根据波士顿咨询公司（BCG）的报告，航空航天和国防（A&D）领域的人工智能投资存在三个关键真相：首先，竞争优势来源于人工智能技术栈的顶端，即面向用户的解决方案，而非底层基础设施和数据集成，但目前大部分支出仍集中在底层。其次，定制化的人工智能解决方案能够带来更高的投资回报率，然而许多企业仍在依赖现成的系统。最后，A&D公司倾向于建立大型内部AI团队，而其他行业则通过与外部合作伙伴合作，更智能地扩展规模。报告建议A&D企业重新聚焦投资，优先发展面向用户的AI解决方案，采用云优先策略，定制适合自身独特任务的AI
关键要点
对于希望保持竞争力的航空航天与国防（A&D）企业来说，捕捉人工智能价值的紧迫性显而易见——战略远见的需求也是如此。大多数A&D企业已经启动了人工智能项目，但许多企业未能将这些投资转化为真正的价值。波士顿咨询公司（BCG）最近的一项调查发现，65%的A&D人工智能项目仍仅处于概念验证阶段。只有三分之一的项目在以可衡量的方式改善业务。
要从人工智能获得更好的结果，需要采取不同的方法。公司需要就如何以及在何处投资技术做出战略决策。借鉴A&D和其他行业顶尖组织的现有实践，我们提出了一些实用建议，帮助A&D领导者做出这些决策并扩大人工智能的最大影响力。
三大真相
我们与客户合作的工作指出了关于人工智能投资的三大真相——以及航空航天与国防（A&D）企业应采取的不同做法。
1.竞争优势来自人工智能技术栈的顶端——但大多数支出集中在底层
2024年，A&D行业在人工智能上的支出为266亿美元，约占总收入的3%。预计到2030年，这一比例将以9%的年复合增长率增长至440亿美元。但真正的重点在于支出的转变方向。
人工智能技术栈可以分为几个层次：基础设施是基础；数据整合使信息流动；模型增加智能；面向用户的人工智能解决方案是价值交付的地方。目前，A&D人工智能支出的超过一半仍集中在底层——基础设施和数据整合。但这种情况正在迅速变化。预计2024年至2030年间，面向用户的人工智能解决方案的支出将以15%的速度增长——是基础设施支出增长率的三倍——因为企业从投资基础转向将人工智能嵌入核心运营和产品以释放业务价值。（见图表1。）
人工智能支出正在向技术栈顶端转移，那里才是竞争优势所在
为什么会有这种变化？面向用户的人工智能解决方案和领域优化的模型是技术栈中唯一能为A&D企业创造真正竞争优势的部分。相比之下，基础设施和数据整合虽然必不可少，但无法提供差异化的手段。随着谷歌和微软等超大规模企业在大规模投资于高效云基础设施，A&D企业不再需要内部构建这些元素来竞争。
一个相关问题是行业对本地软件的依赖，这限制了企业在规模化实施人工智能的能力。在A&D领域，目前只有40%的人工智能基础设施运行在云端。在欧洲，监管和数据主权限制是一个实际问题，导致许多企业继续依赖本地系统。但在美国，这些障碍是自我设定的——也是自我限制的。
像Anduril这样的技术原生A&D企业已经将高达70%的人工智能基础设施运行在云端。美国国防部和许多情报机构正在利用安全的、任务就绪的云环境——而不影响任务性能或控制。其他受监管的行业也在进行转变。在医疗保健领域，Epic Systems在迁移到符合《健康保险可携性与责任法案》规定的云端以托管人工智能解决方案后，将安全事件减少了40%。
为了更战略性地投资人工智能，航空航天和国防公司企业应：
将投资重点重新放在技术栈顶端，面向用户的人工智能驱动任务成果。
采用云优先的策略，仅在对延迟敏感的边缘环境中保留本地选项。
2. 定制人工智能解决方案的价值是现成系统的两倍，但企业仍在购买现成系统
在投资技术栈顶端的面向用户人工智能解决方案时，构建还是购买的决定至关重要。BCG对A&D领导者的最新调查发现，内部开发或与可靠外部伙伴合作开发的定制人工智能解决方案的回报率始终是商业现成（COTS）替代品的两倍。（见图表2。）然而，三分之一的A&D人工智能项目仍依赖COTS选项，即使在核心工作流程中也是如此。
定制开发的人工智能解决方案价值是现成选项的两倍
在某些情况下，COTS选项是合理的。支持功能如财务、人力资源和通用IT可以从成熟的跨行业工具中受益。在这些领域，COTS解决方案实施更快、更便宜，效果“足够好”，尤其是在轻度定制的情况下。然而，当企业接近核心业务领域——如任务系统、维护或面向客户的产品时——COTS选项往往不足以胜任，需要长时间的定制，且常常无法获得最终用户的认可。
相比之下，定制设计的适配人工智能解决方案更有可能带来持久的优势，原因如下：
围绕真实工作流程设计推动采用。针对团队操作方式定制的解决方案更容易获得最终用户的信任和认可，从而在大规模上产生影响。
与当前系统和流程的紧密整合加速部署。定制解决方案避免了将通用工具强行嵌入专业环境时常常遇到的复杂性和延迟。
为安全环境设计缩短价值实现时间。从一开始就考虑A&D特定安全要求，可以最大限度减少返工并加速合规。
聚焦任务成果提高回报率。针对企业最高价值的领域特定问题定制的解决方案可带来可衡量的运营收益。例如，GE Aviation构建了一个定制的、人工智能驱动的预测维护系统，将计划外停机时间减少了30%——这是COTS工具在复杂环境中难以复制的成果。
为了做出正确的构建还是购买决策，A&D企业应：
构建适合公司独特任务的人工智能，优先考虑能产生最大影响的面向用户解决方案。
专注于少数几个能显著推动核心运营或任务成果的人工智能解决方案。
3. A&D构建大型内部人工智能团队，而其他行业更智能地扩展
在我们的调查中，80%的A&D企业报告称，他们正在构建比汽车等可比行业大三倍的内部人工智能团队。这种努力可以理解，但往往超出了企业吸引和留住成功所需人才的能力。70%的A&D企业表示人工智能招聘是核心挑战。即使这些团队到位，人工智能的快速发展要求不断提升技能，难以保持势头。结果是：高成本、低留存率和有效扩展人工智能的有限能力。
作为回应，许多企业最终通过对人工智能开发平台的重大投资来增强内部劳动力，例如Palantir、DataRobot、C3.ai或Databricks提供的平台。这往往将资金拉向技术栈底层，并通过锁定外部供应商增加了成本。
与此同时，其他行业的领导者正在更智能地扩展。在Stanley Black & Decker，80%的人工智能用例通过一个专注的内部卓越中心构建，并由具有深厚专业知识和灵活能力的外部伙伴补充。外部伙伴可以提供特定技能的技术专长，而无需长期增加员工人数。A&D可以采用类似的模型：精简的内部团队专注于治理和核心知识产权，借助可靠伙伴的帮助进行交付和加速。
为了避免构建和保留大型内部人工智能团队的问题，A&D企业应：
制定人工智能劳动力策略。明确定义需要填补的角色，并计划长期招聘、保留和发展这些员工。
利用可靠的伙伴快速行动，降低风险，并获得难以招聘的人才。
避免用昂贵的平台支撑表现不佳的团队。开发工具在缺乏专注和执行的情况下无法创造价值。
前进之路始于重新定义重点
A&D的人工智能挑战不是雄心，而是重点。过多的投资被束缚在基础设施、现成产品和内部团队建设上，这些都无法带来影响——这是限制价值的三大关键失误。
为了优化他们的人工智能投资和战略，最有效的A&D领导者正在与运营者和专家交谈，学习哪些有效（哪些无效），然后快速推进几个高优先级的人工智能用例，以解决真正的运营需求。通过将重点转向人工智能真正创造价值的地方——技术栈顶端，为真实任务需求服务的定制解决方案，并由适度规模的内部团队和外部伙伴支持——A&D领导者可以大规模释放人工智能的变革性影响。
作者：阿迪·佐洛托夫、托马斯·佩迪科德、莱西·凯茨纳、法比奥·达尔·潘、凯利·格劳特
该部门还终止了五角大楼另外 11 份与非核心活动相关的合同。...
AI变革已在各行各业发生，开始重塑全球经济，未来数年必将深刻影响全球经济发展方向，成为全球各地区经济发展重点。然而，BCG近日发布的最新研究表明，大多数经济体尚未做好AI变革准备，超过70%的经济体在生态系统参与度、技能和...
BCG 的人工智能成熟度矩阵评估了全球 73 个经济体的人工智能成熟度和弹性,在接受评估的 73 个经济体中，只有 5 个经济体（加拿大、中国大陆、新加坡、英国和美国）被列为人工智能先锋,卢森堡、香港和新加坡等受人工智能影响最大的行业比例较高的经济体是世界上最容易受到人工智能颠覆的国家之一.
研究中的大多数经济体在研发和投资方面得分较低,美国和新加坡凭借强大的人工智能人才库脱颖而出，而中国大陆在研发竞赛中处于领先地位...