人工智能

（吉隆坡10日讯）2023年以来，“生成式AI”这个词几乎无处不在。ChatGPT能写文章、Gemini能分析数据、Midjourney能画图、GitHub Copilot能写代码——它们都属于同一类技术的不同应用。 但生成式AI究竟是什么？它和过去我们认知的“人工智能”有何不同？它为何突然变得如此强大？对大马企业和普通工作者而言，它究竟意味着什么机遇与挑战？ 什么是生成式AI？与传统AI的根本差异 人工智能并不是新概念。过去数十年，AI已经被广泛应用于垃圾邮件过滤、人脸识别、推荐算法等场景。但传统AI的工作方式，是根据预设规则或已知分类来识别或预测——它能告诉你“这封邮件是垃圾邮件”，但无法自己写一封邮件。 生成式AI（Generative AI）的革命性突破在于：它能够创造全新的内容，而不只是识别或分类已有内容。 给它一个提示（Prompt），它可以生成： 一篇完整的新闻稿或营销文案 一段运行中的程序代码 一张从未存在过的图像 一首原创歌曲或一段视频脚本 对一份财务报告的深度分析 这种“从无到有的创造能力”，正是生成式AI与过去所有AI应用的根本差异。 大语言模型（LLM）：生成式AI的核心引擎 ChatGPT、Gemini、Claude等主流生成式AI，背后的核心技术是大语言模型（Large Language Model，LLM）。 理解LLM，可以从三个关键词入手： “大”：参数规模的突破 LLM的“大”，指的是模型内部的参数（Parameters）数量极为庞大。参数可以理解为模型在训练过程中学到的知识节点，参数越多，模型理解语言的能力越强。 GPT-4的参数量估计超过1万亿，相比之下，人类大脑的神经元突触约为100万亿。参数量的急剧增长，是近年AI能力爆发的核心驱动力之一。 “语言”：以人类语言作为理解世界的媒介 LLM透过学习人类书写的海量文本——网页、书籍、学术论文、代码、对话记录——来理解语言的规律、概念之间的关系，以及世界的运作方式。 这让LLM具备了跨领域的通用理解能力：同一个模型，既能解释量子力学，也能写一首马来诗，还能帮你调试Python代码。 “模型”：基于概率的内容生成 LLM生成文字的方式，本质上是逐字预测概率——在给定的上下文中，下一个词最可能是什么？这个过程不断重复，便形成连贯的句子、段落乃至完整的文档。 这也解释了为何LLM有时会“一本正经地说错话”（称为“幻觉”，Hallucination）——它的本质是在统计规律中寻找最可能的答案，而非真正“理解”或“查证”事实。 训练一个LLM需要什么？ 训练一个大型语言模型，需要三大要素的极致组合： 数据：数以万亿计的文本词元（Token），来自全球互联网、书籍、学术库等海量来源。 算力：数以千计的高端GPU（尤其是英伟达的A100/H100系列），持续运算数月，每天耗电量相当于一个中型城市的用电量。 资金：训练GPT-4的成本估计超过1亿美元，这也是为何大型LLM几乎全部由科技巨头（OpenAI/微软、谷歌、Meta、Anthropic）主导。 生成式AI的主要应用形态 生成式AI的应用，已经从科技圈渗透至几乎所有行业： 文字生成：新闻稿、营销文案、法律文件、客服对话、电子邮件 代码生成：GitHub Copilot帮助开发者自动补全及生成代码，将编程效率提升数倍 图像生成：Midjourney、DALL·E、Stable Diffusion，让任何人都能生成高质量图像 音视频生成：AI生成配音、字幕翻译、短视频脚本及虚拟人物 数据分析与决策支持：将复杂数据转化为可读的分析报告，辅助企业决策 知识管理：企业内部文件检索、合同审查、培训材料生成 生成式AI的三大局限，企业使用须知 尽管能力强大，生成式AI目前仍有三个重要局限，企业在应用时须审慎： ① 幻觉问题（Hallucination）：LLM可能以高度自信的语气生成错误的事实、虚假的数据或不存在的引用。所有AI生成内容，在用于对外发布或决策依据前，须经过人工核实。 ② 知识截止日期（Knowledge Cutoff）：大多数LLM的训练数据有知识截止日期，无法实时获取最新信息（除非配合联网搜索功能）。对需要时效性信息的业务场景，须特别注意。 ③ 数据隐私风险：将企业内部敏感数据（客户资料、财务数据、商业机密）输入公开AI平台，可能面临数据泄露风险。企业须制定明确的AI使用政策与数据分类管理规范。 大马企业如何把握生成式AI机遇？ 大马政府已将AI纳入国家数字经济战略核心，数字经济机构（MDEC）、投资发展局（MIDA）及人力资源部均在积极推动AI应用与人才培育。 对大马企业而言，生成式AI带来的最直接机遇包括： 内容营销自动化：以AI辅助生成多语言（中英马）营销内容，大幅降低内容生产成本。 客服智能化：部署基于LLM的智能客服，提升24小时服务能力，减少重复性客服人力需求。 内部知识管理：将企业文件、SOP、培训材料接入AI系统，打造内部智能知识库。 数据分析民主化：让非技术背景的业务人员也能透过自然语言查询数据，提升决策效率。 一句话总结 生成式AI是一场重新定义“创造力”的技术革命——它不是要取代人类，而是正在成为每一个人的智能助手，让个人与企业能够以更低的成本、更快的速度，完成过去需要大量专业人力才能实现的工作。 真正的问题不是“AI会不会取代我”，而是“懂得善用AI的人，会不会取代不懂用AI的人”。 SOMO观察｜生成式AI是大马商界最重要的生产力转型机遇，但须以治理框架护航 生成式AI的普及，正在重塑全球劳动力市场与商业竞争格局。根据麦肯锡全球研究院估算，生成式AI每年可为全球经济创造2.6至4.4万亿美元的附加价值，影响领域涵盖客服、营销、软件开发、教育及医疗等。 对大马商界而言，这一技术转型窗口既是机遇也是压力——率先在内部流程中整合AI的企业，将在效率与成本上获得结构性竞争优势；而观望等待的企业，则面临被竞争对手快速拉开差距的风险。 然而，AI应用的加速也带来两类系统性风险值得关注：其一是AI生成内容的事实准确性，尤其对媒体、法律、医疗及金融等需要高度事实准确性的行业；其二是员工能力转型的速度，AI工具的引入须配合系统性的再培训计划，否则可能加剧职场不平等。 企业拥抱生成式AI，须同步建立清晰的AI使用政策、数据治理框架及人才培育计划，方能真正将技术红利转化为可持续的商业价值。

（吉隆坡10日讯）汇丰银行委托益普索（Ipsos）进行的最新调查显示，大马富裕及高净值投资者使用人工智能（AI）处理金融事务的比例高达85%，高于全球73%的平均水平，与中国并列，在10个受调查市场中仅次于印度（86%），位居全球前三。然而，真正要作出财务决定时，仍有58%的大马受访者倾向让AI与金融专业人士一起把关。 调查背景：涵盖10市场逾9993名富裕及高净值投资者 本次调查涵盖10个市场共9993名年龄介于21至69岁的富裕及高净值个人投资者： 富裕投资者：最低可投资资产为10万美元（约40万8860令吉） 高净值投资者：至少拥有200万美元（约817万7200令吉）可投资资产 AI使用率高，但金融专业人士仍主导投资决定 调查揭示一个耐人寻味的现象：AI使用率走在前面，并不代表投资者准备把所有决定交给机器。 65% 的大马受访者把金融专业人士及机构列为获取投资建议的首要来源 在真正影响投资决定的因素中，金融专业人士及机构占39%，AI工具则只有16%，前者超过后者两倍以上 也就是说，AI可以帮忙整理资料、分析市场和提供投资想法，但到了真金白银要作出决定时，投资者仍希望有人协助判断。 为何仍依赖真人？“安心”是最大原因 对真人意见的依赖，最核心的原因是“安心”： 85% 受访者表示，寻求金融专业人士意见，是为了让自己在作出财务决定时更加安心 76% 看重专业人士的策略专业知识 对于专业人士能够发挥的具体作用： 31% 希望有人协助识别AI生成资料中的错误 31% 希望针对复杂数据获得个性化解读 30% 看重专业判断及验证 AI理财并不只是年轻人的习惯 调查打破了“AI只属于年轻人”的刻板印象，各年龄层使用率均相当高： 年龄层 群体 AI金融使用率 30至45岁 千禧世代 89%（最高） 21至29岁 Z世代 86% 46至61岁 X世代 85% 62至69岁 婴儿潮世代 78% 即使年轻世代最积极拥抱AI，他们也没有完全放弃真人意见：61%的Z世代希望把AI与人类专业知识结合，用于分析投资组合表现；57%希望通过人机协作产生新的投资想法。千禧世代分别有53%希望通过人机协作分析投资组合及寻找新投资点子。 AI改变投资心理：更有掌控感，更愿承担审慎风险 AI的影响也开始延伸至投资者的心理层面： 57% 受访者表示，使用AI后对自己的投资更有掌控感（认为AI降低掌控感的仅21%） 54% 表示AI让他们更愿意承担经过审慎评估的风险（认为自己因此变得更谨慎的则有25%） 汇丰推出“财富智能”AI平台，AI理财已走入银行服务 大马汇丰国际财富与卓越理财业务主管叶清玉指出，科技可以提高效率，但人与人之间的联系才能建立信任。 她认为，银行业未来的发展方向，在于让AI带来的洞察与人类专业知识配合，通过数据分析能力与专业客户关系，协助客户更有信心面对日益复杂的金融环境。 大马汇丰银行已将AI应用于财富管理，推出生成式AI平台“财富智能”（Wealth Intelligence），分析及汇总投资观点、市场评论及单位信托基金资料，为客户经理提供及时及相关的洞察。 SOMO观察｜“AI＋人”协作模式是大马财富管理产业的下一个竞争焦点 大马AI理财使用率达85%并与中国并列全球第二，远超73%的全球平均水平，清晰说明大马富裕投资者在拥抱金融科技方面具有高度意愿。这对财富管理产业而言，既是机遇，也是挑战。 机遇在于：AI工具的高渗透率，为银行及独立理财顾问提供了以数据驱动的服务升级窗口；挑战在于：58%投资者仍坚持“AI加专业人士共同把关”，说明单纯的AI自动化产品难以完全取代人际信任关系的价值。 对财富管理机构而言，当前最具竞争力的服务模式，将是以AI提升分析效率，以专业顾问建立客户信任的“人机协作”双轨并行架构。汇丰“财富智能”平台的推出，正是这一方向的具体落地案例。 对有意进入财富管理及金融科技领域的本地企业而言，这份调查揭示了一个清晰的市场缺口：能够有效整合AI洞察与人类专业判断、让高净值投资者同时感受到“效率”与“安心”的服务提供商，将在下一轮财富管理竞争中占得先机。

（吉隆坡5日讯）亚太科技大学（APU）三名来自森州芙蓉的电脑与科技领域学生，将课堂所学转化为一项具有潜在救生价值的创新成果。她们凭借Lumina智能疏散系统，在2026年7月25日于槟城峇都交湾举行的Tech 4 Good挑战赛总决赛中荣获亚军，从近190支参赛队伍中脱颖而出。该系统能够在紧急情况下实时评估现场环境，动态调整疏散指引，将第90百分位疏散时间缩短58.6%。 “烧包”团队：三名芙蓉女生的得奖创新 取名“烧包”的这支团队，由三名同样来自森州芙蓉的APU学生组成： 赖子慧（Lai Zi Huey）（队长）：修读信息技术荣誉理学士学位，主修商业信息系统 刘韦翎（Low Wei Ling）：修读软件工程荣誉理学士学位 胡美恩（Woo May Eng）：修读信息技术荣誉理学士学位，主修云计算工程 团队在两位导师的指导下完成项目：电脑科学学院副教授莫哈末埃赫桑拉纳博士，以及科技学院高级讲师卡马拉纳坦沙穆甘博士。 [caption id="attachment_9275" align="aligncenter" width="884"] “烧包”团队在颁奖典礼上领取亚军奖项。左起：伟特教育业务发展助理经理Timothy Chong Seang Chun、比赛评审吴福源副教授、胡美恩、队长赖子慧及刘韦翎。[/caption] 什么是Lumina？突破传统静态紧急出口标识的局限 传统紧急出口标识属于静态设施，只能标示预设疏散路线，当路线因火灾、烟雾、人群拥堵或其他危险变得不安全时，无法即时调整。 Lumina正是为克服这一局限而设计。作为一套去中心化智能疏散系统，它结合以下技术： RGB摄像头、热红外传感器及声学传感器 边缘人工智能（Edge AI） 基于YOLO的计算机视觉技术 确定性动态路径规划（A*算法） 地面投影式自适应引导技术 系统能够识别潜在危险，并将建筑物内人员引导至实时更安全的疏散路线。更重要的是，团队加入多感官引导功能，以更好地满足老年人及存在感官障碍人士的疏散需求，体现以人为本的设计理念。 [caption id="attachment_9271" align="aligncenter" width="856"] Lumina智能疏散系统突破传统静态紧急出口标识的局限，可根据现场情况动态识别更安全的疏散路线。图中，团队成员正向评审团成员展示该系统。右起：刘韦翎、胡美恩与赖子慧。[/caption] 测试数据：疏散时间缩短58.6% 团队进行的测试显示，Lumina具备多项具有潜力的性能表现： 第90百分位疏散时间缩短58.6% 基于物联网的“拉动策略”停止线机制，可有效管理人群流动，减少危险拥堵及瓶颈现象 包容性多感官界面满足更广泛使用者需要 此外，团队提出的“硬件即服务”（Hardware-as-a-Service，HaaS）商业模式，探索了如何以更可持续的方式部署及维护生命安全基础设施，使其不再仅被视为一次性资本投入。 [caption id="attachment_9272" align="aligncenter" width="868"] Lumina是一套去中心化智能疏散系统，能够实时评估现场状况并调整疏散指引。系统坚持以人为本，通过多感官引导，为老年人及存在感官障碍的人士提供更全面的支持。[/caption] 队长：课堂知识转化为可运行原型的真实体验 队长赖子慧表示，这段参赛经历让团队真正看到课堂知识如何转化为具体且有意义的实际成果。 “Lumina的开发让我们把课堂上所学的系统架构、界面设计及程序设计知识，转化为一个可运行的原型系统。我们运用实时数据处理、基于YOLO的计算机视觉技术及动态A路径规划，对人群进行监测，并识别更安全的疏散路线。虽然物联网硬件对我们而言是一个全新的领域，但扎实的软件基础帮助我们顺利整合控制器、传感器、视觉引导及语音警报功能。” [caption id="attachment_9273" align="aligncenter" width="869"] “烧包”团队由三名来自芙蓉的APU学生组成。左起：队长赖子慧、胡美恩及刘韦翎在展示展位合影。[/caption] 导师：技术成就与个人成长同样重要 卡马拉纳坦沙穆甘博士表示：“除了技术层面的成就外，她们还展现出坚韧精神、团队协作能力，以及运用科技保护生命的真诚信念，尤其关注社会中最需要帮助的群体。” 莫哈末埃赫桑拉纳博士副教授也表示：“她们从项目提案一路走到总决赛亚军，充分体现了大学对体验式学习的重视，以及培养能够运用专业知识解决现实紧迫问题的毕业生这一教育承诺。我们为她们取得的卓越成绩感到无比自豪。” [caption id="attachment_9274" align="aligncenter" width="867"] “烧包”团队载誉返抵校园，与出战导师，即电脑科学学院的莫哈末埃桑拉纳博士副教授（左）与科技学院的卡马拉纳坦沙穆甘博士（右）共同庆贺。由左至右为胡美恩、赖子慧和刘韦翎。[/caption] 关于亚太科技大学（APU） APU是马来西亚顶尖私立大学之一，在2027年QS世界大学排名中位列全球第528名，跻身全球前2%大学之列。APU同时持有SETARA 5星（卓越）评级，并获马来西亚数字经济机构（MDEC）认可为卓越数码科技大学（PDTI），拥有来自超过130个国家的学生，毕业生就业率达100%。