扩大生成工具的采用范围一直是平衡野心与实用性的挑战，而在 2025 年，风险比以往任何时候都高。竞相采用大型语言模型 (LLM) 的企业正在面临一个新的现实：扩大规模不仅仅是部署更大的模型或投资尖端工具，而是以改变运营、增强团队能力和优化成本的方式整合人工智能。成功不仅仅取决于技术；它需要文化和运营的转变，使人工智能能力与业务目标保持一致。
扩大规模势在必行：2025 年为何与众不同
随着生成式人工智能从实验发展到企业级部署，企业正面临一个转折点。早期采用的兴奋感已经让位于保持效率、管理成本和确保在竞争激烈的市场中具有相关性的实际挑战。2025 年扩展人工智能需要回答一些难题：企业如何让生成式工具在各个部门发挥影响力？哪些基础设施可以在不限制资源的情况下支持人工智能的发展？也许最重要的是，团队如何适应人工智能驱动的工作流程？
成功取决于三个关键原则：确定清晰、高价值的用例；保持技术灵活性；培养一支适应能力强的员工队伍。成功的企业不仅仅是采用新一代人工智能——他们制定战略，使技术与业务需求保持一致，不断重新评估成本、绩效和持续影响所需的文化转变。这种方法不仅仅是部署尖端工具；它还涉及在技术和市场飞速发展的环境中建立运营弹性和可扩展性。
Wayfair和Expedia等公司体现了这些经验教训，展示了采用 LLM 的混合方法如何改变运营。通过将外部平台与定制解决方案相结合，这些企业展示了平衡敏捷性和精确性的力量，为其他企业树立了榜样。
定制化与灵活性的结合
构建或购买新一代人工智能工具的决定通常被描述为二元的，但 Wayfair 和 Expedia 展示了细致入微的战略的优势。Wayfair 的首席技术官 Fiona Tan 强调了平衡灵活性和特异性的价值。Wayfair 使用 Google 的Vertex AI进行一般应用，同时开发专有工具以满足小众需求。Tan 分享了该公司的迭代方法，分享了较小、经济高效的模型在标记产品属性（如面料和家具颜色）方面通常优于较大、更昂贵的选项。
同样，Expedia 采用了多供应商 LLM 代理层，允许无缝集成各种模型。Expedia 高级副总裁 Rajesh Naidu 将他们的策略描述为一种在优化成本的同时保持敏捷的方法。“我们总是抓住机会，在合理的范围内寻找最佳的 [模型]，但我们也愿意为自己的领域构建模型，”Naidu 解释道。这种灵活性确保团队能够适应不断变化的业务需求，而不会被锁定在单一供应商上。
这种混合方法让人想起了 20 世纪 90 年代的企业资源规划 (ERP) 的发展，当时企业必须在采用僵化的现成解决方案和高度定制的系统以适应其工作流程之间做出选择。当时和现在一样，成功的公司认识到将外部工具与定制开发相结合以应对特定运营挑战的价值。
核心业务功能的运营效率
Wayfair 和 Expedia 都证明了 LLM 的真正力量在于能够产生可衡量影响的有针对性应用。Wayfair 使用生成式 AI 来丰富其产品目录，以自主准确性增强元数据。这不仅简化了工作流程，还改善了搜索和客户推荐。Tan 强调了另一个变革性应用：利用 LLM 分析过时的数据库结构。由于原来的系统设计师不再可用，gen AI 使 Wayfair 能够减轻技术债务并在遗留系统中发现新的效率。
Expedia 已成功将新一代人工智能融入客户服务和开发人员工作流程。Naidu 分享说，专为通话摘要设计的定制新一代人工智能工具可确保“90% 的旅客可以在 30 秒内联系到客服人员”，从而显著提高客户满意度。此外，GitHub Copilot 已在整个企业范围内部署，加速了代码生成和调试。这些运营收益凸显了将新一代人工智能功能与清晰、高价值的业务用例相结合的重要性。
硬件在人工智能中的作用
扩展 LLM 的硬件考虑因素经常被忽视，但它们在长期可持续性中发挥着至关重要的作用。Wayfair 和 Expedia 目前都依赖云基础设施来管理其 gen AI 工作负载。Tan 指出，Wayfair 继续评估 Google 等云提供商的可扩展性，同时关注本地化基础设施的潜在需求，以便更有效地处理实时应用程序。
Expedia 的方法还强调了灵活性。该公司主要在AWS上托管，采用代理层将任务动态路由到最合适的计算环境。该系统平衡了性能与成本效率，确保推理成本不会失控。随着企业级 AI 应用程序变得越来越复杂，对处理能力的要求越来越高，Naidu 强调了这种适应性的重要性。
这种对基础设施的关注反映了企业计算的更广泛趋势，让人想起从单片数据中心到微服务架构的转变。随着 Wayfair 和 Expedia 等公司扩展其 LLM 功能，它们展示了平衡云可扩展性与边缘计算和定制芯片等新兴选项的重要性。
培训、治理和变革管理
部署 LLM 不仅仅是一项技术挑战，更是文化挑战。Wayfair 和 Expedia 都强调了促进组织准备采用和集成新一代 AI 工具的重要性。在 Wayfair，全面的培训可确保各部门员工能够适应新的工作流程，尤其是在客户服务等领域，在这些领域，AI 生成的响应需要人工监督才能与公司的声音和语调相匹配。
Expedia 进一步加强了治理，成立了负责任的人工智能委员会来监督所有与人工智能相关的重大决策。该委员会确保部署符合道德准则和业务目标，从而在整个组织内建立信任。Naidu 强调了重新考虑衡量人工智能有效性的指标的重要性。传统的 KPI 往往不够，这促使 Expedia 采用更符合业务目标的精确度和召回率指标。
这些文化适应对于人工智能在企业环境中的长期成功至关重要。单靠技术无法推动转型；转型需要一支能够充分利用人工智能能力的员工队伍，以及一个确保负责任地实施的治理结构。
成功扩大规模的经验教训
Wayfair 和 Expedia 的经验为任何希望有效扩展 LLM 的组织提供了宝贵的经验教训。这两家公司都表明，成功取决于确定明确的业务用例、保持技术选择的灵活性以及培养适应文化。他们的混合方法提供了一种平衡创新与效率的模型，确保新一代人工智能投资取得切实成果。
技术和文化变革的速度使得 2025 年扩展 AI 成为前所未有的挑战。混合策略、灵活的基础设施和强大的数据文化是当今成功部署 AI 的基础，它们将为下一波创新奠定基础。现在构建这些基础的企业不仅可以扩展 AI，还可以扩展弹性、适应性和竞争优势。
展望未来，推理成本、实时能力和不断发展的基础设施需求等挑战将继续塑造企业级人工智能格局。正如 Naidu 恰如其分地指出的那样，“人工智能和法学硕士将是我们长期的投资，它使我们在旅游领域脱颖而出。我们必须注意，这将需要有意识地确定投资优先级并了解用例。”
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/gou-jian-hai-shi-gou-mai-2025-nian-kuo-zhan-nin-de-qi-ye-ji
