首席信息官们一直担忧新 AI 计划的资金来源问题,但现在可能有了一些转机,一些公司似乎正在出售非核心资产来为新的 AI 项目提供资金。
根据 Gartner 去年底的调查显示,十分之九的 CIO 表示管理 AI 成本正在限制他们从 AI 中获取价值的能力。IT 和税务咨询公司安永 (EY) 的全球及美洲科技行业负责人 James Brundage 表示,一些公司,特别是 IT 领域的企业,现在似乎正在重新评估其商业模式,并考虑出售非核心业务和产品来为 AI 项目融资。
他表示,AI 对许多公司来说既是一个巨大的潜在变革因素,也是一笔巨大的支出。到目前为止,许多公司通过削减其他领域的成本、裁员或挪用其他部门的预算来支付 AI 项目。
"在我们现在与客户交谈时,他们正在考虑的一件事就是剥离非核心资产来产生资金,"他补充道。"如果看看 2023 年和 2024 年,你会发现预算增加了很多,过去几年也进行了一系列裁员,但这并不是可持续的。"
Brundage 表示,由于企业在构建 AI 技术、基础设施和应用时需要资金,这种剥离趋势在 IT 行业最为明显。
他补充说,随着其他行业向 AI 优先的运营模式转型,它们也将面临同样的资金需求。
对 AI 项目融资的兴趣并未减弱。来自数据与 AI 领导力交流组织的一项调查发现,财富 1000 强公司的 98% 的高级数据主管预计在 2025 年增加 AI 支出,高于 2024 年的 82%。超过 90% 的受访者表示,AI 和数据投资是首要任务。
同时,Brundage 补充说,一些安永客户已经与该咨询公司讨论了剥离非核心资产以为包括 AI 在内的新兴技术筹集更多资金的事宜。
剥离的新趋势
在 9 月发布的一份报告中,安永调查的 59% 的 IT 公司 CEO 表示计划在接下来的 12 个月内进行资产剥离、分拆或 IPO。安永在最近一篇关于 2025 年 IT 公司主要机遇的博客文章中建议,将这些活动筹集的资金用于 AI 项目。
Brundage 和他的博客合著者写道,随着美国政治向更有利于并购的方向转变,2025 年"可能是科技公司通过有针对性的战略剥离来优化其投资组合,从而为 AI 等高增长机会释放资本的时机"。
博客作者指出,剥离还可以帮助公司更好地发掘潜力和市场相关性。据 Brundage 和他的同事称,"除了筹集资金外,我们发现剥离往往能创造更加专注、敏捷和精简的运营,这更适合可持续的 AI 投资。"
虽然 Brundage 没有举例说明正在考虑通过剥离为 AI 项目融资的安永客户,但一些公司已经迈出了这一步。
5 月,电子设计自动化公司新思科技 (Synopsys) 宣布以 21 亿美元出售其安全测试软件业务。该公司表示,这项出售使公司能够专注于 AI 驱动的工程。
同样在 5 月,信息管理和云计算公司 OpenText 以 22.8 亿美元出售其应用程序现代化和连接业务。该公司表示,这笔交易用于减少债务,并专注于云计算、安全和 AI 市场的创新。
替代融资方案
虽然 Brundage 看到了这一趋势的发展,但其他 IT 市场观察家对公司专门为支付 AI 项目而剥离非核心资产持怀疑态度。
云计算业务通信解决方案提供商 Dstny 的首席营销官 Christian Hed 表示,公司需要投资 AI 以保持相关性,但资金可能来自多个领域。
他说:"我不认为 AI 成本是其他领域剥离的主要驱动因素。剥离传统收入通常是由消除技术债务、通过提高优质收入百分比来提高倍数、允许资源专注于产生正确类型的收入等因素驱动的。"
Hed 表示,除了让公司投资 AI 外,剥离还可以让它们提高竞争力和效率,专注于其他创新,并卸下表现不佳的业务部门。
云成本优化公司 Aimably 的 CEO Claire Milligan 补充说,一些组织正在使用私募股权融资来增加 AI 投资,而不是出售资产。在某些情况下,公司正在转向"创新"融资方案,包括私人信贷和所谓的延续基金,以支付尚未产生收入增长的 AI 项目。
Milligan 说:"在私募市场中,AI 项目投资对股权投资者具有诱惑力,因为这可以作为向其持股注入现金的理由,而无需出售资产。通过将这些项目资本化为研发,投资者为现有投资组合公司开辟了新的资金来源,如私人信贷或过渡到新的基金年份,而无需向公共市场证明价值创造的成功。"
然而,她补充说,对投资者和公司来说,危险在于许多 AI 项目持续缺乏收入。Milligan 说:"由于这些公司的收入表现不佳,对现有投资组合公司的再投资活动是必要的。如果投资组合公司无法将这些项目转化为收入引擎,较新的基金年份很可能会带来糟糕的回报。"
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。