需求。請參見德勤 2025科技、傳媒和電信行業預測 “處于研發階段的自主生成式智能體”章節。這種“代理”功能可推動智能手機，并連帶其經常交互和逐漸改變的設備生態系統，從單純的“智能”進化到“智慧”。未來一年用戶將迫不及待地體驗生成式人工智能，測試其早期功能的價值和可理解性。供應商有望在未來幾個月內推

151、出新功能，但他們普遍認為大規模應用仍需要一定的時間。31在未來一年，那些在設備端而非云端運行的小型模型將成為市場關注對象，我們會主要測驗它們的運行能力和限制。假以時日，這可能會改變生成式人工智能的經濟模式。如果更多的生成式人工智能任務得以從昂貴的數據中心轉移到消費設備端側，那么相關基礎設施建設所需的資本投入將會減少。行業能否通過資金投入促成生成式人工智能的實質性發展？市場迫切要求通過前沿模型的產品適用性來驗證其成本的合理性，并提升這些模型在構建和運營過程中的成本效益。32在這一背景下，領先的供應商已斥資數十億美元用于開發最新的前沿模型，并繼續追加數十億投資來建設其認為滿足大規模需求所必需的數據

152、中心。33據估計，每年對生成式人工智能的投資達到6,000億美元。34然而，還需長期維系這樣的密集資本投入才可見到經濟價值回報，而經濟價值又要求更優質的產品來匹配。想要降低模型成本，可能需要縮小模型、精簡模型所需的數據量，以及根據工作負載的范圍對模型進行拆分，尤其是對于可隨著用戶使用而擴展的推斷型任務。消費者和企業用戶產生的許多任務都會用到生成式人工智能，這類型任務或可通過相對便宜和更具效益的小型模型來解決，還能因此得到加強或提升。但現在尚不明確有多少推斷型任務需保留在設備端側運行。目前對生成式人工智能的交互體驗和用戶期望大多由公共云端模型決定。用戶可能需要時間來了解哪些任務和提示可以在本地安

153、全、免費地運行；哪些需要聯網接入云端模型。與會話式的端側智能代理和云上智能代理的交互是一種新的智能交互范式，其對用戶采用和用戶行為的影響仍需時間來給出答案。35生成式人工智能的廣泛應用仍面臨挑戰德勤 2024年互聯消費者調研報告 顯示，38%的美國受訪者使用過生成式人工智能，其中63%的用戶表示這些技術超出預期。35許多使用過生成式人工智能的用戶已經嘗到甜頭，但供應商可能仍需向更廣大的消費者人群展示生成式人工智能的效用，以證明新智能手機高溢價的合理性。對于在智能手機上使用生成式人工智能，用戶可能會因要嘗試新的交互方式而感到困惑，可能會猶豫是否要將自己的代理權讓給智能助手，例如讓其管理日程。36

154、隨著新技術的使用，我們會考慮電池消耗、集成公共模型的成本以及未察覺的不實信息等問題，這些可能會對高價值用例產生不利影響。要在用戶、其私人智能體和公共模型之間建立信任需要時間的累積，而摧毀信任則往往只需要一瞬間。供應商希望下一代前沿模型能釋放出更大的價值，但目前尚不明確前沿模型的能力是否會繼續增強，亦或是不再發展甚至倒退。是否有足夠的數據來支持數據需求越來越大的智能訓練模型？37由模型創建合成數據進行自我訓練等解決方案可能會導致人工智能的推斷質量隨時間推移而下降。38能否在不增加數據、訓練和推斷成本的情況下提高人工智能性能？是否存在降低資本和數據強度但又增強模型功能的機遇？面對這些壓力，投資者或

155、會在技術收益實現之前就要求獲得更高的回報收益。監管機構也可能會實施更多舉措來嚴格規范生成式人工智能的發展，以防范出現新的弊端，如深度偽造、錯誤信息和具有說服能力的類人機器人。對話型機器人可能會與用戶建立更親密的關系，從而更深刻地影響用戶的想法和意識形態。39個性化的對話型智能代理可以與用戶進行更深層次的交互，在提供更多幫助的同時，也有可能讓人沉迷上癮。40端側生成式人工智能搭配第三方模型使用，有可能會產生更大范圍的安全漏洞。41這些都可能會迫使供應商進一步增強生態系統安全防護，并促使監管機構設置更多防護規則。生成式AI成為中國智能手機差異化亮點近年來，中國智能手機市場的微創新，諸如對外觀細節的

156、微調、小功能的迭代，已難以激起消費者的興趣。在此背景下，頭部廠商紛紛將生成式 AI 融入智能手機，試圖開辟差異化競爭新賽道。目前，生成式 AI 在國內智能手機中的應用，主要集中在實時語音文本翻譯、文檔處理、全局搜索、影像修圖等方面。未來有望引入更多創新功能。比如，能精準感知用戶習慣、提供個性化建議的更加智能的助手；或是實現多任務流暢切換、大幅提升效率的多任務處理能力，為智能手機市場帶來全新變革，進一步推動端側AI市場的發展。36小結盡管行業都在熱議“下一代智能手機”是有可能推動整體市場變革和升級的消費設備平臺，但它還并未實際到來。而擁有數十億用戶的智能手機仍然占據市場主導地位，并為新的服務和用

157、戶交互提供了巨大的試驗平臺。2025年，生成式人工智能用戶或將迎來迅猛增長，他們會通過高端智能手機和個人電腦嘗試使用這一技術，了解其價值并測試其優勢。如果端側的生成式人工智能成功獲得市場認可，智能手機則將再次煥發光彩，它將拓寬平臺功能，支持全新用途類別和商業機遇，推動個人設備的新一輪繁榮。但這或將需要較長時間才能實現，預計未來一年中，行業將開始逐步引導用戶了解并接受這一個人計算領域的新范式。未來幾年，智能手機操作系統將會進行更多的人機交互，比如下一代對話式搜索，該功能能夠在本地返回更多信息匯總，而不是只提供遠程鏈接，從而直接連接用戶與服務提供商及信息源頭，實現去中介化的信息檢索新體驗。如果用戶

158、采用更加個性化的代理式人工智能，數字交互的性質將發生改變，本地設備上的智能代理將執行更多任務，無需用戶進行直接的界面操作。如此一來，計算可以變得更加隱秘而優雅，在后臺悄然執行用戶任務，且更具空間感知能力，更易感知我們周圍的環境和網絡交互。供應商在努力刺激市場需求的同時，會發現其正面臨著巨大的經濟壓力，必須加快節奏以抵消大規模訓練和運行智能模型的密集資本投入與能源成本。為此，行業可開發小型模型和混合架構，并深化對生成式人工智能各類工作負載的了解，準確掌握各項工作負載所需的各項計算開銷。當前，氣候不確定性和生態焦慮是各行業不能繞開的課題，而生成式人工智能數據中心的建設已然增加了能源和水資源的消耗，

159、加重了普通家庭和市政的能源負擔。42即便生成式人工智能能夠克服經濟債務的困境，也還會因背負能源債務而遭遇發展瓶頸。截至2024年底，超大規模計算服務供應商、智能手機生態系統供應商和新興公共智能模型供應商都賭定其提供的智能優勢能夠轉化為廣泛的經濟價值。但其究竟價值幾何？生成式人工智能是否會步電信和早期互聯網的后塵，它們斥巨資建立的基礎設施，卻最終為下一代創新者做了嫁衣？43生成式人工智能的誕生、部署和廣泛應用，可能是自互聯網普及以來人類社會啟動的一項最為宏大的實驗。其如同登月計劃，不論最終結果如何，其發展勢必激起大量新技術、新行為和新商業模式的涌現。Chris Arkenberg United

160、StatesGillian Crossan United StatesDuncan Stewart CanadaKevin Westcott United StatesRoger Chung ChinaBy1.GSM Association,“Smartphone owners are now the global majority,new GSMA report reveals,”pressrelease,Oct.11,2023.2.Wolfgang Bock,Franois Candelon,Steve Chai,Ethan Choi,John Corwin,Sebastian DiGra

161、nde,RishabGulshan,David Michael,and Antonio Varas,“The mobile revolution:How mobile technologies drive atrillion-dollar impact,”Boston Consulting Group,Jan.15,2015.3.IDC Corporate,“The future of next-gen AI smartphones,”Feb.19,2024.4.Counterpoint,“Gen AI-capable smartphone shipments to grow over 4x

162、by 2027,”April 16,2024.5.IDC Corporate,“Worldwide smartphone market up 7.8%in the?rst quarter of 2024 as Samsung movesback into the top position,according to IDC tracker,”press release,April 15,2024.6.IDC anticipates a 364%compound annual growth rate in 2024(from a low base in 2023)for global genAI

163、smartphone shipments,with 73%growth in 2025.Canalys expects AI-enabled smartphone marketshare to reach 54%by 2028.Our analysis,for reasons outlined in this paper,is less bullish than theformer,and a bit more than the latter.Sources:IDC Corporate,“The future of next-gen AIsmartphones”;Canalys,“Now an

164、d next for AI-capable smartphones,”accessed Oct.30,2024.7.Jim Fellinger,“CTA study:Smartphones most-owned tech,5G and wireless drive adoption,”pressrelease,Consumer Technology Association,May 31,2023.8.IDC Corporate,“Worldwide smartphone market up 7.8%in the?rst quarter of 2024 as Samsung movesback

165、into the top position,according to IDC tracker.”9.GSM Association,“Smartphone owners are now the global majority,new GSMA report reveals.”10.Sarah Barry James,“Consumer checkup:Higher interest rates lead to longer tech replacement cycles,”S&P Global,March 26,2024.11.IDC Corporate,“Worldwide smartpho

166、ne market up 7.8%in the?rst quarter of 2024 as Samsung movesback into the top position,according to IDC tracker.”12.Chris Donkin,“Smartphone sales up again ahead of expected gen AI boost,”Mobile World Live,July15,2024.13.Susanne Hupfer,Michael Steinhart et al.,“2024 Connected Consumer Study,”Deloitt

167、e Insights,publication forthcoming,2024.14.Counterpoint,“Europe smartphone market recovery continues,shipments up 10%YoY in Q2 2024,”Aug.28,2024.尾注3715.Susanne Hupfer,Michael Steinhart et al.,“2024 Connected Consumer Study,”Deloitte Insights,publication forthcoming,2024.16.Deloitte,“Generative AI:7

168、million workers and counting,”June 25,2024.17.The installed base of PCs is estimated to be about 2 billion,and there are about 1 billion knowledgeworkers,suggesting that the market is roughly half consumer and half enterprise.18.Author interviews with enterprise chief information o?cers in July and

169、August 2024.19.Canalys,“AI-capable PCs forecast to make up 40%of global PC shipments in 2025,”March 18,2024.20.Ibid.21.Deloitte Global analysis of publicly available information for H1 2024,and extrapolation based onusual PC seasonality trends.22.IDC Corporate,“PC refresh cycle and tablets in emergi

170、ng markets expected to spur demand in comingquarters,according to IDC,”press release,Sept.23,2024.23.IDC Corporate,“Worldwide smartphone market forecast to grow nearly 6%in 2024,driven by strongergrowth for android in China and emerging markets,according to IDC,”press release,Aug.27,2024.24.Based on

171、 quarterly data so far in 2024,Deloitte believes smartphone average selling price is decliningand should be roughly US$425 for the year.PC average selling prices were high during the 2021 chipshortage,but are declining and Deloitte estimates them to be about US$850 for 2024.25.Roshan Ashraf Shaikh,“

172、Analysts expect 15%price hike for AI PCs60%of PCs will have local AIcapabilities by 2027,”Toms Hardware,April 26,2024.26.IDC Corporate,“PC refresh cycle and tablets in emerging markets expected to spur demand in comingquarters,according to IDC.”27.Sigal Samuel,“People are falling in love withand get

173、ting addicted toAI voices,”Vox,Aug.18,2024.28.IDC,“The future of next-gen AI smartphones.”29.Baris Sarer,Mark Szarka,Nataliia Bacchus,and Edem Isliamov,“The world of hybrid AI,”The WallStreet Journaland Deloitte,July 31,2024.30.Malik Saadi,“On-device generative AI unlocks true smartphone and PC valu

174、e,”Forbes,April 17,2024.31.Lisa Eadicicco,“AI is changing our phones,and its just getting started,”CNET,April 3,2024.32.Goldman Sachs,“Gen AI:Too much spend,too little bene?t?”June 27,2024.3833.David Cahn,“AIs US$600B question,”Sequoia,June 20,2024.34.Ibid.35.Susanne Hupfer,Michael Steinhart et al.,

175、“2024 Connected Consumer Study,”Deloitte Insights,publication forthcoming,2024.36.Jon Victor,“Software?rms race to beat OpenAI in AI agents,”The Information,Sept.26,2024.37.Deepa Seetharaman,“For data-guzzling AI companies,the internet is too small,”The Wall StreetJournal,April 1,2024.38.Michael Pee

176、l,“The problem of model collapse:How a lack of human data limits AIprogress,”Financial Times,July 24,2024.39.Yuval Noah Harari,“Yuval Noah Harari argues that AI has hacked the operating system of humancivilization,”The Economist,April 28,2023.40.CBS News,“Virtual valentine:People are turning to AI i

177、n search of emotional connections,”Feb.14,2024.41.Matt Burgess,“Generative AIs biggest security?aw is not easy to?x,”Wired,Sept.6,2023.42.Camilla Hodgsin,“US tech groups water consumption soars in data center alley,”Financial Times,Aug.17,2024.43.Bryce Elder,“Gen-AI revisited,by Goldman Sachs,”Finan

178、cial Times,Sept.5,2024.Authorswouldliketothank RohanGupta and Steve Fineberg.Cover image by:Jaime Austin;Ge?y Images,Adobe Stock致謝3940自主生成式智能體，亦稱作“代理式人工智能”，是一種軟件解決方案，能夠在極少或沒有人工監督的情況下，完成復雜任務并實現既定目標。代理式人工智能不同于聊天機器人和人工智能助手，后者本身通常被稱為“代理”。代理式人工智能擁有巨大的潛力，它能夠提升知識工作者的工作效率，同時助力實現跨業務部門的多步驟流程自動化。德勤預計，到2025年，在已

179、部署生成式人工智能的企業中，將有25%的企業開展代理式人工智能的試點項目或進行概念驗證。到2027年，這一比例將增至50%。1到2025年（特別是下半年），在某些行業和用例中，一些代理式人工智能應用程序將被實際應用于現有的工作流程中。這些戰略舉措獲得了初創公司和知名科技公司的支持，此類公司致力于代理式人工智能技術開發，并且對該技術刺激收益增長的潛力持樂觀態度。在過去兩年里，投資者向代理式人工智能初創公司進行注資，投資總額超20億美元，其中大部分資金流向了面向企業市場的公司。2與此同時，許多科技公司、云服務提供商及其他企業也在開發各自的代理式人工智能產品。此外，這些公司還開展戰略并購活動，并逐漸

180、傾向與初創公司簽訂代理式人工智能技術許可協議，或從初創公司招募相關人才，而非直接收購公司。3 代理式人工智能具有“代理功能”生成式人工智能驅動的聊天機器人和人工智能助手是一項先進技術，它們可以直接與人類進行交互，合成復雜的信息并生成內容。然而，相較于代理式人工智能所承諾的代理功能和自主性水平，聊天機器人和人工智能助手還有所不足。盡管聊天機器人和智能體的構建均基于大型語言模型（LLM），但后者卻需要更多的技術與工藝，才能實現獨立運作，將任務分解為不同步驟，并在最少的人工監督或干預下自主完成。智能體的功能不僅限于交互，它們還能代表用戶進行有效推理并采取行動。顧名思義，代理式人工智能具有“代理功能”

181、：能夠自主采取行動并選擇具體策略。4同時，代理功能意味著自主性，即獨立行動和決策的能力。5當我們將這些概念延伸至代理式人工智能時，便意味著代理式人工智能擁有自主規劃、執行并實現既定目標的能力換言之，它扮演了“代理角色”。6雖然目標是由人類設定，但代理式人工智能能夠自主決定實現目標的路徑。自主生成式智能體(Autonomous Gen AI agents)代理式人工智能(Agentic AI)不僅能提升知識工作者的工作效率，還可實現各類工作流程的高效運作。然而，由于代理式人工智能的“自主性”特征，其廣泛應用尚待時日。處于研發階段的自主生成式智能體41代理式人工智能與人工智能助手及聊天機器人之間的

182、差異示例如下。人工智能助手能夠在代碼測試和建議方面為軟件開發人員提供協助，是迄今為止最成功的生成式人工智能用例之一。7它提高了資深軟件工程師和初級程序員的工作效率。人工智能助手可以將自然語言提示（支持多種語言）轉化為代碼建議，并測試代碼的一致性，但它只能響應工程師的指令，缺乏自主代理能力。隨著代理式人工智能的出現，“軟件工程師”這一角色得到了進一步延伸。人類程序員僅需輸入有關軟件構思的提示，代理式人工智能“軟件工程師”便能將這些構想轉化成可執行代碼，進而實現軟件開發流程中多個步驟的自動化。例如，Cognition軟件公司在2024年3月推出了一款名為“Devin”的產品，旨在創建一款自主軟件工

183、程師，能夠進行推理、規劃并完成需要數千個決策的復雜工程任務。8Devin的設計理念是根據人類程序員的自然語言提示，獨立完成編程工作，包括設計完整的應用程序、測試和修復代碼庫，以及訓練和微調大型語言模型。9與此同時，其競爭對手Codeium一家專注于企業級軟件開發的公司推出的相關產品以及Devin的開源版本，均在2024年夏季推向市場。10 代理式人工智能軟件工程師具有類似的能力和弱點。11其中一項弱點在于目前的錯誤率較高，導致它們在沒有人工監督的情況下，難以獨立完成全部或部分任務。在近期的一項基準測試中，Devin成功解決了現實世界代碼庫中14%的GitHub問題，是基于LLM的聊天機器人的兩

184、倍，12但仍未實現完全自主。眾多科技巨頭13和初創公司正不懈努力，致力提高代理式人工智能軟件工程師的自主性和可靠性，從而讓人類程序員及其雇主能夠放心地將部分工作交由代理式人工智能軟件工程師處理（圖1）。圖1資料來源：德勤，2024年11月生成式智能體正不斷發展自動化程度任務的復雜度 2025年AGA編碼工程師 202？年需極少人工監督42提高工作效率代理式人工智能軟件工程師只是自主生成式智能體轉變工作模式的示例之一（有關自主生成式智能體的應用前景，請參閱下文）。隨著代理式人工智能的不斷發展，其展現出了巨大的影響力。在美國，知識工作者的數量超1億，而在全球范圍內，這一數字更是高達10.25億。1

185、4全要素生產率15作為衡量知識工作成效的重要指標，其增長卻陷入停滯。在美國，該指標在1987年至2023年的增幅僅為0.8%，而2019年至2023年的增幅更是低至0.5%。16在多數經合組織國家，情況也是一樣。17通過任務自動化提高知識工作效率的舉措僅取得了部分成效。許多企業仍面臨知識工作者的需求缺口?？头?、半導體工程師等職位的人才短缺問題始終存在。此外，新員工入職后，需迅速提高工作效率。在流程不明確或涉及多個步驟的情況下，專家系統和機器人流程自動化（RPA）可能會出現問題?；趥鹘y機器學習的系統需進行大量訓練，以應用于特定用途。相較于機器學習或深度學習，基于LLM的代理式人工智能具有更

186、高的靈活性，能夠處理更為廣泛的用例。代理式人工智能顯著增強了LLM的能力，同時也證明企業投資于生成式人工智能技術的正確性。生成式人工智能工具的正式推出，迅速引起了高管們的關注，他們不難構想出其所在企業對這項技術的運用。然而，生成式人工智能所蘊含的可量化商業價值往往難以實現。數據基礎、風險、治理政策以及人才缺口等方面的多重挑戰，均會阻礙企業對生成式人工智能項目的規?；瘮U展。18僅30%的生成式人工智能試點項目全面投產。19對于生成式人工智能的產出缺乏信任，以及生成式人工智能一旦出錯，將對“現實世界”所產生的潛在影響，都使高管們對該項技術持保留態度。20 企業在研發和部署代理式人工智能時，需考量生

187、成式人工智能帶來的挑戰，以及構建具備推理、執行、協同和創造力的機器人所涉及的復雜性。最重要的一點在于，各類生成式智能體必須足夠可靠，企業方能安心使用，這就意味著僅在多數情況下順利完成任務還遠遠不足。2024年末，部分代理式人工智能的用例和應用在可靠性方面呈現出積極態勢，表明其足夠可靠，可在2025年初推廣使用。這項技術的潛在回報值得我們為之付出努力，初步成果亦令人振奮。各大公司正在探索如何將這些模型與其他人工智能技術及訓練方法相結合，以提升LLM的性能。盡管構建自主且可靠的代理是生成式人工智能的目標，而逐步提高準確性與獨立性將助力企業總體實現生成式人工智能在生產力和效率提升方面的初期目標。21

188、隨著代理式人工智能技術在應用層面的廣泛與深入擴展，并擁有明確的業務目標，代理式人工智能越來越接近高管們最初設想的生成式人工智能解決方案。深入了解何為生成式智能體代理式人工智能能夠將復雜任務拆分為一系列步驟，再逐一執行，并解決突然出現的難題。此外，代理式人工智能還能感知環境，根據不同的用例，可以是虛擬環境、物理環境，或是二者的結合。在執行任務的過程中，代理式人工智能能夠自主決定采取何種行動，并向各類工具、數據庫或其他代理尋求支持，最終根據人類設定的目標交付成果。43代理式人工智能是一項新興技術，仍處于不斷發展中，但已展現出一些共有特性與能力：構建于基礎模型之上：LLM等基礎模型賦予了代理式人工智

189、能推理、分析并適應復雜且不可預測工作流程的能力。相較于RPA與專家系統，代理式人工智能具有更高的靈活性。目前，LLM正處于快速發展之中，取得的新進展包括推理能力增強、能夠將任務拆分為細分步驟等。22然而，基礎模型本身無法與環境交互、做出決策或執行任務。23它們必須通過其他技術和能力來增強。自主行動：盡管不同代理式人工智能的自主程度存在差異，但經過精心訓練，它們能夠基本獨立完成復雜任務的規劃與執行。通過引入推理標記，思維鏈模型能夠比以前的LLM應對更為復雜的挑戰。雖然思維鏈模型的響應速度較慢，但其在推理問題時更加慎重，不僅能夠自我糾錯，還能展示出為找到解決方案所采取的步驟。24 環境感知：代理式

190、人工智能具備感知環境、處理信息并理解任務背景的能力。25高級代理式人工智能能夠處理多模態數據，包括視頻、圖像、音頻、文本及數值信息。工具運用：代理式人工智能能夠與各類工具和系統（如軟件、企業應用程序和互聯網）進行交互，從而完成任務。協同作業：代理式人工智能具備指揮其他系統及機器人共同完成任務的能力。對于多代理系統，這意味著需與其他自主生成式人工智能進行協作。內存訪問：LLM是無狀態的，即每次交互均為獨立處理，一旦交互結束，相關信息均不予以保存。然而，代理式人工智能通過增加檢索機制與數據庫，能夠訪問短期內存，進而在執行特定任務時保留上下文，同時還能訪問長期內存，從中吸取經驗并進行自我完善。26

191、部分最新模型采用了思維鏈功能，雖然比從前的大規模模型速度更慢、更審慎，但能對復雜問題進行更高階的推理。27多模態數據分析豐富了可解釋和生成的數據種類，從而提高代理式人工智能的靈活性。多模態人工智能還表明，當與其他類型的人工智能技術（如計算機視覺（圖像識別）、轉錄和翻譯）相結合時，代理式人工智能可以變得更加強大。28與代理本身一樣，多模態人工智能仍處于發展階段。真正的多代理系統在自主代理網絡之間協作工作，目前正在開發中，一些試點項目將于2024年底啟動。29多代理模型在分配任務方面（尤其是在復雜環境中）優于單一模型系統。30初創企業和大型科技公司正在開發多代理生成式人工智能系統，包括協助企業建立

192、自有定制代理的工具。31 44自主生成式智能體用例前景大型科技公司和初創企業正在開發早期階段的解決方案，可實現軟件開發、銷售、營銷和監管合規等功能的部分自動化。以下僅為目前應用實例速覽，而非詳盡清單。部分實例基于概念驗證和演示，雖然很有前景，但還不能用于企業部署。雖然這些實例是跨行業的，但特定行業的代理應用也在不斷涌現?？蛻糁С郑嚎蛻舴帐且豁棻夭豢缮俚墓ぷ?，但往往壓力很大，每年的離職率為38%。32有效實現部分客戶支持工作流程的自動化，可以減輕員工的壓力和枯燥感，幫助公司服務更多客戶。33相較于現下的客戶支持聊天機器人，代理式人工智能能夠應對更復雜的客戶咨詢，且能自主解決問題。例如，一家音頻

193、公司正在使用代理式人工智能輔助客戶設置新設備，該過程包含多個步驟，通常需要人工代理。如需人工代理，代理式人工智能在轉接客戶之前，將匯編相關信息并總結問題。34下一代客戶支持代理除了文字聊天外，還可能整合語音及視頻等多模態數據。網絡安全：網絡安全專家是熟練知識工作者短缺的縮影：目前全球缺口為400萬。35與此同時，惡意行為者正在利用生成式人工智能滲透網絡安全系統。新興代理網絡安全系統將人類專家的部分工作自動化，以提高其工作效率。它們可以自主檢測攻擊并生成報告，進而提高系統安全性，并將人類專家的工作量至多減少90%。36代理式人工智能還能協助軟件開發團隊檢測新代碼中的漏洞。它可以運行測試，并直接與

194、開發人員溝通，解釋如何修復問題這正是目前人類工程師須手動完成的工作。37 監管合規：金融服務和醫療保健等各行業公司需定期進行合規審查。相關法規的范圍和復雜性不斷增加，而合規專業人士緊缺，使合規成為日益嚴峻的挑戰。初創企業正開發代理式人工智能，能夠分析法規和公司文件，并快速判斷公司是否合規。代理可引用具體法規，主動向人類監管專業人員提供分析及建議。38當前使用生成式人工智能的公司認為，監管合規是開發及部署生成式人工智能的首要障礙，其次是缺乏人工智能技術人才及實施過程中面臨的挑戰。39監管的不明確性有一定影響，但新法規的范圍和復雜性也不容忽視。更具代理性質的人工智能解決方案通過幫助企業了解并遵守已

195、頒布的法規，從而助力企業廣泛應用生成式人工智能。代理構建器和協調器：代理式人工智能解決方案興起，助力實現其他跨行業和特定垂直行業工作流程的自動化。不過，企業不一定要等待市場，它們可以構建自己的代理和多代理系統。借助谷歌的Vertex，公司可以使用無代碼工具為特定任務創建代理，例如根據以前的營銷活動制作營銷材料。40LangChain利用開源技術協助企業構建多代理系統。例如，初創公司Paradigm推出“智能電子表格”，其中多個代理式人工智能開展協作，從不同來源收集數據、構建數據并完成任務。41 中國智能體發展勢頭迅猛國內互聯網巨頭均發布了智能體相關戰略，使得2025年有望成為中國“智能體年”。

196、在應用場景方面，預計智能體將在客戶服務（可以處理比當前客服聊天機器人更復雜的查詢，并可以自主解決問題）、網絡安全（自主檢測攻擊并生成報告，檢測新代碼漏洞）、合規（分析法規和公司文件，快速確定公司是否合規）、研發與創新（幫助研發人員進行數據分析，提高研發效率）等多方面落地?？梢灶A見，隨著技術進步與行業需求的雙重推動，智能體將在中國的多個行業中逐步滲透，推動我國數字化轉型和業務模式創新。45小結代理式人工智能蘊藏著巨大潛力，通過自動化工作流程和離散任務來幫助提高知識工作者的效率。它既能作為單個代理獨立行動，也能與其他代理協同合作，這使其有別于當前的聊天機器人和人工智能助手。然而，代理式人工智能還處

197、于開發和應用的早期階段。盡管早期的代理實例成果驕人，但也可能出錯并陷入循環。在多代理系統中，“幻覺”會從一個代理傳遞至另一個代理；它們會說服其他代理采取錯誤的步驟并給出錯誤的答案。42雖然代理式人工智能主要為自主型，但通常需要人類對其做出的決策進行復核（即“human on the loop”，而非更具約束性的人機回圈“human in the loop”），使得代理式人工智能更適合當前部署。當生成式智能體陷入困境時，它們可以咨詢人類專家，在專家幫助下解決難題并繼續前進。在此模式下，代理式人工智能就像一名初級員工，在完成有價值工作的過程中，不斷汲取經驗，學習發展。43 雖然一些公司計劃投資數十

198、億美元來創建穩定可靠的代理式人工智能，但何時投資，以及在什么情況下投資目前尚不明確。代理式人工智能是否將在2025年或未來五年內得到廣泛應用？技術普及需要突破性創新，還是需要改進當前人工智能技術和訓練方法？如果開發代理式人工智能的大型企業和初創公司取得成功，情況則將迅速發生改變。設想下，自主生成式智能體能處理多模態數據、使用工具、協調其他代理、記憶和學習，并能持續可靠地執行任務。再設想下，企業可以在“無代碼環境”中，僅使用對話文本提示即可快速、輕松地開發定制代理。代理式人工智能的發展前景廣闊，且技術發展日新月異，企業應即刻做好準備。準備過程中應考慮以下方法。優先考慮并重新設計代理式人工智能的工

199、作流程：根據技術能力和公司的最高價值點，考慮哪些任務和工作流程適合由代理式人工智能執行。重新設計，去除不必要的步驟。確保代理式人工智能解決方案有明確的目標，并能訪問所需的數據、工具和系統。雖然這些代理可以幫助其他代理適應環境，但流程冗雜且局部優化或將導致無法取得預期成果。關注數據治理和網絡安全：代理式人工智能要創造價值，須能訪問重要且可能敏感的企業數據，以及內部系統和外部資源。在開始使用自主生成式智能體之前，公司應建立強大的數據治理和網絡安全機制。生成式人工智能早期采用者增加信息技術投資的重點領域是數據管理（75%）和網絡安全（73%）。44盡管進行了這些投資，仍有58%的公司高度關注在模型中

200、使用敏感數據和管理數據安全的問題。23%的公司則表示已為管理人工智能風險和治理做好了充分準備。簡而言之，目前許多生成式人工智能領導者似乎對代理式人工智能的到來毫無準備。如果還未做準備，那些仍在生成式人工智能領域觀望的公司必然還需采取更多舉措。平衡風險與回報：開始使用代理式人工智能時，公司應考慮允許代理的自主程度和數據訪問權限。涉及非關鍵數據和人工監督的低風險用例可以幫助公司為安全的代理式人工智能應用建立數據管理、網絡安全和治理。一旦準備就緒，公司便應考慮使用戰略數據、訪問更多工具和更多自主權的高價值用例。保持合理的懷疑態度：代理式人工智能不斷發展，明年有望變得更加強大，并將應用于更多特定水平和

201、垂直用例。預計2025年將發布出色的演示、模擬和產品。但是，我們注意到的挑戰可能需要一定時間才能解決。在此之前，代理式人工智能在受控環境中的表現難以提高企業績效。需謹慎評估并保持合理的懷疑態度。Jeff Loucks United StatesBaris Sarer United StatesGillian Crossan United StatesChina Widener United StatesRoger Chung ChinaBy1.According to Deloittes State of Generative AI in the Enterprise survey,23%of

202、 enterprises that currentlyuse gen AI are exploring“gen AI agents”to a“large”or“very large”extent,with another 42%exploring it“to some extent.”Given the high interest in agentic AI and the products and services thatare being launched by startups and established tech companies,we expect this interest

203、 to turn to action,at least on an experimental scale.2.CB Insights.Gen AI Investment Database,Aug 21,2024.This data excludes Open AI.It includesfunding to companies that are developing agentic AI with“varying degrees of autonomy.”3.Kate Clark,“Investors undaunted by spate of AI acqui-hires,”The Info

204、rmation,Aug.19,2024.4.Cambridge English Dictionary,“Agency,”accessed Aug.26,2024.5.Cambridge English Dictionary,“Autonomous,”accessed Aug.26,2024.6.For humans,agency and autonomy are moral and political concepts.In the context of gen AI agents,weare speaking only of the extent to which software-base

205、d technology has scope to design and performtasks without human direction.7.Faruk Muratovic,Duncan Stewart,and Prashant Raman,“Tech companies lead the way on generativeAI:Does code deserve the credit?”Deloitte Insights,Aug.2,2024.8.Scott Wu,“Introducing Devin,the?rst AI software engineer,”Cognition

206、Software,March 12,2024.9.Rina Diane Caballar,“AI Coding is going from copilot to autopilot,”IEEE Spectrum,April 9,2024.10.Jenna Barron,“Codeiums new Cortex assistant utilizes complex reasoning engine for coding help,”SDTimes,Aug.14,2024;Aswin Ak,“OpenDevin:An arti?cial intelligence platform for the

207、development ofpowerful AI agents that interact in similar ways to those of a human developer,”Marktechpost,July 28,2024.11.Carl Franzen,“Codium announces Codiumate,a new AI agent that seeks to be Devin for enterprisesoftware development,”VentureBeat,April 3,2024.12.Cognition Software,“SWE-bench tech

208、nical report,”March 15,2024.13.Big tech companies continue to improve their software co-pilots to make them more like gen AI agents.For example,see:Alex Woodie,“The semi-autonomous agents of amazon Q,”BigDATAWire,May 3,2024.14.Molly Talbert,“Overcoming disruption in a distributed world:Insights from

209、 the Anatomy of WorkIndex 2021,”Asana,January 14,2024.尾注4615.Total factor productivity,which measures how e?ciently both capital and labour are used,can be aproxy for knowledge worker e?ciency.Knowledge work requires access to capital-intensive technology,and e?ectively designed processes.16.US Bure

210、au of Labor Statistics,“Table A.Productivity,output,and inputs in the private nonfarmbusiness and private business sectors for selected periods,1987-2023,”March 3,2024.17.Organisation for Economic Co-operation and Development,“Multifactor productivity,”accessed Oct.30,2024.18.Jim Rowan,Beena Ammanat

211、h,Costi Perricos,Brenna Sniderman,and David Jarvis,State of gen AI inthe Enterprise,Q3 report,Deloitte,August 2024.19.Ibid.20.Ibid.21.Ibid.22.James ODonnell,“Why OpenAIs new model is such a big deal,”MIT Technology Review,Sept.17,2024.23.Janakiram MSV,“AI agents:Key concepts and how they overcome LL

212、M limitations,”The New Stack,June 11,2024.24.“OpenAI,“Learning to Reason with LLMs,”Sept.12,2024.25.Anna Gutowska,“What are AI Agents?”IBM,July 3,2024.26.Janakiram MSV,“AI agents:Key concepts and how they overcome LLM limitations.”27.Simon Willison,“Notes on OpenAIs new o1 chain-of-thought models,”S

213、imon Willisons Blog,Sept.12,2024.28.Hamidou Dia,“So much more than gen AI:Meet all the other AI making AI agents possible,”GoogleCloud Blog,Aug.20,2024.29.Vivek Kulkarni,Scott Holcomb,Prakul Sharma,Edward Van Buren and Caroline Ritter,“How AIagents are reshaping the future of work,”Deloitte AI Insti

214、tute,November 2024.30.The Economist,“Todays AI models are impressive.Teams of them will be formidable,”May 13,2024.31.CB Insights,“The multi-agent AI outlook:Heres what you need to know about the next majordevelopment in genAI,”Aug.30,2024.32.Mike Desmarais,“The call center burnout problem,”SQM Grou

215、p,Feb.24,2023.4733.Its important to balance the work of human agents.When they get only the most complicated anddi?cult cases,it can lead to burnout.See Sue Cantrell,et al.,“Strengthening the bonds of human andmachine collaboration,”Deloitte Insights,Nov.22,2022.34.Sierra,“Sonos elevates the listene

216、r experience,”Feb.13,2024.35.Michelle Meineke,“The cybersecurity industry has an urgent talent shortage.Heres how to plug thegap,”World Economic Forum,April 28,2024.36.Ken Yeung,“Dropzone AI gets$16.85M for autonomous cybersecurity AI agents that reduce manualwork by 90 percent,”VentureBeat,April 25

217、,2024.37.Simon Thomsen,“Software development cybersec startup Nullify banks$1.1 million pre-seedround,”Startup Daily,June 26,2023.38.Kyt,Dotson,“Norm Ai raises$27M to help businesses handle regulatory compliance with AIagents,”SiliconANGLE,June 26,2024.39.Rowan,State of Generative AI in the Enterpri

218、se,Q3 report.40.Ron Miller,“With Vertex AI Agent Builder,Google Cloud aims to simplify agent creation,”TechCrunch,April 9,2024.41.Iris Coleman,“Paradigm utilizes LangChain and LangSmith for advanced AI-drivenspreadsheets,”Blockchain.News,Sept.5,2024.42.The Economist,“Todays AI models are impressive.

219、”43.Maria Korolov,“AI agents will transform business processes and magnify risks,”CIO,Aug.21,2024.44.Rowan,State of Generative AI in the Enterprise,Q3 report.Authorswouldlikethank ChrisArkenberg,Duncan Stewart,and Ankit Dhameja.Cover image by:Jaime Austin;Ge?y Images,Adobe Stock.致謝4849深度偽造內容，即看似真實卻是

220、由人工智能工具生成的圖片、視頻和音頻片段，加劇了公眾對于網絡信息的信任危機。隨著人工智能生成內容的數量和質量不斷提升，網絡多媒體資源更易被不法分子利用以散布虛假信息和實施欺詐。社交媒體平臺充斥著此類偽造內容，引發了公眾的疑慮與擔憂。1 根據德勤 2024年互聯消費者調研報告，有半數受訪者表示，相較于去年，他們對網絡信息的準確性與可靠性持更加懷疑的態度。在了解或使用生成式人工智能的受訪者中，68%表示擔憂合成內容可能被用于欺騙或欺詐目的，59%表示難以辨識人類創作與人工智能生成的內容。此外，高達84%了解生成式人工智能的受訪者贊同，生成式人工智能生成的內容應始終注明其來源。2 標識是媒體機構與社

221、交媒體平臺向用戶提示合成內容的一種方式。然而，隨著深度偽造技術運用更先進的模型來生成合成內容或篡改既有媒體素材，可能需要采取更復雜的策略來檢測虛假內容并助力重建公眾信任。分析人士預計，全球深度偽造檢測市場在科技、傳媒和社交網絡巨頭的推動下年增長率料將達 42%，市場規模將從2023年的55億美元增至2026年的157億美元。3德勤預計，該市場的發展軌跡或與網絡安全行業相仿。媒體公司及技術提供商或將通過投資于內容驗證解決方案和建立聯盟合作，以領先于不斷進化的偽造手段。這對消費者、廣告商乃至創作者而言，創作或獲取可信內容的成本可能會增加。4 目前打擊虛假內容的手段主要分為兩類：一是檢測虛假內容，二

222、是確立內容來源。隨著檢測和打擊虛假內容的力度持續加大，維護可信互聯網的成本或由消費者、創作者及廣告商共擔。深度偽造之戰：網絡安全的大規模挑戰與深遠影響50檢測虛假內容科技公司通常使用深度學習、計算機視覺等方法來分析合成內容，尋找虛假或篡改痕跡，并利用機器學習模型來識別深度偽造內容中的模式和異常。5這些工具還能檢測出音視頻內容中的不一致之處，如與人類唇部細微動作或語音語調的不符之處。6 部分生成式人工智能工具包含檢測某段內容是否由其協助制作的功能，但它們可能無法檢測出由其他模型生成的深度偽造內容。7一些虛假內容檢測工具會尋找生成式人工智能工具的篡改痕跡或“指紋”，8一些工具采用“白名單”和“黑名

223、單”方法（即維護可信任來源和已知造假者的名單），而還有一些工具則尋找人類特征（而非偽造證據），如自然的血液流動、面部表情和語調變化。9 目前的深度偽造檢測工具據稱準確率超過90%。10然而令人擔憂的是，不法分子可能正在利用開源的生成式人工智能模型來生成能夠規避這些檢測工具的媒體內容。例如，生成式人工智能工具的高效內容生成能力可能會讓現有檢測系統難以及時識別，此外，該等工具根據用戶提示對輸出進行的細微調整也可能被用來掩蓋虛假內容。11 社交媒體平臺本身也經常使用人工智能工具幫助檢測圖像或視頻中的問題內容，并按相對程度對其進行評分，然后將最可疑的內容轉交審核人員進行最終判定。但這種方法既耗時又昂貴

224、，目前各大平臺正利用機器學習加速這一流程。12 如果這聽起來讓人聯想到網絡安全領域的發展，那可能事實如此。正如具有安全意識的公司采用多層防護措施來保護數據和網絡安全，德勤預計，新聞機構和社交媒體公司亦或需要多種工具以及內容來源驗證方法，來幫助判斷數字內容的真實性。確立內容來源并構筑信任部分公司正在探索另一類方法，即在媒體文件創建時添加加密元數據（或數字水?。?。這些隨附于媒體文件的數據，能夠詳細說明文件的來源并保留所有的修改記錄。13 社交平臺正與媒體機構、設備制造商及科技公司開展跨界合作，共同推動內容真實性標準的建立。包括德勤在內的多家科技和媒體公司已加入內容來源和真實性聯盟（C2PA），并承

225、諾實施C2PA元數據標準，以更便捷地驗證人工智能生成的圖像。14C2PA技術通過創建詳盡的變更和修改日志，能夠記錄圖片生命周期（從創建到編輯過程）的每個階段。15憑借可查詢的C2PA記錄，內容發布機構和用戶得以檢驗視覺素材的來源，并評估其可信度。為進一步區分由真人運營的賬號，一些社交媒體平臺開始向創作者推出實名認證選項。這可能需要創作者提交身份證明材料，并支付一定認證費用。此外，平臺還可能將實名認證作為參與某些收益分享計劃的先決條件，以鼓勵創作者完成認證。16 隨著人工智能生成內容的普及，驗證真人運營賬號的真實性將有助于平臺提升可信度和公信力。17平臺可能需要考量，將認證成本轉移至創作者、廣告

226、商或用戶是否具有長期可行性。51有待立法出臺盡管部分政府已實施了內容真實性監管措施，18但構建更全面且全球統一的立法可能更具成效。此外，加強公共宣傳教育也十分關鍵，可以幫助用戶認識深度偽造技術的風險，并掌握辨別媒體內容真偽的方法。美國已提出一項法案，要求人工智能生成的內容必須添加數字水印，目前該法案正在參議院商業、科學和交通委員會審議中。19加利福尼亞州正在審議AB-3211法案，該法案要求設備制造商更新固件，以便為照片附加來源元數據，并要求在線平臺公開網絡內容的來源元數據。如果獲得通過，該法案將于2026年生效。20其他一些州也已通過類似立法，將未經同意制作和傳播、旨在散布虛假信息的深度偽造

227、行為定為犯罪。21美國聯邦貿易委員會（FTC）正在制定新規，旨在禁止模仿個人的深度偽造內容的創建和傳播。22 歐盟 人工智能法案（AI Act）的修訂重點強調了透明度要求，規定必須對人工智能生成及深度偽造內容作出明確標識。此舉旨在推進人工智能技術發展的同時，保障用戶對接觸內容性質的知情權。歐盟委員會設立了人工智能辦公室，旨在促進人工智能的發展與應用，并倡導對人工生成或合成內容進行有效標識。23 深度偽造技術的迅猛發展要求監管框架兼具靈活性和適應性，能夠隨著技術發展不斷演進。小結圖像、視頻或音頻片段的真實性可以通過分析并驗證其來源來確定。隨著生成式人工智能不斷用于創建各類合成內容，加之不法分子通

228、過調整模型和輸出以規避檢測，媒體公司和社交網絡很可能將加大對這兩類方法的投入。隨著生成式人工智能變得日益強大且用途廣泛，領先于不法分子以防止技術濫用變得尤為重要。利用更先進的技術，如血液體積檢測和面部分析，能夠有效鑒別內容的真假。然而，與網絡安全工具一樣，這些技術的運用應將對最終用戶和消費者的干擾降至最低，即在確保內容完整性的同時，不影響用戶體驗。數字水印等技術可在無需犧牲內容質量和使用實時計算資源進行分析的情況下，幫助驗證內容的真實性。24 對于使用訓練有素的機器學習模型（或委托第三方）檢測虛假內容的公司而言，采納一項領先實踐十分必要：優先選用擁有多元化、高質量圖像及音視頻數據集的工具和供應

229、商。這些數據集應涵蓋各類人口統計群體，以確保檢測的公正性并最大限度地減少準確性偏差。25科技公司與媒體公司應積極開展跨界合作，26共同制定并推廣深度偽造檢測和內容認證的標準。例如，當設備制造商與媒體機構對內容的創作與發布進行聯名認證時，數字水印技術的作用將更加顯著。此類合作能形成更完備且廣受認可的行業實踐，進而提升數字內容整體的安全性和可靠性。52在企業安全方面，各行業公司需警惕，生成式人工智能或提升社會工程攻擊效率，并削弱部分身份驗證機制。27因此，有必要增設額外驗證層級，尤其是在以視頻和音頻為主的流程中。應鼓勵最終用戶向可靠信息源求證信息，并采用多因素身份驗證，以降低深度偽造帶來的風險。鑒

230、于技術態勢的持續演變，用戶教育（如網絡安全意識培訓）亦成為公司不得不重視的關鍵措施。這些策略不僅能防范深度偽造技術所帶來的威脅，還有助于科技公司和媒體公司在維護數字內容完整性和可靠性方面建立領導地位。在這關鍵時刻，企業應著力構建高度可信的內容領域，并在不確定性日增的數字環境中，穩固自身作為可靠信息源的權威性。Michael Steinhart United StatesAnkit Dhameja IndiaBree Matheson United StatesGillian Crossan United StatesBy1.Margaret Talev and Ryan Heath,“Excl

231、usive poll:AI is already great at faking video and audio,expertssay,”Axios,accessed Oct.28,2023.2.Susanne Hupfer,Michael Steinhart,et.al,“2024 Connected Consumer Survey,”Deloitte,December20243.Vivaan Jaikishan,Cameron DAmbrosi,Jennie Berry,and Stacy Schulman,“The rising threat ofdeepfakes:Detection,

232、challenges,and market growth,Liminal,May 7,2024.4.Ian Shepherd,“Human vs.machine:Will AI replace content creators?”Forbes,April 26,2024.5.Analytix Labs,“Detecting deepfakes:Exploring advances in deep learning-based media authentication,”Medium,January 4,2024.6.For example,see:Intel,“Trusted media:Re

233、al-time FakeCatcher for deepfake detection,”accessed Oct.28,2024.7.Cade Metz and Ti?any Hsu,OpenAI releases deepfake detector to disinformation researchers,TheNew York Times,May 2024.8.Danial Samadi Vahdati,Tai D.Nguyen,Aref Azizpour,and Matthew C.Stamm,“Beyond deepfakeimages:Detecting AI-generated

234、videos,”Drexel University,accessed Oct.28,2024.9.Alex McFarland,5 best deepfake detector tools&techniques(October 2024),”Unite.AI,Oct.1,2024.10.Konstantin Simonchik,“Deepfake detection:Accuracy of commercial tools,LinkedIn,February 202411.Jiansong Zhang,Kejiang Chen,Weixiang Li,Weiming Zhang,and Nen

235、ghai Yu,“Steganography withgenerated images:Leveraging volatility to enhance security,”IEEE Transactions on Dependable andSecure Computing21,no.4(2024):pp.39944005;see also:Mike Bechtel and Bill Briggs,“Defendingreality:Truth in an age of synthetic media,”Deloitte Insights,Dec.4,2023;and,Loreben Tuq

236、uero,“AIdetection tools for audio deepfakes fall short.How 4 tools fare and what we can do instead,”Poynter,March 21,2024.12.Barbara Ortutay,“Content moderation in the AI era:Humans are still needed across industries,”FastCompany,April 23,2024;also see:Meta,“How review teams work,”Jan.19,2022.13.Gle

237、nn Chapman,“Meta wants industry-wide labels for AI-made images,”AFP News,Feb.6,2024;alsosee:Nick Clegg,“Labeling AI-generated images on Facebook,Instagram and Threads,”Feb.6,2024;Sasha Luccioni et al.,“AI watermarking 101:Tools and techniques,”Hugging Face,Feb.26,2024;andPartnership on AI,“Building

238、a glossary for synthetic media transparency methods,part 1:Indirectdisclosure,”Dec.19,2023.14.Ryan Heath,“Inside the battle to label digital content as AI-generated media spreads,”Axios,accessedOct.28,2024.尾注5315.Demian Hess,“Fighting deepfakes with content credentials and C2PA,”CMSWire,March 13,202

239、4.16.Andrew Hutchinson,“X will require ad revenue share participants to con?rm their ID,”Social MediaToday,May 22,2024.17.Guy Tytunovich,“The future of trust and veri?cation for social media platforms,”Forbes,May 22,2024.18.Amanda Lawson,“A look at global deepfake regulation approaches,”Responsible

240、Arti?cial IntelligenceInstitute,April 24,2023.19.US Congress,“S.2765Advisory for AI-Generated Content Act,”Sept.12,2023.20.California Legislative Information,“Assembly Bill 3211California Digital Content ProvenanceStandards,”Aug.24,2024.21.Kevin Collier,“States are rapidly adopting laws regulating p

241、olitical deepfakes,”NBC News,Aug.7,2024.22.Federal Trade Commission,“FTC proposes new protections to combat AI impersonation ofindividuals,”Feb.15,2024;also see:Michelle M.Graham,“Deepfakes:Federal and state regulationaims to curb a growing threat,”Thompson Reuters,June 26,2024.23.Melissa Heikkil,“F

242、ive things you need to know about the EUs new AI Act,”MIT Technology Review,Dec.11,2023.24.Deloitte,“How to safeguard against the menace of deepfake technology,”accessed Oct.28,2024.25.AI Index Steering Committee,“The AI Index 2024 Annual Report,”accessed Oct.28,2024.26.AI Election Accord,“A tech ac

243、cord to combat deceptive use of AI in 2024 elections,”accessed Oct.28,2024.27.Stu Sjouwerman,The growing threat of AI in social engineering:How business can mitigate risks,Fast Company,April 8,2024.The authors wouldliketothank Je Loucks,Susanne Hupfer,DuncanStewart,Je Stoudt,Jason Williamson,TimDavi

244、s,Gopal Srinivasan,ShreeparnaSarkar,and AndyBayiates fortheircontributions tothisarticle.Cover image by:Jaime Austin;Ge?y Images,Adobe Stock致謝5455德勤預測，訂閱視頻點播（SVOD）的“堆疊”現象即消費者訂閱多個獨立視頻點播服務將在2025年減少。各市場“堆疊”用戶的平均訂閱數量或將達到峰值，各市場有所不同，在美國，每個用戶的訂閱數約為4個，而在歐洲市場略高于該數字的一半1。這意味著，每個市場的獨立訂閱總量可能會下降，即使由于提價、打擊密碼共享和捆綁銷

245、售，SVOD的收入仍可能增加。上述峰值是對視頻行業市場生存能力重新評估的預期結果，該行業市場主要由數十家直接面向消費者（DTC）的視頻訂閱服務提供商組成2，每個家庭都會購買多種訂閱服務，而非單一的付費電視訂閱服務。然而，該行業的發展方向或將回到不同服務提供商的內容聚合。這一付費電視提供商的傳統方式已然過時。從中期來看，我們預計視頻行業最終可能會由各國市場少數幾家（多為兩家或三家）獨立SVOD服務商和聚合商組成。聚合公司預計包括：傳統付費電視公司、電信公司、技術平臺或最大的SVOD服務商。在英國，截至2024年9月，受訪的SVOD用戶中有43%通過另一方（付費電視、電信公司或技術平臺）購買了至少

246、一項服務。在受訪的小型SVOD服務提供商中，近半數的訂閱用戶通過聚合商購買；在大型提供商中，約四分之一的訂閱用戶間接購買3。根據我們與業內人士的交流，德勤預計每家聚合商都將提供一種付費電視模式，包括以下部分內容（有時是全部內容）：單一賬戶和賬單、標準和可選內容頻道、12個月（或更長）合同、顯示所有可看內容的電子節目指南、廣告銷售和播放以及集中營銷。2025年，有望加速回歸聚合模式，但可能幾年后才能完成。視頻內容創作者或需更多經銷商來擴大可觸達市場規模重新評估直接面向消費者（DTC）模式：轉向視頻聚合商56行業正步入SVOD堆疊高峰期2010年代有兩大應用趨勢：使用SVOD服務的家庭數量持續增長

247、；使用的服務數量穩步增長。德勤研究顯示，歐洲市場的平均訂閱數從2018年的1.3個穩步上升，到2023年和2024年穩定在2.35個（見圖10，資料來源在圖下方）。據德勤 2024年數字媒體趨勢 報告，自2020年以來，美國SVOD服務的平均訂閱數一直穩定在4個4。付費電視模式復蘇的原因獨立SVOD的基本優點是消費者可以掌控內容選擇和合同期限，且內容提供商能夠繞過經銷商，鑒于此，重新采用數量更少、規模更大、價格更高、期限更長的捆綁模式看似是一種倒退。但是，回歸聚合模式或許能在消費者及供應商的需求之間取得平衡。對于消費者而言，理想化的獨立SVOD可能包括多種相對低價的視頻服務，每種服務都可通過直

248、觀的應用程序隨時訪問，且每種服務都可提前幾周通知取消，但遺憾的是，這可能不具備商業可行性。近期面臨的現實情況是，訂閱價格不斷攀升，密碼共享遭受打擊5，內容選擇鋪天蓋地6，用戶界面流暢度參差不齊。7在制作內容并按多年期合同銷售給經銷商方面，內容提供商擁有數十年的盈利經驗，但他們可能很難輕松地轉向運營端到端DTC業務的各個方面，例如從設置信用卡支付到管理建立廣告視頻點播（AVOD）層級所需的合規性8。部分訂閱用戶可能會重新選擇付費電視模式。圖1資料來源：德勤數字消費者趨勢，2018-2024年。該平均值所代表的國家包括：英國、丹麥、愛爾蘭、挪威、瑞典、德國、比利時、意大利、荷蘭。這些市場共代表2.

249、65億人口。歐洲多個市場SVOD平均訂閱數 例如，將SVOD與18個月的傳統付費電視合同進行綁定（可換取總價的折扣），可以延遲用戶可能發去的取消行為，減少周期性客戶流失。超過一半的美國消費者愿意為了折扣而選擇一年的訂閱13，但截至2024年初，美國僅4%的SVOD合同期限為12個月。14對于目前經營獨立VOD的公司來說，加入第三方捆綁服務也是為了外包客戶獲取、計費（和壞賬管理）、客戶支持和廣告銷售等一系列職責。截至2024年，捆綁服務已蔚然成風，到2025年及以后，可能會進一步普及。付費電視公司捆綁SVOD產品，在不同市場會收獲不同的效益，但共同的出發點是將熱門內容套餐固定嵌入其產品組合，以幫

250、助降低自身的客戶流失率。對于那些核心服務增長不夠強勁的公司來說，增加SVOD還能提高總收入。15 在英國，截至2019年，Sky所有付費電視套餐均默認包含Neftlix的廣告套餐16，所有訂閱內容均可使用統一搜索欄。在法國，付費電視頻道Canal+為所有用戶提供Disney+和Paramount+，還有各種提供多個SVOD品牌的套餐。17在中歐，據估計，25%的SVOD通過付費電視或電信運營商間接訂閱。18在美國，Xfinity寬帶用戶可以添加一項名為Streamsaver的捆綁服務，其中包含Apple TV+、帶廣告的Netflix Standard和帶廣告的Peacock Premium，

251、可節省30%的費用。19預計到2028年，全球25%的在線視頻訂閱將通過電信公司完成，而2023年這一比例僅為20%。20 對于電信公司而言，以優惠價格引入熱門的SVOD服務也有助于提高用戶留存率，尤其是在用戶認為運營商彼此網絡性能差異不大的市場。21一些銀行也將SVOD納入其訂閱服務。截至2024年8月，英國巴克萊銀行向Bank Account+Blue Rewards客戶免費提供Apple TV+服務。22 部分小型SVOD服務正從獨立的DTC轉向由聚合商分發的附加頻道，或完全退出某些市場。媒體聚合：服務通常通過捆綁銷售進行聚合，其中最典型的做法是以相對于單獨購買更優惠的價格來出售原先各自

252、獨立的多項服務。例如，在美國市場，Disney+、Max和Hulu捆綁服務的折扣高達38%。23此類捆綁服務可能是純視頻，也可能是視頻加其他媒體（音樂、游戲或新聞）。隨著捆綁服務日漸流行，單項服務可能會被取消，或以高定價勸退單獨購買。視頻服務聚合應提高易用性，例如，通過提供統一的搜索欄及電子節目指南，根據觀眾的訂閱情況，為其提供所有可看內容。相比之下，如果使用獨立服務，用戶可能會在兩項服務切換時遇到操作上的不順暢，尤其是當使用處理器性能較差的舊款電視或經濟型電視進行觀看。德勤的研究發現，在受訪的美國消費者中，幾乎一半表示如果流媒體平臺的內容檢索更加便捷，他們會在該流媒體服務上花費更多時間。24

253、在受訪的美國Z世代和千禧一代消費者中，約四分之三希望在可訪問的所有服務平臺之間進行無縫搜索。25德勤英國的研究表明，取消訂閱的主要原因之一是找不到心儀的觀看內容，但其實當前節目資源空前豐富，這兩者實在矛盾。26 58捆綁SVOD服務有助于減少用戶流失。根據行業分析，訂購捆綁服務（Disney+、Hulu和ESPN+）的用戶比單獨訂購Disney+的用戶其流失可能性低59%27。德勤的研究表明，消費者對進一步漲價的承受程度可能已至臨界點：在2023年第四季度的調查中，近一半的美國消費者表示，如果SVOD服務每月價格上漲5美元，他們將取消該服務。28 永久流失：對于一些家庭而言，其他VOD服務可能

254、會取代付費SVOD，例如在歐洲盛行的免費廣播VOD（BVOD），或YouTube等視頻共享服務（絕大部分免費）。SVOD用戶流失的一大關鍵因素是成本。近年來，訂閱成本已越來越成為影響用戶決策的重要因素，在取消SVOD服務的英國受訪者中，24%的人選擇“訂閱太貴”作為取消原因。到2024年，這一比例上升到31%29。過去只提供訂閱服務的公司也許將提供更多FAST（免費廣告支持型電視）服務。例如，2008年開始提供SVOD的亞馬遜于2022年在美國推出了FAST頻道Freevee。30Crunchyroll自2010年代中期以來主推動畫SVOD，31于2023年推出了FAST服務。32此外，目前對

255、用戶上傳且通常免費的服務平臺（如YouTube）的使用量也有所增加。2024年至2029年期間，通過電視機觀看YouTube的時間預計將大幅增加90%，每日觀看時長從12分鐘增至22分鐘。33其中部分增長可能來自曾經的SVOD用戶。小結：電視業務再度演變從廣播到基于網絡的傳播，整個電視行業正在經歷長達數十年的轉變?；仡欉^去，獨立SVOD市場的興起和發展是一個顯著的里程碑。在2010年代，SVOD產品新穎，競爭對手較少，訂閱價格親民且通?？膳c家人朋友共享使用，因此SVOD市場實現了飛速增長。但到了2020年代，情況不容樂觀用戶流失率居高不下，增長難度超出預期。在英國這一相對成熟的市場，近來SVO

256、D的收視份額增長乏力，從2023年的15.8%微升至2024年的16.4%，而廣播公司電視旗下內容和視頻共享網站的份額顯然更勝一籌。34獨立的SVOD市場難以占據主導地位，類似傳統付費電視的聚合服務模式有望在未來幾年內蓬勃發展35。獨立的SVOD播放平臺應思考自身在這種新模式下所扮演的角色。少數幾家播放平臺已經具備了足夠的規模和能力（從計費到用戶界面設計再到視頻壓縮），因此它們有可能繼續致力于提供全方位的SVOD服務（即由一家公司提供從內容制作到廣告銷售再到客戶管理的全面整合服務）但在第三方分銷更具商業意義的市場中，情況或許有所不同。一些SVOD播放平臺除了自有內容外，可能還想率先聚合其他播放

257、平臺的內容資源：它們可以打造以自有內容為核心的捆綁產品，還可以像傳統付費電視一樣營銷和托管其他公司的頻道。然而，許多播放平臺還是決定專注于一個直接目標：將內容賣給出價最高的買家這是過去一直支持其成功運營的策略36。59Paul Lee United KingdomRupert Darbyshire United KingdomEliza Pearce United KingdomKevin Westcott United StatesBy本節的要點在于，純粹的DTC模式往往充滿挑戰，特別是對于那些可能需要增強技術能力和調整企業文化的公司。幾十年來長期專注于內容創作，將分銷交給第三方完成的公司，

258、可能無法即刻在DTC領域取得成功。將DTC作為一種獨立商業模式的難點，實際上是一種普遍限制，它困擾著大多數行業，并非視頻行業獨有。能夠全面轉型到DTC模式的大規模公司寥寥無幾。分銷商在大多數大型消費品牌的供應鏈中占據著核心地位，這是近乎不變的信條。廣播電視公司在眾多市場中把控著絕大部分觀眾的收視市場，并且獨立的SVOD未必會成為行業主流模式，但這并不意味廣播電視公司可以高枕無憂。在歐洲（42個市場），2023年傳統電視的平均收視時長為每天3小時16分鐘；但年輕觀眾群體僅貢獻1小時12分鐘37。廣播公司應共同努力，各廣播電視公司應攜手打造優質內容平臺，確保其節目和服務對年輕受眾具有持久且不斷增長

259、的吸引力。1.Kevin Westcott,Jana Arbanas,Chris Arkenberg,and Je?Loucks,“Streaming video at a crossroads:Redesign yesterdays models or reinvent for tomorrow?”Deloitte Insights,March 20,2024;Deloitte,“Generative AI:7 million workers and counting,”June 25,2024.2.Ampere Analysis,“Analytics-SVoD,”accessed Nove

260、mber 2024.3.This is based on a nationally representative survey of 4,000 respondents ages 16 to 75,commissioned byDeloitte UK and undertaken in August 2024.4.Westcott,Arbanas,Arkenberg,and Loucks,“Streaming video at a crossroads.”5.David Pierce,“Streaming services keep getting more expensive:all the

261、 latest price increases,”The Verge,Sept.23,2024;Emma Roth,“Disneys password-sharing crackdown starts in earnest this September,”The Verge,Aug.7,2024.6.As of June 2023,Nielsens Gracenote reported that the number of individual titles available on streamingservices was 2,346,171,up from 1,882,401 in Ju

262、ly 2021.These numbers span the range of contentavailable in the United States,the United Kingdom,Canada,Mexico,and Germany;see:Nielsen,“Data-driven personalization:The future of streaming content discovery,”accessed November 2024.7.Selome Hailu and Jennifer Maas,“From glitchy HBO Max to overwhelming

263、 Amazon Prime Video,Hollywood insiders spill on their(least)favorite streaming interfaces,”Variety,April 11,2023.8.Andrew Blustein,“How GDPR,ad fatigue and content costs are complicating the now-global streamingwars,”The Drum,Sept.4,2019.9.Westcott,Arbanas,Arkenberg,and Loucks,“Streaming video at a

264、crossroads”;Deloitte,“GenerativeAI.”10.Antenna,“The rise of the show chaser,”accessed November 2024.11.Ibid.12.Ibid.13.Westcott,Arbanas,Arkenberg,and Loucks,“Streaming video at a crossroads.”14.Antenna,“Understanding the relationship between annual plans and promotions,”accessed November2024.15.IDC

265、Research,“IDC forecasts slower growth for global telecommunications market:Could AI helptelcos to maintain healthy margins,”May 3,2024.16.Sky,“O?cial website,”accessed November 2024.尾注6017.Canal Plus,“Sabonner Disney+avec les o?res CANAL+,”accessed November 2024;Georg Szalai,“Paramount+,Canal+expand

266、 partnership in France,”The Hollywood Reporter,Aug.21,2024.18.Omdia,“Omdia unveils surging SVOD growth in CEE through strategic pay TV and telcopartnerships,”June 12,2024.19.X?nity,“Streaming services:Stream one,stream all,”accessed November 2024.20.Bango,“Super bundling:What telco leadership needs

267、to know about securing a wider role in thesubscriptions market,”accessed November 2024.21.Barclays,“Current accounts:Barclays Bank Account+Blue Rewards,”accessed November 2024.22.Viaplay Group,“Q2 2024 interim report January-June,”press release,July 18,2024.23.Disney Plus,“New Disney+,Hulu,Max bundl

268、e is now available in ad-supported and ad-free plans,”July 25,2024.24.Westcott,Arbanas,Arkenberg,and Loucks,“Streaming video at a crossroads.”25.Ibid.26.Deloitte,“Generative AI.”27.Ampere Analysis,“Subscribe,cancel,repeat:42%of US consumers are SVoD resubscribers,”July 8,2024.28.Westcott,Arbanas,Ark

269、enberg,and Loucks,“Streaming video at a crossroads.”29.Deloitte,“Generative AI.”30.Christian de Looper,“Amazon Freevee:Everything you need to know about the free streaming service,”Amazon UK,May 10,2023.31.Janko Roettgers,“Chernin,AT&T Set Brand for New Online Video Venture:Ellation(Exclusive),”Vari

270、ety,Aug.3,2015.32.Crunchyroll News,“Crunchyroll launches 24/7 anime channel in the US,”Oct.11,2023.33.Enders Analysis,https:/ of viewing is calculated based on 12-month rolling averages from October 2022 to September2023 through August 2023 to July 2024.All data is from Barbs monthly viewing summary

271、;see:Barb,“Monthly viewing summary,”accessed November 2024.Barbs methodology for capturing viewingpatterns is explained in:Barb,“What is the Barb panel and why is it important?”accessed November2024.6135.Richard Waters,The next phase of the streaming wars,Financial Times,June 6,2024(subscriptionrequ

272、ired)36.Etan Vlessing,“Sony CFO:Without a streaming platform,were free to sell?lms and shows to thehighest bidder,”The Hollywood Reporter,March 6,2023;Diane Haithman,“Why Sonys streamingdeals with Net?ix and Disney make sense for everyone,”The Wrap,May 10,2021.37.Audience Trends Television 2024,Euro

273、pean Broadcasting Union Media Intelligence Service,August2024(registration required)The authors wouldliketothank Stacy Hodgins,Beth RaeRosenstein,HelenRees,Ben Stanton,and Duncan Stewart fortheircontributionstothisarticle.Cover image by:Jaime Austin;Ge?y Images,Adobe Stock致謝6263用于生成圖像、音頻和視頻的生成式人工智能模

274、型在不斷進步，可制作出更逼真、更富有創意和更長期可控的內容。制片公司可能早就開始嘗試使用生成式人工智能進行內容創作，但要將其投入全面內容制作，他們表現得十分猶疑，因為這一工具目前尚不成熟，以及公共模型下的內容創作可能引發法律責任和知識產權保護問題。但越來越多制片公司相信，這一技術若應用于各項業務流程，則能夠幫助降低成本，提高盈利能力。事實上，各大制片公司都面臨著成本壓力，只有極少數實現盈利。1他們的營收數字雖然可觀，但運營費用以及制作、營銷和廣告的成本也在不斷攀升，超過了營收增長速度。2而對于許多流媒體制片公司來說，情況往往是其投入了資金發展流媒體服務但卻無法盈利，同時反而因有線電視訂閱量和廣

275、告收入下降而營收大減。如今，電影制片公司一方面要面臨因通貨膨脹、銀行加息以及新冠疫情影響而抬升的成本，另一方面還要與社交媒體、用戶生成內容（UGG）和視頻游戲爭奪市場流量和收入。德勤預測，到2025年，各影視巨頭公司（尤其是美國和歐盟的制片公司）仍將對采用生成式人工智能進行內容創作持謹慎態度，在此方面只投入不到3%的制作預算，3但會撥出約7%的運營支出，用于使用生成式人工智能工具執行合同及人才管理、許可與規劃、營銷和廣告以及內容本地化和配音等工作，以此幫助擴大制片公司在全球各個市場的影響力。如此一來，制片公司既能在人才和內容創作方面少受這一新興技術干擾，又能降低成本并提高業務效率。然而，獨立內

276、容創作者和社交媒體平臺正在積極擁抱生成式人工智能技術，迅速將其應用至工作流和內容創作中。這有可能催生出新的媒體形式，從而使與其爭奪流量的傳統制片公司更加處于下風。4 好萊塢（以及其他電影制片公司）可能會謹慎采用生成式人工智能技術進行內容創作，但或會率先將其用于運營和發行。生成式人工智能用于內容創作，大型 制片公司猶豫不決，社交媒體積極推進64生成式人工智能工具尚不能支持好萊塢級別的內容創作低成本且方便易用的大型語言模型（LLM）和擴散模型（Diffusion Model）的出現，使得電影制片公司能夠對劇本、對話和故事元素進行快速原型設計，并對角色和場景設計進行早期可視化和發掘。5一些電影制片公

277、司使用生成式工具對演員進行去老化處理或生成數字雙胞胎，以用于商業廣告或其離世后的作品制作。6在這種情況下，制片公司可直接在演員合約中添加保護條款，以控制潛在的法律責任風險。未來一年或會出現更多的第三方制作機構向制片公司出售相關服務和工具，以滿足他們對于先進技術能力的需求。生成式人工智能能夠在內容創作的前期階段激發新穎的創意，但其水平還不足以制作出好萊塢級別的作品。7目前最強大的視覺擴散模型能夠生成栩栩如生的圖像，但其輸出結果反而因為過于逼真而顯得“不真實”。8技術領先的視頻模型能夠生成短片，但無法制作篇幅更長、更連貫的故事。9視頻生成模型發展迅速，卻還不夠成熟，要想集成到現有工具和制作流水線中

278、仍需時日。不過，對于通常需要快速產出內容以及高頻率發布更新的社交媒體創作者而言，這些限制可能并無大礙。盡管流行趨勢一直在變，但當前快節奏的剪輯手法廣受青睞。10社交媒體視頻的時長通常較短，因此可能無需太擔心相關責任風險問題。有部分內容創作者很早就嘗試采用生成式模型和工具制作內容，并定期在社交媒體上發布，展現了借助第三方解決方案而得以快速進步的視頻模型的無限潛力。11 預計在未來一年，獨立創作者將會使用生成式人工智能引領內容創作潮流。制片公司可在靜觀技術能力演化的同時，巧妙規避相關風險。但這也有可能讓用戶生成內容平臺率先搶占市場流量，使傳統媒體在與其的激烈競爭中失去先機。大型制片公司顧慮公有模型

279、帶來的法律 責任風險大型制片公司還擔心采用生成式人工智能內容工具可能會引致知識產權及相關法律責任風險，或是利用該工具生成的內容無法被認定為原創作品享受版權保護。12部分功能強大的公有模型是基于公共數據（如來自其他創作者的圖像和視頻）訓練而成，這使得這類模型的輸出結果從根本上成為衍生內容。13如有制片公司將此類公有模型的輸出內容作為商用，而該模型的訓練數據包含了他人的版權作品，那么該公司則有可能承擔侵權責任。模型訓練集可能收錄了數十億部作品，使得追查侵權行為極為困難，如同大海撈針。但這種不確定性或就足以嚇退以創建、保護和捍衛自己的知識產權為主營業務的制片公司。目前已有公有模型因涉嫌侵權遭到獨立藝

280、術家和創作者的起訴14，此外出版商15和音樂廠牌16也紛紛提起類似訴訟。公有模型也可能使電影制片公司難以或無法維護自己的知識產權。美國 版權法（Copyright Act）規定，作品必須包含足夠的“人類創作內容”（即“充分性要求”）才可獲得版權保護。17在近期的審議案例中，美國版權局指出，在包含人工智能生成內容的作品中，人類創作內容的多少將視具體情況而定，只要符合“充分性要求”，即可獲得版權保護。換言之，電影制片公司采用生成式人工智能輔助創作的作品也可獲得版權，但作品中的人工智能生成內容不得超過一定比例，不得以生成模型為主要創作手段。隨著該領域的不斷發展，相關爭議和討論將持續存在，但由于缺乏準

281、確的定義，相關不確定性和風險將只增不減。65由于迫切需要更多的數據來豐富其訓練集，領先的生成式人工智能供應商正積極爭取電影制片公司的支持，鼓勵其授權內容庫。18但制片公司要么出于保護知識產權的考慮拒絕授權，要么可能會向生成式人工智能公司收取高昂授權費用，這將增加后者本已沉重的運營成本。制片公司甚至可能集體拒絕提供訓練集數據，希望以此抑制前沿模型，即正被編碼和訓練以用于生成文本、音頻、圖像和視頻的先進算法的發展。此外，制片公司必須與行會和工會合作，尤其是美國的制片公司更要遵循行會和工會的要求，而這些組織對于采用生成式人工智能表現出強烈抵制，并要求制片公司嚴格限制其使用。19英國20和歐盟也出現了

282、類似的發展阻力，該地區的制片公司也需遵守歐盟 人工智能法案（Artificial Intelligence Act）關于人工智能模型安全管理的規定，以及 通用數據保護條例（GDPR）關于訓練數據收集和存儲的相關規定。21 完全的私有模型對于制片公司來說又可能 過于昂貴在德勤2024年的相關預測文章中，我們討論了私有生成式人工智能模型的興起可以幫助避免公有模型的應用挑戰，并讓模型的輸出內容更加可控。22制片公司可以利用自有知識產權訓練自己的私有模型，從而避免公有模型帶來的法律責任和版權風險。然而訓練生成模型的成本非常昂貴，據估計，訓練一個前沿模型大約需耗費1,000億美元23，此外的推理和再訓練

283、成本還會隨著模型的使用而增加。盡管開源解決方案（更準確地說，是“開放權重”模型）可能會降低部分成本，但其訓練集不透明，且成本依然不低。24此外，制片公司可能難以吸引到有能力構建此類模型的高端技術人才，這類人才往往更傾向于加入能夠提供高薪的超大規模云服務公司。再者，由于模型的快速開發節奏，當前投資開發的模型可能在半年內就需要更新升級。而要建設更高效的私有模型，制片公司和投資者或須在思維和行為上都向科技公司看齊，與技術供應商建立并維護生態合作關系，向其支付相關費用。出于如上種種原因，除非擁有雄厚的經濟實力，制片公司不太可能會訓練自己的私有模型。但在未來一年，制片公司與智能服務供應商可能會開展一系列

284、合作，以更加合理地分攤成本。25在這種合作模式下，由第三方提供預先訓練好的模型和界面，再使用制片公司的內容進行進一步訓練和定制。例如，經過進一步訓練的定制模型可以產出符合制片公司美學風格或包含其標志性角色和場景片段的內容。此外，制片公司利用自身原創內容生成的衍生作品能夠控制潛在的知識產權風險。而通過這種合作，智能服務供應商也將能夠繼續開發更加成熟的工具和生成內容。66使用生成式人工智能工具幫助優化制片 公司業務預計在未來一年，電影制片公司將嘗試使用生成式人工智能技術進行內容創作，但其大概率會更先利用該項技術來支持和優化其他業務。生成式人工智能或可幫助實現多項業務工作的自動化和增強，例如合同談判

285、、人才和勞動力管理、財務與會計，以及本地化、營銷和推廣、存儲和發行等媒體業務。制片公司可能會通過其現有軟件和SaaS解決方案來嘗試部分生成式人工智能功能。越來越多的小制片公司也在利用這一技術來處理前期制作過程中的耗時和高成本工作。生成式人工智能可以加快劇本評析，拆分劇本并將各劇本元素分配到對應拍攝和制作計劃，甚至可以“偵察”劇本拍攝可能需要的場景地點。26 生成式人工智能還可幫助釋放內容庫的價值，例如，通過“觀看”老電影，標記演員、主題和氛圍基調以對內容庫進行多種分類，從而便于流媒體平臺對舊內容進行動態重放和變現，滿足更多個性化推薦或熱點追蹤需求。27 為幫助加快和擴大內容傳播，一些制片公司目

286、前在利用語言和語音模型來增強譯制工作，使作品觸達更多全球觀眾。28用戶只需微調，這些模型工具便可提供極具表現力和感染力的高保真度配音。29對于面向全球市場的內容創作者和發行商而言，無論其是向全球市場推出內容，還是從全球市場引進內容，這都是一大福音。領先的用戶生成內容創作平臺也拓展了此類功能以供其創作用戶使用。30 生成式人工智能配音和翻譯還有助于實現更廣泛的文化傳播交流，讓有些只能在本地流行的內容成為全球大熱作品。德勤 2024年數字媒體趨勢調研報告 顯示，66%的受訪美國人喜歡觀看有助于了解不同于本國文化的電視節目或電影。31生成式人工智能不僅能幫助媒體公司提高營收和效率，還可促進全球觀眾間

287、的文化交流和理解。小結與大多數公司一樣，電影制片公司、流媒體平臺和創意人才對生成式人工智能的能力既著迷又擔憂。對于計劃在未來一年探索生成式人工智能內容創作的制片公司來說，看重的正是該技術超乎尋常的創造力，相信前沿模型能融合人類創造力進而生成全新的創意內容。此外，好萊塢之外新媒體形式的興起，也是推動制片公司探索生成式人工智能的重要動力。越來越多的獨立內容創作者正利用最新的合成媒體技術快速進入市場。好萊塢電影公司曾一度把控著內容和發行渠道的稀缺資源，但如今這些資源已變得更加豐富和大眾化。32迫近的內容顛覆趨勢或將在未來一年愈演愈烈。前沿模型幾乎每月都在更新迭代，其能力也在快速發展中逐漸接近人類的智

288、力、創造力和洞察力。一年前就有人預言，到2030年，一部大片幾乎可完全由人工智能制作完成，33而到2025年，這一觀點似乎將更具說服力。與此同時，內容所有者也將竭力維護其知識產權的競爭優勢，或會對公有模型提起更多侵權訴訟，并加強監管力度。監管機構也會要求領先模型供應商證明其訓練集沒有對現有內容造成侵權。如有足夠的經濟實力，大多數大型電影制片公司可能會拒絕人工智能模型供應商遞出的橄欖枝，不會將其內容庫授權用于公有模型訓練，而更愿意與小公司合作，打造圍繞自有知識產權的更加定制化和受保護的私有模型。67Chris Arkenberg United StatesRicky Franks United

289、StatesDanny Ledger United StatesKevin Westcott United StatesBy從宏觀層面來看，生成式人工智能需要巨額投資，若不能在未來一年內顯現出廣泛的經濟價值，其增長速度或將放緩。34欲了解更多相關動態信息和分析，請參閱德勤今年關于端側生成式人工智能的預測報告但若新一代前沿模型能夠克服現有挑戰，其能力有望快速提升。預計行業也將努力降低模型的訓練和運行成本，并減少訓練所需的數據量。大型電影制片公司作為大型企業，可能會更多地利用生成式人工智能來幫助削減成本、優化業務、提高生產力以及加速擴大客戶基礎。德勤 2024年企業生成式人工智能應用現狀 的調查顯

290、示，42%的受訪高管表示，效率、生產力和成本降低是其使用人工智能獲得的最重要收益；58%的受訪高管表示，他們也從中獲得了額外的收益，如促進創新、改進產品和服務以及增強客戶關系。35現代企業似乎越來越樂于接受人工智能工具。俗話說，“水漲眾船高”。生成式人工智能工具有或能幫助更多小公司和創作者達到以往只有大型公司才能達到的生產力和質量水平。小型制片公司和獨立創作者迎來大展身手的機會，同時還能規避大型制片公司的風險和成本開銷。而大型制片公司不僅要與其他制片公司競爭，還要與用戶生成內容平臺、社交媒體和游戲爭奪市場份額，想要在如此激烈的競爭中突出重圍，則可能需要進一步降低成本，加快產品上市速度。制作和發

291、行資源可能不再稀缺，但市場流量仍是有限資源。1.George Szalai,“Studio pro?t report:A year of major transition,”The Hollywood Reporter,April 24,2024.2.George Szalai,“Studio pro?t report:Disney dives as Sony soars,Paramount rises,”The HollywoodReporter,Feb.24,2024.3.This prediction is based on our analysis of earnings report

292、s from leading streaming video providers andother available industry information.4.Chris Arkenberg,“Will generative AI challenge authenticity in social media?,”Deloitte Insights,Dec.8,2023.5.Hannah Murphy,“Media groups look to AI tools to cut costs and complement storytelling,”FinancialTimes,March 2

293、6,2024.6.David Smith,“Were going through a big revolution:How AI is de-ageing stars on screen,”TheGuardian,Feb.6,2023.7.Ibid;Murphy,“Media groups look to AI tools to cut costs and complement storytelling.”8.Alon Yaar,“Whats next for AI video generation,”AI Business,Aug.6,2024.9.Lauren Le?er,“Everyth

294、ing to know about OpenAIs new text-to-video generator,Sora,”ScientificAmerican,March 4,2024.10.Taylor Lorenz,“The Beasti?cation of YouTube may be coming to an end,”The Washington Post,March 30,2024,11.Dennis Ortiz and Kenny Gold,“Gen AI and the creator economy:How creators are looking to leverageAI

295、and what this means for brands,”Deloitte,accessed Oct.30,2024.12.Paul Sweeting,“Hollywoods AI concerns present new and complex challenges for legal eagles tountangle,”Variety,April 17,2024.13.Jennifer Wolfe,“What would have to happen for gen AI to take over Hollywood?So glad you asked.,”NAB Amplify,

296、July 5,2024.14.Ibid;Sweeting,“Hollywoods AI Concerns Present New and Complex Challenges for Legal Eagles toUntangle.”15.Baker&Hostetler,“Case tracker:Arti?cial intelligence,copyrights and class actions,”accessed Oct.30,2024.16.Natalie Sherman,“Worlds biggest music labels sue over AI copyright,”BBC N

297、ews,June 25,2024.尾注6817.US Copyright O?ce,“Copyright and arti?cial intelligence,”March 16,2023.18.Lucas Shaw,“Alphabet,Meta o?er millions to partner With Hollywood on AI,”Bloomberg,May 23,2024.19.Erin Degregorio,“Hollywood is back to work after strikes,but AI remains in the spotlight,”FordhamLaw New

298、s,Jan.29,2024.20.Daniel Thomas and Cristina Criddle,“UK shelves proposed AI copyright code in blow to creativeindustries,”Financial Times,Feb.4,2024.21.Lindsey Wilkinson,“EU passes AI Act,places?rst binding rules on generative AI,”CIO Dive,March13,2024.22.Chris Arkenberg,Baris Sarer,Gillian Crossan,

299、and Rohan Gupta,“Taking control:Generative AI trainson private,enterprise data,”Deloitte Insights,Nov.29,2023.23.Jowi Morales,“AI models that cost$1 billion to train are underway,$100 billion models coming largest current models take only$100 million to train:Anthropic CEO,”Toms Hardware,July 7,2024

300、.24.Red Hat,“What is an open-source LLM?,”July 1,2024.25.Kyle Wiggers,“Generative AI startup Runway inks deal with a major Hollywood studio,”TechCrunch,Sept.18,2024.26.Lauren Forrestal,“Filmustage leverages AI to break down?lm scripts,create shooting schedules andmore,”TechCrunch,March 20,2023;Laure

301、n Forrestal,“Avail rolls out its AI summarization tool tohelp Hollywood execs keep up with script coverage,”TechCrunch,Dec.7,2023.27.Emma Cosgrove,“Nvidia,Amazon,Microsoft,and Paramount execs discuss the use of AI inHollywood.Here are 9 startups theyre watching.,”Business Insider,July 24,2024.28.The

302、 Economist,“The dawn of the omnistar,”Nov.9,2023.29.Audrey Shomer,“The state of generative AI in Hollywood:A special report,”Variety,June 3,2024.30.Andrew Hutchinson,“YouTube announces expansion of auto-dubbing to more creators and languages,”SocialMediaToday,Sept.19,2024;Julia Walker,“How Metas AI

303、dubbing breaks down languagebarriers,”PR Week,Sept.30,2024.31.Jana Arbanas,Je?Loucks,Brooke Auxier,Kevin Westcott,Chris Arkenberg,and Bree Matheson,2024Digital Media Trends,Deloitte Insights,March 20,2024.32.Michael D.Smith,“Lessons from Hollywoods digital transformation,”Harvard Business Review,Dec

304、.16,2021.6933.Jackie Wiles,“Beyond ChatGPT:The future of generative AI for enterprises,”Gartner,Jan.26,2023.34.David Cahn,“AIs$600 billion question,”Sequoia,June 20,2024.35.Deloitte,The State of Generative AI in the EnterpriseMoving from potential to performance,June2024.Authorswouldliketothank Howi

305、eStein and Ankit Dhameja.Cover image by:Jaime Austin;Ge?y Images,Adobe Stock致謝7071體育場館、比賽場地和訓練設施等體育基礎設施投資呈上升趨勢，原因是該等開發項目通常會為公共和私人部門帶來廣泛的社會經濟效益。近年來，隨著北美、歐洲和亞太等地區的體育團隊大力投資于基礎設施建設，相關投資趨勢再次備受矚目。政府和社區以增長為共同目標，可與體育投資者合作提供交通樞紐和社區資源等配套基礎設施，助力提升體育運動的社會經濟影響。多個基礎設施項目有望于明年落地，將增加社區經濟收益，并進一步推進體育與文化和社會的深度融合。德勤預測，到

306、2025年，全球將翻新或新建體育場館300余個。根據德勤對在建體育基礎設施開發項目的分析，預計近50%的新建體育場館基礎設施項目將在北美和歐洲落地。歐洲各國加大對體育場館的投資，其中以足球場館作為重點投資項目，以試圖吸引新一波球迷，并為啟動該等投資項目的組織提供多元化收入途徑。如此一來，體育場館開發有助于私人投資者實現投資回報最大化、加速公共部門實現社會經濟目標。隨著以體育設施為重點的翻新項目落地、球迷對場館內外創新接觸點的需求日益增加，全球多個地區的體育場館投資有望實現增長。場館建設以社區為中心體育組織可以促進社區團結、提高公民自豪感和凝聚力，并進一步豐富城市的文化活動。實施以體育場館為依托

307、、以體育運動為主導的翻新項目，通常需要與政府和其他主要利益相關者開展合作，推動戰略項目落地實施，促進社區參與，并實現可持續繁榮發展，滿足人們對居住和旅游的需求。體育場館建設不再僅僅只為滿足單一俱樂部的利益需求。有關新建和改建體育場館的各項決策應考慮社區利益。體育場館所有者致力于將體育場館改造為可促進社會經濟增長、推動社區參與和實現收入多元化的增長點雄心勃勃的體育場館項目旨在彌合公共投資和私人投資目標之間的差距722024年4月，現英格蘭足球甲級聯賽伯明翰城俱樂部所有者Knighthead Capital Management宣布，俱樂部計劃建設以新的世界級體育場為中心的體育區。1主席Tom W

308、agner闡述了他對這一雄心勃勃的項目的愿景，即將體育場、男女訓練場和學院團隊都集中在距市中心步行可達的地點2。此外，他還提到了與酒店和其他商業實體的溝通情況，該等實體有意入駐該場地，并參與伯明翰東部重建項目。3Wagner表示，“藍軍”（Blues）將借此機會充分融入伯明翰城，并成為世界公認的“卓越燈塔”4。該體育區項目預計耗資20億至30億英鎊，旨在推動西米德蘭茲郡的社會經濟長期發展5。Knighthead所有者團隊就一系列戰略優先事項與政府和公共部門開展合作6。隸屬于美國職業棒球大聯盟的坦帕灣光芒隊（Tampa Bay Rays）于2024年7月與佛羅里達州圣彼得斯堡就新建一座棒球場達成

309、協議7。新球場的開發團隊承諾建造1,250套經濟適用房、創造30,000個建筑工作崗位和7,000個長期工作崗位，其中部分崗位留給當地居民和弱勢居民8。項目負責人重申，其致力于通過新建新球場縮小周邊社區的代際貧富差距，如未達到此目標，該項目則被視作失敗9。滿足各代人的喜好，提高球迷參與度不同年代球迷的體育消費方式有所不同。根據德勤英國發布的 2024年未來體育：“抓住時機”，84%的受訪全球體育領導者表示，他們預計不同的體育消費偏好在未來五年內將成為最具影響力的新一代趨勢之一。體育組織應在秉承提供賽日體驗這一核心傳統與Z世代和Alpha世代對娛樂的更高期望之間取得平衡10。各組織在打造體育場館

310、體驗時，首先應考慮以下基本要素：舒適和安全、視野、優質的場內設施以及激動人心的氛圍。該等要素對許多球迷至關重要，因此在提前制定任何計劃之前應加以了解。在確定上述基礎要素之后，部分組織可能會在賽前、賽中和賽后為球迷提供端到端的娛樂選擇，從而打造與眾不同的體驗。如此一來，不僅可以讓球迷在體育場館中投入更多時間與金錢，還可以幫助增強體育組織的社區意識。通過將社區文化融入體育場館結構，有助于打造獨具特色的比賽日體驗。為提升球迷體驗，多倫多藍鳥隊（Toronto Blue Jays）開始對其位于羅渣士中心的體育場館進行翻新，工程分為兩個階段。第一階段于2023年完成，在球場看臺內推出本地美食和娛樂等五個

311、不同的外場“區域”，以滿足球迷不同的體驗需求，且各區域提供社交空間11。翻新工程還包括數字技術升級，例如“Tap N Go”（一種新的食品和飲料自動化市場服務）和“Walk Thru Bru”（可提升服務效率的飲料自動售貨臺）12。第二階段包括實施以球迷為中心的調整舉措，例如將座位向本壘板方向傾斜，以改善視線13。智慧體育場館新一代球迷傾向于優先以數字化方式進行體育消費，比賽日體驗亦是如此14。部分體育組織正在設計“智慧體育場館區”，以整合先進技術，為球迷提供個性化體驗15。全球智慧體育場館市場不斷增長，2024年市場規模超80億美元，預計到2033年將超過380億美元16。由于Z世代和Alp

312、ha世代更喜歡簡短、動態的內容，球迷參與需求正在發生變化17。隨著球迷日益渴望獲得價值，并愿意花錢買體驗而非實物，體驗感逐漸成為各組織的差異化因素18。新建場館將融入游戲、商品銷售業務等元素，其設計還考慮到了“第二屏效應”，即大多數球迷在觀看體育比賽時通常會看第二屏幕。根據德勤研究，77%的受訪體育迷表示，他們在觀看體育賽事之余還參與了一項或多項與體育比賽相關的活動，包括查詢數據、使用社交媒體或投注比賽19。新建體育場館將利用集成技術來轉播該等內容，使更多球迷將注意力集中在體育場館內20。73美國國家籃球協會（NBA）洛杉磯快船隊（Los Angeles Clippers）在其新球館Intui

313、t Dome舉行了揭幕儀式，該球館以打造獨特的球迷體驗為首要考量。新球館的一大亮點是定制的“光環板（HaloBoard）”，它優化了所有座位的視線，并優先考慮上層看臺的觀看體驗。懸掛于中場上方的雙面視頻板包含比賽轉播、提供深層統計數據的“教練角”、即時回放、Steve攝像頭（跟拍洛杉磯快船隊老板Steve Balmer）、包括照片和其他個人宣傳信息（例如球員基本信息）在內的球員資料功能等。為提升球迷體驗，Halo Board還利用T恤大炮（t-shirt cannon）創新了令人垂涎的擲T恤游戲（T-Shirt Toss），使上層看臺的球迷也能獲得商品。Intuit Dome計劃為球迷的歡呼聲

314、予以獎勵，為每個座位配備游戲機，供球迷在比賽日娛樂使用，進一步增加球迷的游戲熱情，從而將球迷的參與度提高至體育界前所未有的水平21。下一代球迷未來可能希望獲得個性化、無縫的按需體驗。體育場館區可鼓勵球迷延長場內逗留時間，享受美食、音樂和文化等不同服務以及為各類球迷提供的社交空間。體育組織正在建造該等體育場館區，以便為主場球迷和客場球迷提供優質體驗，并為場館區內球迷創造新的接觸點22。新技術簡化了購買流程，使得購買更加快捷，例如點擊即可獲得商品或食品和飲料，以及為每位球迷提供個性化信息的票務軟件23。此外，球迷的入場方式有所創新，這往往有助于為球迷帶來更便捷的體驗。梅賽德斯-奔馳體育場與達美航空

315、（Delta）合作創建了“飛行通道”（Fly Through Lanes），利用面部識別技術讓球迷快速進入體育場館24。利用基礎設施和技術，助力實現收入來源多元化體育場館所有者利用增強的基礎設施和數字技術進一步實現收入來源多元化。由于全球體育組織歷來嚴重依賴轉播收入來彌補球員工資和其他成本支出，體育組織的成功之道有所改變25。通常而言，中央轉播收入增長將導致北美體育聯盟的工資上限提高，并將導致部分成本控制法規所允許的歐洲體育組織的支出上限提高26。各體育組織似乎均認識到，過度依賴單一收入來源將導致盈利潛力受到制約，并易受到新冠肺炎疫情等帶來的市場沖擊。由于精英體育俱樂部擁有文化和商業資本，部分

316、組織目前正在利用其商業資產增加收入27。鑒于票務和轉播收入通常受到容量限制或不在單個俱樂部的談判范圍內，而商業收入則是體育組織可在其控制范圍內實現收入增長的杠桿，但未得到充分利用28。體育場館發展為更廣泛的娛樂區，有助于體育組織拓展服務范圍，擴大商業版圖。例如，英超托特納姆熱刺隊通過在新體育場館舉辦美國國家橄欖球比賽（NFL）和音樂會等非足球活動，其商業收入從2016/17賽季的7,200萬英鎊增至2022/23賽季的2.27億英鎊29。2023年，歐洲足球巨頭皇家馬德里足球俱樂部（Real Madrid）對其圣地亞哥伯納烏球場（Santiago Bernabeu stadium）進行了翻修，

317、使得2022至2023賽季俱樂部收入創下新高，各業務線均實現了增長（除轉播權以外，俱樂部正與轉播商協商合同簽訂事宜）30。2024年7月，俱樂部宣布其收入超10億歐元，創下足球俱樂部收入的最高紀錄31。本財年下半年，俱樂部開展了以舉辦大型活動和推出尊享貴賓體驗為重點的新商業活動，營業收入突破10億歐元大關32。例如，哥倫比亞流行歌手Karol G在該體育場舉辦的四場演唱會為皇馬帶來了1,800萬歐元的收入33。俱樂部有望在新賽季完成球場翻新工程，并力爭在未來幾年增加非足球收入34。74體育基礎設施的新興趨勢 從滿足女子體育的增長需求到推進體育產業的可持續發展，體育組織致力于滿足球迷的新體驗需求

318、和優先事項。體育基礎設施演變旨在為體育產業創造一個更具包容性、創新性和責任感的未來：女性體育基礎設施隨著女子體育的關注度不斷上升、商業估值與日俱增，體育組織開始加大對女子體育專用基礎設施的關注。在美國頂級職業女子足球聯賽（NWSL）中，堪薩斯城潮流隊（Kansas City Current）為其耗資1.17億美元的河濱體育場CPKC體育場舉行了揭幕儀式，該體育場被公認為首個專為女子職業運動隊建造的體育場35。為進一步擴大體育場的社會經濟影響，一項在足球場附近建造囊括公寓、酒店、餐館和零售商的綜合開發項目計劃已獲批準，該項目將耗資6.5億美元36。體育場預計每年將為堪薩斯城帶來近5,000萬美元

319、的經濟收益37。在美國國家女子籃球聯盟（WNBA）中，新的訓練設施可提升球場成績，進而提高特許經營權的整體估值。拉斯維加斯王牌隊于2023年啟用了其訓練設施，西雅圖風暴隊、菲尼克斯水星隊和芝加哥天空隊亦緊隨其后38。英格蘭女子足球超級聯賽（WSL）布萊頓和霍夫阿爾比恩足球俱樂部（Brighton&Hove Albion）計劃為其女隊建造一座專用球場39。曼徹斯特城女足（Manchester City Women）也已獲準在曼徹斯特城市足球學院（City Football Academy）所在地建造一座專用訓練設施40。高端、個性化的接待服務接待服務已不再是傳統的企業服務，如今往往被用作為所有人

320、群創造更易獲得的差異化體驗的工具。體育組織設法與該領域的高端品牌合作，提供從名廚到禮品袋等更多優質接待服務41。例如，一級方程式錦標賽在圍場俱樂部（Paddock clubs）提供高端接待服務，接待社交媒體影響者、名人和品牌合作伙伴。體育組織在翻新和新建體育場館時，可將接待空間設計地更加靈活，以適應不同類型的活動需求42?？沙掷m發展更多體育基礎設施新項目將可持續發展原則納入規劃。就以體育為主導的翻新項目而言，注重可持續發展能夠展示積極的環境和社會實踐，助力釋放公共資金要素43?？沙掷m發展對社區有益，將公共資金要素納入基礎設施亦有助于減少負面影響，并逐漸產生效益，包括削減能源賬單。同時，這亦有助

321、于提高品牌親和力，創造更多合作機會，提升球迷參與度。體育產業與氣候變化息息相關，體育產業與氣候變化息息相關，既是氣候變化的促成者，也是氣候變化的受害者。體育場館新建項目有助于推動大型建筑項目和交通運輸的發展，而這卻是全球碳排放的兩大來源44。然而，體育行業也將受到氣候變化帶來的影響，熱浪等極端天氣條件或將對比賽、主辦地和運動員福利產生負面影響45。體育組織在商討房地產開發項目規劃時，應審慎考量可持續發展實踐和戰略。75Jennifer Haskel United KingdomAlice John United KingdomPete Giorgio United StatesKevin We

322、stcott United StatesBy小結全球體育組織都致力于推進基礎設施建設，以幫助提高球場容量，提升球迷的終身價值。體育場館區可為私人投資者和所有者提供多元化收入途徑，使其充分利用體育場館的全年使用率（而不僅僅是比賽日的使用率），從而提高企業價值。數字接觸點亦可為體育組織提供豐富的球迷數據，助其提供更加個性化、有針對性的產品。對于公共投資者和政府而言，推進體育基礎設施項目建設有助于造福廣大社區。體育組織應努力培養社區意識、改善健康和福利狀況，并吸引客流量。精英46體育已成為經濟和社會發展的強大助推器，可協調公共和私人投資議程。在不久的將來，體育組織可利用其體育場館幫助突破體育產業的邊

323、界，進入更廣泛的娛樂和數字產品領域。1.Alex Dicken,“Tom Wagner reveals timeline for new Birmingham City stadium as Knighthead pledgebillions,”Birmingham Live,April 9,2024.2.Ibid.3.Ibid.4.Alex Dicken,“Another reason for Tom Wagners Birmingham City takeover has now become clear,”Birmingham Live,Sept.26,2023.5.Dicken,“To

324、m Wagner reveals timeline for new Birmingham City stadium as Knighthead pledgebillions.”6.Dicken,“Another reason for Tom Wagners Birmingham City takeover has now become clear.”7.Hines,“Hines and Tampa Bay Rays gain approval of new ballpark,historic gas plant districtdevelopment,”press release,July 3

325、1,2024.8.FOX 13 News Sta?,“Tampa Bay Rays,city of St.Pete sign deal to build new ballpark,keeping team intown for 30 years,”FOX 13 News,July 31,2024.9.Ibid.10.Jamie Pugh and Zoe Burton,The Future of Sport 2024,Deloitte,Sept.2,2024.11.Major League Baseball,“Blue Jays showcase all-new 100 level seatin

326、g bowl at Rogers Centre,as part ofmulti-year renovations,”April 4,2024.12.Populous,“Blue Jays unveil completed out?eld district of Rogers Centre renovations,designed byPopulous,”April 6,2023.13.Toronto Blue Jays,“100 level renovation,”accessed Nov.5,2024.14.Pete Giorgio,David Jarvis,Brooke Auxier,Ha

327、nnah Bobich,and Kat Harwood,“2023 sports faninsights:The beginning of the immersive sports area,”Deloitte Insights,June 26,2023.15.Katelin Kharrati,“Global smart stadium market size likely to expand at a compound annual growth rateof 22.5%by 2033,”press release,Custom Market Insights,June 28,2024.16

328、.Ibid.17.Ed Dixon,“Study:Nine in 10 Gen Z sports fans use social media to consumer content as consumptionhabits shift,”SportsPro,June 28,2023.18.Giorgio,Jarvis,Auxier,Bobich,and Harwood,“2023 sports fan insights.”尾注7619.Ibid.20.Gary Drenik,“Stadium of the future:Emerging game day technologies for en

329、gaging fan experience,”Forbes,Aug.18,2022.21.Ohm Youngmisuk,“Storms,stats,and T-shirt cannons:LA Clippers Halo Board goes all out,”ESPN,Aug.16,2024.22.Deloitte,2024 Sports Industry Outlook,March 12,2024.23.Drenik,“Stadium of the future.”24.Mercedes-Benz Stadium,“Delta Fly-Through Lanes,”accessed Nov

330、.5,2024.25.Deloitte Sports Business Group,Annual Review of Football Finance 2024,June 2024.26.Bryan Toporek,“The NBAs new TV deals are poised to send the salary cap skyrocketing,”Forbes,May30,2024.27.Deloitte Sports Business Group,Annual Review of Football Finance 2024.28.Sports Business Institute B

331、arcelona,“Commercial revenue:Increasing?nancial power of football clubsand leagues,”July 11,2024.29.Deloitte Sports Business Group,Annual Review of Football Finance 2024.30.Gavin Hamilton,“Real Madrid announces record turnover as stadium rebuild nears completion,”SportBusiness,July 18,2023.31.Guille

332、rmo Rai,“Real Madrid surpass 1bn in revenue for 2023 to 2024 season,”The Athletic,July 23,2024.32.Real Madrid,“Real Madrid becomes the?rst football club to exceed 1 billion euros in revenue,”July23,2024.33.Conor Laird,“The staggering sum Real Madrid earned from four Karol G concerts,”Yahoo Sports,Ju

333、ly24,2024.34.Ibid.35.Kansas City Current,“CPKC Stadium and University of Kansas Health System Training Center,accessed Nov.5,2024.36.Kevin Collison,“Port KC approves massive project next to KC Current Stadium,”Flatland,April 23,2024.7737.Ibid.38.Womens National Basketball Association Las Vegas Aces,“Home sweet home!Aces take up residencein?rst-of-its-kind Womens National Basketball Association pra