什么是人工智能？
人工智能 (AI) 是指计算机和机器模拟人类智能执行通常需要人类智能才能完成的任务，包括从数据中学习、推理和解决问题。
default
{}
default
{}
primary
default
{}
secondary
AI 的起源和发展历程
人工智能指为执行传统上需要人类智能才能完成的任务（如学习、推理、模式识别、解决问题和决策制定）而构建的计算机系统。从实时翻译、智能推荐，到自动化、语音助手和预测性商业分析，AI 支撑着当今众多极具变革性的数字体验。
智能机器的构想根植于哲学和数学的土壤之中。1956 年，在达特茅斯学院 (Dartmouth College) 举办的科技研讨会上，人工智能一词首次被提出。人工智能之父 Marvin Minsky 将 AI 描述为“一门让机器能够完成需要人类智慧才能完成的任务的科学。”得益于 Alan Turing（提出测试机器智能的“图灵测试”）、John McCarthy（于 20 世纪 50 年代创造“人工智能”一词并将其研究确立为一个科学领域）等先驱的贡献，现代人工智能得以快速发展。此后，随着算力、数据和算法设计的不断发展，AI 从理论走向实践，几乎重塑了各行各业和人们日常生活的方方面面。
AI 的类型与能力水平
人工智能具有多种形态，每种形态的能力及其支持人类解决实际问题的方式各有不同。当前最具价值的商业 AI 解决方案（如 SAP 应用中搭载的 AI）均聚焦于狭义定义的任务，包括需求预测、图像识别、重复性流程自动化等。这些系统与员工协同工作，能够提升效率、减少错误，并为科学决策提供必要的洞察。
按能力划分的 AI
更加通用或自主程度更高的 AI 形态（理论上可达到或超越人类智能水平）目前仍处在学术研究与理性探讨阶段。理解 AI 如何与人类优势互补，有助于企业负责任地应用这些技术，并收获切实成效。下表梳理了 AI 的主要类型与能力水平，直观呈现了当前已被验证能带来商业价值的技术能力。
弱人工智能
日常生活和商业领域最常见的 AI 类型均为狭义 AI，也称弱 AI。这类系统能够处理特定任务，例如语音识别、图像分析、智能推荐等。在商业领域，狭义 AI 通过驱动聊天机器人、预测分析以及智能自动化，助力提升复杂流程的效率和准确性。
通用 AI
通用 AI 代表了一种理论上的未来形态，届时机器能够完全像人类智能一样，在任何领域无缝适应、学习和推理。尽管前沿研究在不断探索其可能性，但通用 AI 至今尚未实现。相反，深度学习和数据集成方面的进步正持续扩展专用 AI 系统的能力。
AI 的功能类型
AI 还可根据其信息处理方式进行分类，范围涵盖从简单的基于规则的响应系统，到具备记忆、预测和协作能力的自适应智能体等多种形态。每种类型都为各行各业带来了不同的优势和用例，例如制造业的自主机器人、金融业的高级欺诈检测等。
下表展示了不同类型和能力水平的 AI 在当今实际商业场景中的应用情况。
*目前以理论研究为主。
人工智能的工作原理
AI 利用大型数据集来识别模式、从经验中学习并做出明智决策。在商业环境中，数据被收集并用于训练 AI 模型；训练好的模型随后被部署用于 AI 推理。这意味着模型会将学到的知识应用于未曾见过的新数据，从而在真实场景中快速、精准且适应性地生成预测或决策。
机器学习
机器学习模型从历史数据中学习并随时间推移不断改进，能够识别趋势并做出预测。
深度学习
深度学习通过复杂的神经网络，识别图像、语音等数据中的模式，支持图像识别、语音助手等应用。
神经网络
神经网络是一类特殊的机器学习架构，擅长处理庞大而复杂的数据集，能够驱动预测、客户洞察、风险分析及个性化等高级解决方案。
自然语言处理 (NLP)
自然语言处理技术使计算机能够理解并响应人类语言，推动了智能聊天机器人和机器翻译系统的发展。
生成式 AI
生成式 AI可根据提示创建文本、图像或代码等新内容，赋能新一代的创造力与生产力。
AI 推理
AI 推理是指将训练好的 AI 模型应用于全新的真实数据，以便在业务流程中生成预测或分类的过程。例如，神经网络在使用历史销售数据或交易数据进行训练后，能够推断新销售线索的可能结果，或实时检测异常情况，从而提升运营效率并优化决策质量。
AI 的应用
AI 支持众多应用场景，通过提供自动化、预测和更优质的体验，助力企业实现更高效、更智能和更具韧性的运营。
日常应用示例
以下示例展现了 AI 如何融入人们日常工作与生活中的常用工具和服务，而且很多时候他们并未意识到背后有 AI 提供支持。
- 数字助手
Siri、Alexa、谷歌助手等语音驱动工具可协助处理提醒任务、日程安排及免提设备控制，简化工作与生活日常。 - 个性化推荐
流媒体平台（如 Netflix、Spotify）和在线零售商利用 AI 分析用户历史行为，为每位用户提供量身定制的产品与内容建议。 - 图像识别与 OCR
AI 系统能够识别物体、翻译路牌、执行安防人脸识别、从照片或扫描文档中提取文字/数据等。 - 自动驾驶系统
汽车的自动泊车与辅助驾驶功能、仓库机器人以及配送无人机均借助 AI 来解读周围环境并实时作出反应。 - 聊天机器人与虚拟助手
许多网站和应用采用 AI 驱动的聊天机器人，全天候解答问题、解决支持请求和处理常规客服需求。 - 智能家居自动化
温控设备、照明和安防系统通过自主学习日常行为模式实现自动调节，带来便利、舒适和节能体验。
核心业务职能
以下要点概述了 AI 如何支持核心业务流程，助力团队提速增效、减少错误并做出更明智的决策。
- 财务：自动化发票匹配、交易监控、欺诈检测、风险评估和财务预测。机器学习模型可简化结算周期并支持审计合规。
- 供应链与物流：驱动需求预测、实时库存管理、配送路线优化、质量检验和预测性维护，帮助避免物料短缺、库存过剩及代价高昂的停工。
- 采购：借助 AI 支持的智能推荐与异常检测功能，提升供应商绩效与合规性，实现寻源自动化，并优化支出分析。
- 销售与市场营销：通过分析海量客户数据与市场数据，打造个性化的客户旅程、提升营销活动精准度并优化定价模型。
- 人力资源：借助 AI 驱动的候选人筛选功能加速人才招聘，预测员工流失率，并支持员工敬业度提升与个性化学习。
- 客户体验：通过部署对话式 AI、聊天机器人和推荐引擎，提供快速且个性化的帮助，提升客户满意度。
行业特定示例
以下示例展示了不同行业如何应用 AI 解决从设备可靠性维护到患者护理等特定领域的挑战。
- 制造业
借助计算机视觉和支持物联网的 AI，预测设备故障、优化生产线、实现实时供需规划，并提升全流程可追溯性。 - 零售业
提供高度个性化的产品推荐、自动化库存补货，并分析客户反馈以实现持续改进。 - 医疗保健
依托基于 AI 的患者数据分析，辅助临床诊断、优化资源调度，并提供个性化治疗建议。 - 公用事业与能源
预测需求、减少停电、优化能源分配，并分析基础设施状况以辅助决策。
日常企业应用
以下是一些可以部署在几乎任何组织中的常见跨领域 AI 用例，这些用例旨在帮助简化知识工作和运营。
- 文档处理
AI 能够从发票、合同和报表中提取数据并进行分类，减少手动录入，提高准确性，并加快合规性检查。 - 智能搜索与智能数据提取
在海量数字档案中快速定位相关信息和文件，赋能各个业务职能更快、更自信地制定决策。 - 自动化事件管理与 IT 运维
AI 持续监控系统，检测异常并自动处理事件，确保关键业务应用全天候稳定安全运行。 - 自然语言查询
用户只需使用日常语言提出业务问题（如“展示上个月销量最高的产品”），即可立即获得洞察或可视化结果，这样一来人人都能使用数据分析功能。 - 异常检测
AI 技术可以识别交易、系统日志或用户行为中的异常模式，助力欺诈防范和风险管理，并为运维团队提供早期预警。 - 工作流自动化
从客户请求分派到维护任务排程，AI 增强的自动化技术可以确保流程顺畅运行，且仅需极少的人工监督。
这些应用能够驱动更智能、更快捷和更可靠的业务成果，同时释放人力，使其专注于更高价值、更具创造性和战略性的工作。
AI 的优势
AI 通过革新生产力、决策方式、客户体验及运营成果，为各行各业带来显著价值：
- 自动化与生产力提升
AI 能够自动化处理数据录入、发票处理和报告生成等常规任务，使员工得以专注于更高价值的战略性工作，从而提升企业生产力。 - 决策优化
AI 增强的分析与预测模型能够为需求预测、财务规划和风险管理提供更快、更准确的决策支持，让企业能够预见市场变化并主动应对。 - 客户体验升级
智能聊天机器人、推荐引擎及个性化交互界面能够增强用户互动，加快服务响应速度，助力品牌与客户建立更紧密的关系。 - 降本增效
通过优化供应链管理、人力资源和采购等运营环节， AI 能够帮助降低运营成本、减少浪费，并实现更高效的资源配置。 - 创新与敏捷性
AI 可以助力企业快速开展试验、支持新产品上市，并根据不断变化的市场和客户需求快速调整业务流程。 - 协作与知识共享
AI 增强的工具可以促进跨团队协作，确保关键信息和洞察能够触达所有核心利益相关方。
AI 伦理与挑战
随着 AI 日益融入商业运营和日常生活，它既带来了机遇，也伴随着责任。解决 AI 伦理问题，对于确保技术始终可信、公平和安全至关重要。负责任的 AI 设计需要解答一些关键问题，比如"AI 是否安全？”、“随着 AI 的发展，企业和社会必须考虑哪些主要伦理问题？”。
AI 的采用给企业和社会带来了若干复杂的伦理考量和实际挑战：
- 偏见与公平
AI 模型可能会延续并放大训练数据中已有的偏见，导致在招聘、贷款或资源分配中出现不公。解决偏见问题需要持续的测试、多元化的数据源以及透明的开发实践。 - 透明度与可解释性
许多 AI 算法（尤其是深度学习模型）的运作如同"黑箱"，用户很难理解决策逻辑。构建能够提供清晰解释的系统有助于建立信任并满足监管合规要求。 - 数据隐私与安全
AI 系统通常依赖海量数据，这引发了关于隐私、知情同意和信息安全的担忧。企业必须建立健全的数据治理框架，并遵守各地区的数据法规。 - 安全与深度伪造
强大的生成式 AI 可以创建极其逼真的虚假图像、音频或视频（深度伪造），助长虚假信息的传播，并对隐私、民主和品牌信誉构成风险。 - 法规与合规
在全球范围内，规范 AI 应用的法律法规和标准在持续演进。提前布局并遵守相关法规要求，有助于企业规避法律风险，以更符合伦理规范的方式使用 AI。
企业必须培养负责任的 AI文化，实施公平、透明且可追责的实践，同时主动监控风险，并不断适应技术进步以及社会期望的变化。
探索 SAP 的 AI 解决方案
深入了解 SAP 的企业 AI 解决方案如何加速关键领域的转型进程。以下是 SAP 的一些特色解决方案，旨在帮助你规模化扩展智能、释放新效能并自信引领未来：
SAP Business AI
借助嵌入各业务线的机器学习、预测分析和实时洞察，赋能更明智的决策并加速流程自动化。SAP Business AI 助力团队优化运营、打造个性化客户体验，在瞬息万变的市场中保持领先。
了解 SAP Business AI 的功能。
Joule 与 Joule Agents
这些是 SAP 推出的 AI 智能副驾和协作式智能体。作为你的数字化队友，它们能够自动处理复杂任务，并打通财务、供应链、人力资源等领域的决策流程。Joule Agents 依托 SAP 深厚的业务流程专业知识和业务数据，交付可靠成果，不仅能提升生产力、支持快速创新，还能帮助团队专注于高价值工作。
探索 Joule 如何重塑你的工作方式。
业务线 AI 用例
查看我们提供的 200 多个真实嵌入式 AI 用例，其中涵盖采购领域的智能发票匹配、供应链领域的预测性维护，以及自动化人才管理和客户互动工具。每个用例均可带来可衡量的业务价值，助力企业敏捷应变。
查看按业务线划分的定制化 AI 解决方案。
常见问题