<ul>
<li>新研究显示，三分之二的受访者正在量化他们的生成性人工智能投资回报率，发现每花费 100 万美元，他们通过成本节约和收入增加获得 141 万美元的回报。</li>
</ul>
<p><strong>阿联酋迪拜 –</strong> Snowflake，这家人工智能数据云公司，与企业战略集团合作，今天发布了《生成性人工智能的激进投资回报率》报告，发现 92% 的受访者表示他们的人工智能投资已经产生了投资回报，98% 计划在 2025 年进一步投资于他们的人工智能项目。</p>
<p>该研究对来自九个不同国家的 1,900 名商业和 IT 领导者进行了调查，包括英国、法国和德国——所有受访者都在积极使用生成性人工智能进行一个或多个用例。</p>
<p>自生成性人工智能开始主导每个科技话题以来，仅仅过去两年半，早期的人工智能采用者在内部和外部用例中都取得了成功。超过一半（55%）的受访者优先考虑面向员工的解决方案，以提高生产力和效率，而 44% 则从面向客户的解决方案开始，以提升客户体验和满意度。</p>
<p>“我在人工智能领域工作了近二十年，我们终于达到了一个转折点，人工智能正在为全球企业创造真正的、有形的价值，” Snowflake 的人工智能负责人 Baris Gultekin 表示。“每周有超过 4,000 个客户使用 Snowflake 进行人工智能和机器学习，我经常目睹这些工具在推动团队更高效率和生产力方面的巨大影响，并使整个组织的数据洞察民主化。”</p>
<p>Snowflake 中东、非洲和土耳其的总经理 Mohamed Zouari 表示：“预计到 2030 年，阿联酋将从人工智能中获得 960 亿美元，而沙特阿拉伯正在启动一项价值 1,000 亿美元的人工智能计划，人工智能正迅速成为中东地区商业增长的蓝图。但没有数据战略，就没有人工智能战略。地区企业面临着真正的挑战——从数据基础设施的碎片化到人才短缺。在 Snowflake，我们正在帮助组织奠定安全和可扩展的数据基础，以真正利用人工智能的潜力。”</p>
<p><strong>通过人工智能投资推动成功</strong></p>
<p>报告显示，早期的人工智能投资对大多数企业来说证明是成功的，93% 的受访者表示他们的生成性人工智能项目非常成功或大部分成功。受访者的人工智能项目在效率（88%）、客户体验（84%）和加速创新（84%）方面都取得了可衡量的改善。事实上，三分之二的受访者已经开始量化他们的生成性人工智能投资回报，发现每花费 100 万美元，他们通过成本节约和收入增加获得 141 万美元的回报。</p>
<p>随着全球组织在人工智能旅程中不断前进，受访者正在为他们的人工智能项目分配更多资源，提到的数据（81%）、大型语言模型（78%）、支持软件（83%）、基础设施（82%）和人才（76%）。这种战略重点突显了企业在未来运营和竞争中优先考虑的根本转变。</p>
<p>克服数据障碍以最大化人工智能的有效性</p>
<p>释放人工智能的真正潜力需要坚实的数据基础。组织越来越多地将其专有数据纳入，以最大化人工智能的有效性，80% 的受访者选择用自己的数据微调模型。尽管如此，许多受访者在使这些数据准备好用于人工智能方面面临重大挑战，以下是推动人工智能成功的最大障碍：</p>
<ul>
<li><strong>超出预期的成本：</strong> 96% 的早期采用者报告称，他们的生成性人工智能解决方案的一个或多个组件迄今为止的成本超过了最初的预期，78% 表示他们的生成性人工智能用例中有一半或更多的成本超出了预期。</li>
<li><strong>打破数据孤岛：</strong> 64% 的早期采用者表示，跨来源整合数据在今天是具有挑战性的。</li>
<li><strong>组织非结构化数据：</strong> 大多数数据是非结构化的——根据许多估计，80% 到 90%。然而，只有 11% 的早期采用者表示，他们的非结构化数据中有超过一半已准备好用于大型语言模型的训练和调整。</li>
<li><strong>整合治理框架：</strong> 59% 的人表示，执行数据治理是困难的。</li>
<li><strong>测量和监控数据质量：</strong> 59% 的人表示，测量和监控数据质量是困难的。</li>
<li><strong>整合数据准备：</strong> 58% 的人表示，使数据准备好用于人工智能是一个挑战。</li>
<li><strong>高效扩展存储和计算：</strong> 54% 的人表示，满足存储容量和计算能力要求是困难的。</li>
</ul>
<p><strong>方法论</strong></p>
<p>企业战略集团的研究人员在 2024 年 11 月 21 日至 2025 年 1 月 10 日期间识别并对早期采用者组织进行了深入研究——这些组织已经在生产中增强和执行商业流程，使用商业和开源模型，而不是像 ChatGPT 这样的消费级订阅软件。在 3,324 名受访者中，1,900 名（57%）表示他们正在使用商业或开源的生成性人工智能解决方案。</p>
<p><strong>关于 Snowflake</strong></p>
<p>Snowflake 使企业人工智能变得简单、高效和可信。全球超过 11,000 家公司，包括数百家世界最大的公司，使用 Snowflake 的人工智能数据云共享数据、构建应用程序，并利用人工智能推动业务。企业人工智能的时代已经到来。了解更多信息，请访问 snowflake.com。</p>
<p>将您的新闻稿发送至 pressrelease.zawya@lseg.com</p>
<p>免责声明：本新闻稿的内容由外部第三方提供。本网站不对该外部内容负责，也不控制该内容。该内容以 “原样” 和 “可用” 方式提供，未经过任何编辑。本网站及我们的附属机构均不保证本新闻稿中表达的观点或意见的准确性。</p>
<p>本新闻稿仅供参考。内容不提供任何关于特定证券、投资组合或投资策略的税务、法律或投资建议或意见，也不对其适用性、价值或盈利能力作出任何声明。本网站及我们的关联公司对内容中的任何错误或不准确之处，或因您依赖该内容而采取的任何行动不承担责任。您明确同意，您对本文中信息的使用风险自负。</p>
<p>在适用法律允许的最大范围内，本网站、其母公司、子公司、关联公司及各自的股东、董事、高级职员、员工、代理、广告商、内容提供者和许可方对您不承担任何直接、间接、后果性、特殊、附带、惩罚性或示范性损害赔偿责任，包括但不限于利润损失、储蓄损失和收入损失，无论是因过失、侵权、合同或任何其他责任理论，即使各方已被告知可能性或可以预见到任何此类损害。</p>

SNOW

<p>最新的研究显示，92% 的生成性人工智能早期采用者正在获得投资回报，每投资 100 万美元平均回报为 141 万美元。该研究对来自九个国家的 1900 名商业和 IT 领导者进行了调查，强调 93% 的人工智能项目取得了成功。然而，仍然存在挑战，包括高成本和数据整合问题。Snowflake 强调制定强有力的数据战略以最大化人工智能潜力的重要性，尤其是在中东地区，预计将在人工智能领域进行大量投资</p>

<ul>
<li>New research shows that two-thirds of respondents are quantifying their generative AI ROI, finding that for every $1 million spent, they are seeing $1.41 million in returns through cost savings and increased revenue</li>
</ul>
<div class="lb-trans"><ul>
<li>新研究显示，三分之二的受访者正在量化他们的生成性人工智能投资回报率，发现每花费 100 万美元，他们通过成本节约和收入增加获得 141 万美元的回报。</li>
</ul>
</div><p><strong>Dubai, UAE –</strong> Snowflake, the AI Data Cloud company, in collaboration with Enterprise Strategy Group, today released the “Radical ROI of Generative AI,” which found that 92% of respondents reported that their AI investments are already generating ROI, with 98% planning to invest even more on their AI initiatives in 2025.</p>
<div class="lb-trans"><p><strong>阿联酋迪拜 –</strong> Snowflake，这家人工智能数据云公司，与企业战略集团合作，今天发布了《生成性人工智能的激进投资回报率》报告，发现 92% 的受访者表示他们的人工智能投资已经产生了投资回报，98% 计划在 2025 年进一步投资于他们的人工智能项目。</p>
</div><p>The research surveyed 1,900 business and IT leaders across nine different countries, including the UK, France and Germany — all of whom are actively using generative AI for one or more use cases.</p>
<div class="lb-trans"><p>该研究对来自九个不同国家的 1,900 名商业和 IT 领导者进行了调查，包括英国、法国和德国——所有受访者都在积极使用生成性人工智能进行一个或多个用例。</p>
</div><p>Just two-and-a-half years since generative AI began dominating every tech conversation, early adopters of AI are realizing success with both internal and external use cases. Over half (55%) of respondents prioritized employee-facing solutions to improve productivity and efficiency, while 44% started with customer-facing solutions to elevate customer experience and satisfaction.</p>
<div class="lb-trans"><p>自生成性人工智能开始主导每个科技话题以来，仅仅过去两年半，早期的人工智能采用者在内部和外部用例中都取得了成功。超过一半（55%）的受访者优先考虑面向员工的解决方案，以提高生产力和效率，而 44% 则从面向客户的解决方案开始，以提升客户体验和满意度。</p>
</div><p>“I’ve spent almost two decades of my career developing AI, and we’ve finally reached the tipping point where AI is creating real, tangible value for enterprises across the globe,” said Baris Gultekin, Head of AI, Snowflake. “With over 4,000 customers using Snowflake for AI and ML on a weekly basis, I routinely witness the outsized impact these tools have in driving greater efficiency and productivity for teams and democratizing data insights across entire organizations.”</p>
<div class="lb-trans"><p>“我在人工智能领域工作了近二十年，我们终于达到了一个转折点，人工智能正在为全球企业创造真正的、有形的价值，” Snowflake 的人工智能负责人 Baris Gultekin 表示。“每周有超过 4,000 个客户使用 Snowflake 进行人工智能和机器学习，我经常目睹这些工具在推动团队更高效率和生产力方面的巨大影响，并使整个组织的数据洞察民主化。”</p>
</div><p>Mohamed Zouari, General Manager for the Middle East, Africa, and Turkey at Snowflake, said: “With the UAE set to gain $96 billion from AI by 2030 and Saudi Arabia launching a $100 billion AI initiative, AI is fast becoming the blueprint for business growth in the Middle East. But without a data strategy, there is no AI strategy. Regional businesses face real challenges—from fragmented data infrastructure gaps to talent shortages. At Snowflake, we’re helping organizations lay the secure and scalable data foundations they need to truly capitalize on AI’s potential.”</p>
<div class="lb-trans"><p>Snowflake 中东、非洲和土耳其的总经理 Mohamed Zouari 表示：“预计到 2030 年，阿联酋将从人工智能中获得 960 亿美元，而沙特阿拉伯正在启动一项价值 1,000 亿美元的人工智能计划，人工智能正迅速成为中东地区商业增长的蓝图。但没有数据战略，就没有人工智能战略。地区企业面临着真正的挑战——从数据基础设施的碎片化到人才短缺。在 Snowflake，我们正在帮助组织奠定安全和可扩展的数据基础，以真正利用人工智能的潜力。”</p>
</div><p><strong>Driving Success Through AI Investments</strong></p>
<div class="lb-trans"><p><strong>通过人工智能投资推动成功</strong></p>
</div><p>The report reveals that early AI investments are proving to be successful for the majority of enterprises, with 93% indicating that their generative AI initiatives have been very or mostly successful. Respondents’ AI initiatives resulted in measurable improvements across efficiency (88%), customer experience (84%), and accelerated innovation (84%). In fact, two-thirds of respondents are already starting to quantify their generative AI ROI today, finding that for every $1 million spent, they are seeing $1.41 million in returns through cost savings and increased revenue.</p>
<div class="lb-trans"><p>报告显示，早期的人工智能投资对大多数企业来说证明是成功的，93% 的受访者表示他们的生成性人工智能项目非常成功或大部分成功。受访者的人工智能项目在效率（88%）、客户体验（84%）和加速创新（84%）方面都取得了可衡量的改善。事实上，三分之二的受访者已经开始量化他们的生成性人工智能投资回报，发现每花费 100 万美元，他们通过成本节约和收入增加获得 141 万美元的回报。</p>
</div><p>As global organizations advance along their AI journeys, respondents are allocating additional resources to their AI initiatives, citing data (81%), large language models (78%), supporting software (83%), infrastructure (82%), and talent (76%). This strategic focus underscores a fundamental shift in what businesses prioritize to operate and compete in the future.</p>
<div class="lb-trans"><p>随着全球组织在人工智能旅程中不断前进，受访者正在为他们的人工智能项目分配更多资源，提到的数据（81%）、大型语言模型（78%）、支持软件（83%）、基础设施（82%）和人才（76%）。这种战略重点突显了企业在未来运营和竞争中优先考虑的根本转变。</p>
</div><p>Overcoming Data Barriers to Maximize AI Effectiveness</p>
<div class="lb-trans"><p>克服数据障碍以最大化人工智能的有效性</p>
</div><p>Unlocking AI’s true potential requires a robust data foundation. Organizations are increasingly incorporating their proprietary data to maximize AI’s effectiveness, with 80% of respondents choosing to fine-tune models with their own data. Despite this, many respondents are facing significant challenges in making this data AI-ready, citing the following as the biggest hurdles for driving AI success:</p>
<div class="lb-trans"><p>释放人工智能的真正潜力需要坚实的数据基础。组织越来越多地将其专有数据纳入，以最大化人工智能的有效性，80% 的受访者选择用自己的数据微调模型。尽管如此，许多受访者在使这些数据准备好用于人工智能方面面临重大挑战，以下是推动人工智能成功的最大障碍：</p>
</div><ul>
<li><strong>Higher than expected costs:</strong> 96% of early adopters report that one or more components of their gen AI solutions have cost more to date than was initially anticipated, and 78% say that half or more of their gen AI use cases have cost more than expected to get into production.</li>
<li><strong>Breaking down data silos:</strong> 64% of early adopters say integrating data across sources is challenging today.</li>
<li><strong>Organizing unstructured data</strong>: The vast majority of data is unstructured — 80%–90% by many estimates. However, only 11% of the early adopters say that more than half their unstructured data is ready to be used in LLM training and tuning.</li>
<li><strong>Integrating governance guardrails:</strong> 59% say enforcing data governance is difficult.</li>
<li><strong>Measuring and monitoring data quality:</strong> 59% say measuring and monitoring data quality is difficult.</li>
<li><strong>Integrating data prep:</strong> 58% say making data AI-ready is a challenge.</li>
<li><strong>Efficiently scaling storage and compute:</strong> 54% say it’s difficult to meet storage capacity and computing power requirements.</li>
</ul>
<div class="lb-trans"><ul>
<li><strong>超出预期的成本：</strong> 96% 的早期采用者报告称，他们的生成性人工智能解决方案的一个或多个组件迄今为止的成本超过了最初的预期，78% 表示他们的生成性人工智能用例中有一半或更多的成本超出了预期。</li>
<li><strong>打破数据孤岛：</strong> 64% 的早期采用者表示，跨来源整合数据在今天是具有挑战性的。</li>
<li><strong>组织非结构化数据：</strong> 大多数数据是非结构化的——根据许多估计，80% 到 90%。然而，只有 11% 的早期采用者表示，他们的非结构化数据中有超过一半已准备好用于大型语言模型的训练和调整。</li>
<li><strong>整合治理框架：</strong> 59% 的人表示，执行数据治理是困难的。</li>
<li><strong>测量和监控数据质量：</strong> 59% 的人表示，测量和监控数据质量是困难的。</li>
<li><strong>整合数据准备：</strong> 58% 的人表示，使数据准备好用于人工智能是一个挑战。</li>
<li><strong>高效扩展存储和计算：</strong> 54% 的人表示，满足存储容量和计算能力要求是困难的。</li>
</ul>
</div><p><strong>Methodology</strong></p>
<div class="lb-trans"><p><strong>方法论</strong></p>
</div><p>Researchers from Enterprise Strategy Group identified, and conducted deeper research between Nov. 21, 2024, to Jan. 10, 2025, with early adopter organizations — those already augmenting and executing business processes in production, using commercial and open-source models rather than consumer-grade, subscription software such as ChatGPT. Of 3,324 respondents, 1,900 (57%) said they are using commercial or open source generative AI solutions.</p>
<div class="lb-trans"><p>企业战略集团的研究人员在 2024 年 11 月 21 日至 2025 年 1 月 10 日期间识别并对早期采用者组织进行了深入研究——这些组织已经在生产中增强和执行商业流程，使用商业和开源模型，而不是像 ChatGPT 这样的消费级订阅软件。在 3,324 名受访者中，1,900 名（57%）表示他们正在使用商业或开源的生成性人工智能解决方案。</p>
</div><p><strong>About Snowflake</strong></p>
<div class="lb-trans"><p><strong>关于 Snowflake</strong></p>
</div><p>Snowflake makes enterprise AI easy, efficient and trusted. More than 11,000 companies around the globe, including hundreds of the world’s largest, use Snowflake’s AI Data Cloud to share data, build applications, and power their business with AI. The era of enterprise AI is here. Learn more at snowflake.com .</p>
<div class="lb-trans"><p>Snowflake 使企业人工智能变得简单、高效和可信。全球超过 11,000 家公司，包括数百家世界最大的公司，使用 Snowflake 的人工智能数据云共享数据、构建应用程序，并利用人工智能推动业务。企业人工智能的时代已经到来。了解更多信息，请访问 snowflake.com。</p>
</div><p>Send us your press releases to pressrelease.zawya@lseg.com</p>
<div class="lb-trans"><p>将您的新闻稿发送至 pressrelease.zawya@lseg.com</p>
</div><p>Disclaimer: The contents of this press release was provided from an external third party provider. This website is not responsible for, and does not control, such external content. This content is provided on an “as is” and “as available” basis and has not been edited in any way. Neither this website nor our affiliates guarantee the accuracy of or endorse the views or opinions expressed in this press release.</p>
<div class="lb-trans"><p>免责声明：本新闻稿的内容由外部第三方提供。本网站不对该外部内容负责，也不控制该内容。该内容以 “原样” 和 “可用” 方式提供，未经过任何编辑。本网站及我们的附属机构均不保证本新闻稿中表达的观点或意见的准确性。</p>
</div><p>The press release is provided for informational purposes only. The content does not provide tax, legal or investment advice or opinion regarding the suitability, value or profitability of any particular security, portfolio or investment strategy. Neither this website nor our affiliates shall be liable for any errors or inaccuracies in the content, or for any actions taken by you in reliance thereon. You expressly agree that your use of the information within this article is at your sole risk.</p>
<div class="lb-trans"><p>本新闻稿仅供参考。内容不提供任何关于特定证券、投资组合或投资策略的税务、法律或投资建议或意见，也不对其适用性、价值或盈利能力作出任何声明。本网站及我们的关联公司对内容中的任何错误或不准确之处，或因您依赖该内容而采取的任何行动不承担责任。您明确同意，您对本文中信息的使用风险自负。</p>
</div><p>To the fullest extent permitted by applicable law, this website, its parent company, its subsidiaries, its affiliates and the respective shareholders, directors, officers, employees, agents, advertisers, content providers and licensors will not be liable (jointly or severally) to you for any direct, indirect, consequential, special, incidental, punitive or exemplary damages, including without limitation, lost profits, lost savings and lost revenues, whether in negligence, tort, contract or any other theory of liability, even if the parties have been advised of the possibility or could have foreseen any such damages.</p>
<div class="lb-trans"><p>在适用法律允许的最大范围内，本网站、其母公司、子公司、关联公司及各自的股东、董事、高级职员、员工、代理、广告商、内容提供者和许可方对您不承担任何直接、间接、后果性、特殊、附带、惩罚性或示范性损害赔偿责任，包括但不限于利润损失、储蓄损失和收入损失，无论是因过失、侵权、合同或任何其他责任理论，即使各方已被告知可能性或可以预见到任何此类损害。</p>
</div>

PRESSR：Snowflake 的研究显示，92% 的早期采用者从人工智能投资中看到了投资回报