AI

介绍

微软开源的 Agent Lightning 项目，它的核心价值在于为开发者和研究者提供了一个强大的工具，用于训练和优化 AI Agent（智能代理），特别是几乎不需要修改现有 Agent 代码就能实现显著的性能提升。

AI在商业中的现状2025：学习与转型的鸿沟 报告原文

TL.DR

• 95% 的企业 GenAI 项目未见 ROI，根因在“不会学习”：系统缺少持久记忆、基于反馈的适配与持续改进。
• 采用多、落地少：从试点到生产仅约 5% 成功；大企业上线需 9 个月+、中型约 90 天；影子 AI 广泛存在。
• 投资偏见：预算偏向销售/市场，而更高 ROI 常在法务/采购/财务等后台及可替代 BPO 的流程。
• 制胜之道：购买胜于自建；聚焦狭窄高价值用例，深度嵌入工作流，以反馈闭环驱动学习并明确数据边界。
• 演进与行动：Agentic AI → Agentic Web（MCP/A2A/NANDA）；优先选择可学习、可集成、可度量改进的系统，将“工作流集成+持续改进”设为 KPI。

I. 报告概述与核心概念

• 报告标题与作者： 《AI在商业中的现状2025》，由MIT NANDA团队（Aditya Challapally, Chris Pease, Ramesh Raskar, Pradyumna Chari）于2025年7月发布。
• 研究目标： 评估企业对生成式AI（GenAI）的投资回报率，并识别其成功或失败的关键因素。
• 核心发现： 尽管企业投入了300-400亿美元，但95%的组织在GenAI投资中未能获得回报，形成了显著的“GenAI鸿沟”。
• GenAI鸿沟的定义： 极少数（5%）的AI试点项目取得了数百万美元的价值，而绝大多数项目停滞不前，对盈亏没有可衡量影响。这种鸿沟并非由模型质量或法规驱动，而是由方法论决定。
  • 研究方法：系统性回顾300多项公开披露的AI倡议。对52家组织的代表进行结构化访谈。收集了来自四场主要行业会议的153位高级领导的调查回复。
• 主要结论： 核心障碍不是基础设施、法规或人才，而是学习能力。大多数GenAI系统不保留反馈、不适应上下文，也无法随时间改进。

II. GenAI鸿沟的表现形式

高采用率，低转型

通用LLM工具（如ChatGPT, Copilot）： 80%的组织已探索或试点，40%已部署，主要提升个人生产力，但对盈亏影响有限。 企业级定制或销售工具： 60%的组织评估过，但仅20%进入试点，5%投入生产，主要因工作流脆弱、缺乏上下文学习和与日常操作不符而失败。 行业颠覆有限： 只有技术和媒体行业显示出有意义的结构性变化，其他七个主要行业（专业服务、医疗健康、消费零售、金融服务、先进工业、能源材料）的转型程度有限。报告使用“AI市场颠覆指数”衡量，该指数考虑了市场份额波动、AI原生公司的营收增长、新AI商业模式的出现、用户行为变化和高管组织变动频率。 试点到生产的鸿沟： 企业AI解决方案的95%失败率是GenAI鸿沟最清晰的体现。