2025 预测：复合 AI 的企业采纳年

新的一年将带来我们以前从未见过的 AI 采纳方式，在重新校准了企业内部可以实现的目标之后。支持复合 AI 的 知识图谱 将成为焦点，因为它们可以将非结构化信息转化为可执行的知识。同时，其他工具如 GraphRAG 将使 生成式 AI (GenAI) 更加高效，它们将继续为 AI 如何融入我们的日常生活铺平道路。

对生成式 AI 模型的现实看法将带来复合 AI 的年份

组织开始实施 GenAI 的潜力来解决实际问题。在新的一年，我们将看到其被采用在以前从未见过的方式，但当谈到企业用户的 AI 采纳时，模型本身仍然不够完善，无法解决复杂问题。以我们人类为例，我们拥有工具时更聪明、更有效，我们能够通过使用计算器、图书馆和计算机来实现更多。我们不能期望语言模型在这一阶段能够独立完成我们需要它们做的一切，尤其是在企业环境中，没有适当的工具。添加支持复合 AI 工作负载的知识图谱将允许系统在企业内部被广泛利用和受益。

GraphRAG 的信息排名革命

在互联网的早期，主要的搜索引擎是 AltaVista 和 Lycos。搜索查询将索引页面上的所有单词，并以页面排名的顺序提供结果。后来，Google 通过查看 页面之间的关系 重塑了这一点。页面变得更加重要，如果其他重要页面指向它们。这种递归规则只有在将网络视为图时才是可能的。这就是我们今天拥有 Google 和页面排名的原因。进一步，当 Google 在 2012 年开始将文本数据转换为知识图谱 时，我们看到用户在搜索时如何接收到关于现实世界实体的结构化信息的演变。

在即将到来的年份里，我们将看到与互联网从关键词搜索到基于网络和图结构的搜索类似的进展。基于将文本转换为结构化表示的搜索也将伴随语言模型发生，极大地造福企业。随着我们在 GenAI 的进展中，我们开始看到类似的事情，GenAI 利用 RAG，它将每个单词或每个文档片段转换为向量，允许我们将问题映射到文档中的个别单词上。

我相信搜索的下一个迭代将转向使用知识图谱和 RAG 的组合。这种方法可以交叉引用文档，并快速找到它们之间的共同点，将其作为连接来响应查询。随着时间的推移，很可能我们记录的大部分内容将被转换为结构化信息，并放入知识图谱中，以便在我们被要求搜索时进行推理。将会强调快速将非结构化文本信息转换为结构化信息，以便于符号知识成为可执行的。

互联网的接口正在改变，我们的日常生活将在工作场所之前看到 AI 的采纳

作为一个在 Google 成长起来的人，很难不注意到互联网的接口正在开始转变。ChatGPT 的采用已经发展成为下一代人与互联网交互的主要机制。随着我们继续在 2025 年及以后看到这种采纳，它将对广告等行业的发展产生重大影响，以保持竞争优势。

与大多数技术创新一样，我们将首先在个人生活中实施它们。我相信我们将看到这种情况发生在基于语言模型的个人助手中，例如 Siri 或 Alexa，它们可以推理和发展我们日常习惯的自然模式。随着我们开始看到人们在工作以外的场所更加依赖个人助手，类似的助手在工作场所的期望将随之而来。

重新校准预算以在企业中实施生成式 AI

现在，AI 的高峰期已经过去，人们对 GenAI 的方法更加务实。在过去的一年半中，很多人已经在 GenAI 上花费了大量的预算，他们可能已经将其他重要的 IT 基础设施和数据放在了次要位置，并且投资不足。因此，明年，我们将看到许多组织更好地校准预算，以便做得更多。现在我们已经看到了 GenAI 可能如何为组织工作或不工作的可见性和曝光，企业可以在 GenAI 和所有其他重要的计划之间平衡投资。