企業AI的障礙與路線圖、安全性與實體AI：TechEx第二天

TechEx北美大會第二天繼續深入探討企業AI的現狀與未來，焦點從初期的興奮轉向了實施中的實際挑戰。會議以“AI墓地”這一術語開場，指的是那些在試點中表現良好但無法在現實世界中落地的AI項目。儘管這一概念帶有負面色彩，但多位演講者分享瞭如何避免這一困境的實用建議。

在“企業AI實施、ROI與採用”分論壇中，參會者以停滯的試點項目為起點，分析了項目失敗的原因。討論內容包括：將代理AI聚焦於特定業務領域、構建代理就緒的數據基礎（為成功預先規劃底層架構），以及基於Token的AI計費模式對企業財務的真實影響。在基礎設施層面，與會者還深入探討了企業應購買還是自建AI基礎設施，以及如何在考慮所有影響因素的情況下實現持久的數據與AI投資回報。

核心問題之一被概括為“個人副駕駛”概念——即AI在單個員工的工作流程中表現出色，但難以擴展至整個部門甚至企業。許多公司報告稱有預算在單用户層面啓動AI實驗，且通常效果顯著（尤其是當用户是高管時）。然而，從個人效率提升過渡到全公司範圍內的變革，是眾多企業面臨的共同障礙。

網絡安全議題在本次大會中也備受關注。在“網絡安全與雲博覽會”舞台上，演講者指出，企業和組織採用代理AI系統的速度造成了“速度差距”——AI部署一旦成功，會迅速獲得關注，但安全與治理問題隨之而來，因為業務部門採用生成式AI的速度往往快於安全團隊的管理能力。AI本身是一把雙刃劍：既能增強攻擊能力，也能提升防禦水平。內部無約束的代理和大型語言模型可能帶來風險，同時攻擊者也在利用AI掃描工具尋找潛在漏洞。

另一個反覆出現的主題是“影子IT”的新形態——“影子AI”。如果員工將敏感信息放入未經批准的AI工具，或批准的AI系統缺乏有效邊界和管理，攻擊面可能會在網絡安全團隊不知情的情況下擴大。因此，數據治理與系統監管變得前所未有的緊密交織。對於純粹的網絡安全功能而言，零信任被視為應對AI“失控”採納的解決方案——對人和機器均默認拒絕訪問，身份和權限驗證需擴展到所有服務與代理。

大會第二天並非對AI決策者的熱情澆冷水——AI和代理的角色已被與會者普遍接受。但來自不同行業和職能領域的代表提供了豐富的細節與思考，既表達了擔憂，也分享了熱情，為2025年AI實施的討論增添了深度。

在展區內，實體AI成為了新的興奮點。人形機器人吸引了大量關注，但更務實地看，新增的“物理AI”分論壇吸引了最多觀眾。多位參會者指出，軟件編碼是大型語言模型在專業環境中首個取得積極成果的領域。同時，許多人認為自動化物理系統將是下一個受益於新型模型及其實際應用的行業。

本屆大會還引入了實踐性編程環節，包括通過Google Colab實例引導參會者構建自己的AI代理模型，以及Nvidia和Google Hackathon舉辦的研討會。參與者從需要介紹IDE的初學者到已有成熟軟件技能的開發者不等。TechEx將前沿技術通過商業視角進行轉化，既實用又面向未來。下一站大會將於9月在阿姆斯特丹舉行，屆時AI領域又將迎來怎樣的進步令人期待。