一、金融业领导者在 2025 年需要了解的内容

AI 正在证明其存在的长久价值。2023 年，人们对其既感恐慌又觉惊叹；2024 年，广泛的实验层出不穷；而到了 2025 年，金融服务企业将真正步入严肃应用 AI 的关键阶段。然而，现实情况却复杂得多：就在人工智能的概念验证逐渐走出沙盒、迈向生产环境的同时，一些曾经最积极的 AI 拥护者，却开始显露出几分悲观情绪。

如何在这一新格局中稳步前行，不仅是我个人最为关切的议题，也是 Snowflake 首席执行官 Sridhar Ramaswamy、杰出人工智能工程师 Yuxiong Xe 等多位高管，以及参与撰写的《Snowflake AI + 数据预测 2025》报告的行业专家们共同聚焦的核心。从人工智能的运营化落地，到领导者能力框架的重塑，我们正在展望一个由 AI 加速驱动的未来可能呈现的图景——同时也在思考，如果企业未能奠定坚实的数据战略基础、从而错失这一变革浪潮，又将面临怎样的挑战。

我们将深入探讨人工智能的应用以及未来几年可预见的监管挑战将如何影响金融服务业。该行业将采取更为审慎均衡的发展路径，在追求技术创新的同时，更加注重清晰且可衡量的业务价值。一个关键问题在于，一向技术导向的金融行业，是否愿意大规模押注那些全新且尚未经过实践验证的 AI 解决方案。

预测：金融服务领域盲目投入 AI 的时代即将结束。

在我看来，人工智能正通过两种主要方式为金融服务机构创造价值：一是增强员工能力，二是实现完全自主化运行。后者在相当长一段时间内仍将处于试验阶段，主要原因在于，一旦因自动化决策导致客户利益受损，将对企业盈利造成难以承受的风险。

董事会当然会关注投资回报率（ROI），但这绝不会以牺牲机构稳健为代价。与此同时，监管机构也正高度警惕地守护着企业、消费者乃至整个金融系统的安全——这势必会限制许多企业原本设想的超高速 AI 推广计划。

如需了解我对 2025 年金融服务业的更多预测、其他六位行业领袖的深度解析，以及 Snowflake 人工智能负责人 Baris Gultekin 和首席信息安全官 Brad Jones 等高管带来的最新宏观数据与 AI 趋势展望，敬请阅读完整报告。

二、AI 作为网络安全工具与目标

尽管 AI 仍然是最热门的技术话题，但在 2025 年，它并不是企业安全的首要问题。先进的 AI 将开辟新的攻击路径，同时也为保护组织数据提供新的工具。但根本的挑战在于，过度工作的网络安全团队面临的数据量庞大，他们在努力回答一些基本问题时，例如‘我们是否正在遭受攻击？

在《Snowflake AI + 数据预测 2025》中，我与十多位专家和行业领袖一起讨论了 AI 在未来几年将带来的变化，从安全角度来看，这既有好消息，也有坏消息。AI 既是问题的推手——更多的数据需要保护，更多的攻击面——也是潜在的福音，提供了管理人类无法单独处理的大量数据的工具。我们的报告中，除了其他内容外，还指出了 AI 时代推进过程中，网络安全的四大关键任务。

通过安全数据湖应对数据过载

安全专业人员必须不断提升能力，确保在所有可用数据中，使用正确的输入来识别漏洞和事件。安全数据湖将继续成为一种受欢迎的成本效益高的方式，用于汇聚来自不同来源的大量数据。在安全数据湖中，团队可以利用机器学习和高级分析技术。而且，通过使保存更多数据更加经济，团队可以进行更好的取证。与传统的安全事件和事件管理工具相比，安全数据湖通常更具灵活性、可扩展性和成本效益。SIEM（安全信息与事件管理）工具也更适合与 AI 解决方案结合，基于这些原因，我们预计安全数据湖最终将取代 SIEM。 

理解 AI 作为攻击向量

去年，我们发布了一个 AI 安全框架，识别了针对大型语言模型和生成式 AI 系统的 20 种攻击向量。在其中，我们讨论了三层可能成为攻击面 AI。我们在去年的预测报告中讨论了第一层——核心平台。我们指出，自动化可以防止生产层级的配置错误，而开发环境则成为相对更易受攻击的目标。但此时，这些基础设施也已经得到了相当好的巩固。

在未来一年，我们预计将看到下一个层级——模型操作，成为更常见的攻击目标。安全专业人员将需要考虑模型是如何最初训练的，以及它如何在生产环境中融入新数据。我们将必须审视整个模型的生命周期，以及它所接收数据的生命周期。安全团队将需要标准化他们对新 AI 技术的应用，以确保它们和一般企业基础设施一样安全。

第三层攻击是我们预计将进一步增加的攻击方式，即直接与 AI 交互，诱使其泄露本不应纳入模型的敏感数据。这就是为什么我们看到数据安全姿态管理（Data Security Posture Management）这一新兴实践的出现，它旨在提供更好的可见性，了解企业中数据的位置、用途和安全性。

理解 AI 作为安全推动者

人工智能还将提供新的工具来保护企业，安全团队已经在试验早期的可能性。通过生成式 AI 接口的 LLM（大型语言模型），可以用自然语言提出关于整体安全态势或特定警报和模式的问题。这种安全副驾驶体验将逐渐成熟，成为长期人手不足的安全团队更有效的助手。特别是，AI 驱动的工具将帮助更多初级安全专业人员迅速将想法转化为查询和分析，这将减少学习复杂查询逻辑所需的时间，并更快地解决即时的安全问题。

特别是，AI 系统总结安全事件的能力将是一个巨大的进步。试想，AI 可能告诉你：‘我发现数据传输中有一个异常模式——这种类型的数据通常不会在一天中的这个时间，从这个位置传输这么多。’这种高层次的描述比通知你‘去查看 VPN 日志、存储日志和电子邮件日志，然后自己连接这些点’要有用得多。而这基本上就是我们目前所处的状态。

高级 AI 将帮助安全团队在检测到异常时理解其原因，并在事件发生后进行取证分析，以全面了解发生了什么以及如何防止类似事件的发生。最终，它将不仅仅用于事件分析，还将用于整体数据安全姿态管理，因为 AI 能够分析比现有工具或人工操作员更为复杂的系统。

确保人类参与其中

如今，安全工具已经常见于自动响应某些事件，比人类能采取行动的速度更快地关闭攻击。从理论上讲，生成式 AI 可以做出更复杂的决策并采取更大、更全面的行动。但这需要相当长一段时间才能实现。生成式 AI 网络安全工具将在最终决策中依赖人类判断，特别是在涉及伦理问题和更复杂的风险因素时。

总体来说，我认为网络安全团队的未来前景光明。虽然仍有很多工作要做，保护的数据也越来越多，但这始终是事实。随着新标准和新方法的不断发展，以更好地保护 AI 驱动的企业，最令人兴奋的莫过于那些新工具和新方式，它们帮助我们更好地掌控数据和安全态势。

三、旅游与酒店行业高管需要了解的 AI 知识

如果说 2023 年是人们对人工智能感到恐慌又惊叹的一年，2024 年是人们对其进行试验的一年，那么可以认为 2025 年将是人工智能真正投入实际应用的一年。

在旅游业和酒店业，人工智能的应用已经在加速，来年将会看到个性化服务得到更广泛的运用，运营也会得到更大程度的优化。此外，预测分析能力也会有所提升，这一能力有望极大地缓解每位旅行者都曾面临的痛点，各企业正在关注由此带来的效率提升，而这种提升几乎涉及到其业务的方方面面。

在我们即将举办的网络研讨会《2025 年旅游与酒店行业的数据与 AI 预测》中，我们将探讨推动行业发展的趋势，包括公司如何利用生成性 AI 能力，更好地服务客户，同时保持个人化联系的最佳实践。

从航空业到度假村，再到旅游科技公司，以下是我们预计将看到的，AI 如何改变行业的一些方式。

预测：AI 将在旅游行业创造前所未有的个性化机会。

人们出行的原因各不相同：有的是为了工作，有的是为了休闲，有的是去探亲或参加活动。然而，随着出行的不同情况，单个旅客的需求和优先事项也会发生剧烈变化。一个星期，某人可能在寻找经济实惠的家庭选项；而下个星期，可能愿意为商务旅行支付高价。

到 2025 年，AI 驱动的个性化将达到新的高度，通过识别和响应不同的旅行者身份，从初步规划到旅行中的实时调整。虽然通过 AI 实现的基本个性化并不新鲜，但未来几年将会出现更为复杂、能够感知情境的系统，这些系统不仅能了解你是谁、目的地在哪里，还能理解你为何出行。虽然公司需要在个性化与隐私问题之间找到平衡，但能够更深刻地理解旅行者在任何时刻的动机，将为客户带来更好的整体体验，并为服务这些客户的品牌提供更多的收入机会。

预测：AI 将简化运营并增强应对突发事件的能力

旅游行业每年因各种干扰损失数十亿资金——例如天气事件、劳资冲突、维修问题等。到 2025 年，企业将利用 AI 进一步优化运营，特别是在危机时刻。AI 系统将帮助预测何时应为转机乘客延迟航班，依据需求模式优化员工配置，并在出现干扰时自动重新预定航班。AI 工具将不会取代人工工作者，而是增强他们的能力，帮助他们做出更明智的决策，并迅速应对变化。 

预测：数据合作将促进更加无缝的旅行体验

到 2025 年，我们将看到旅游生态系统中各方之间的数据合作增加——从航空公司到酒店，再到其他旅游供应商。例如，如果旅客的航班延误，他们的酒店和租车公司将自动调整预订安排。尽管存在技术和隐私挑战，但这种安全合作的潜在好处将推动其采纳。成功参与这些数据共享生态系统的公司，将更有可能提供旅行者日益期待的无缝、快速响应的体验。

预测：AI 将扩展其在劳动力和收入管理中的影响

到 2025 年，AI 将增强核心旅游和酒店业务功能，例如劳动力管理和收入优化。航空公司、酒店和其他旅游供应商将利用 AI 动态预测需求、优化员工排班，并实时调整定价。例如，AI 驱动的劳动力管理系统将预测高峰时段，并相应安排员工，从而降低劳动力成本，同时保持服务质量。类似地，AI 将分析大量数据集，包括预订模式、市场趋势和客户偏好，以优化收入管理策略，最大化盈利能力和客户满意度。尽管在大规模实施这些 AI 驱动的解决方案时仍面临挑战，但那些积极拥抱这一转型的企业，将通过精简操作和通过智能、响应迅速的决策提升客户体验，从而获得竞争优势。

预测：AI 将成为赋能员工的关键工具

AI 将越来越多地超越面向客户的应用，成为旅游和酒店行业各类员工的宝贵资源——无论是前线员工、客户支持团队还是管理层。例如，AI 可以帮助酒店员工实时提供升级销售机会或个性化客人偏好的推荐，使他们能够提供更优质的客户体验。同样，航空公司登机口代理人可以使用 AI 动态评估座位配置，或更有效地处理因航班延误而产生的临时重新预订问题。AI 还将在员工技能提升中发挥作用，提供根据员工独特学习方式和职业路径定制的培训项目。通过自动化重复性任务和增强员工能力，AI 不仅能提高运营效率，还能增加员工的工作满意度和留任率，让员工能够专注于更高价值、以客人为中心的活动。

四、2025 年体育组织需要了解的 AI 事项

近年来，体育组织取得了重大进展。各大团队正转型为数据驱动型组织，涵盖了粉丝互动、盈利模式和体育运营等业务方面。

这一趋势恰逢 AI 炒作周期的最佳时机。AI 正证明它将成为长久之计。2023 年充满了恐慌与惊叹，2024 年则是广泛的实验之年，而 2025 年将是体育团队认真投入 AI 应用的一年。然而，这一过程并不简单：AI 的概念验证正在从沙箱阶段走向生产阶段，而一些最初的 AI 支持者也开始变得有些谨慎。

那些优先现代化技术架构的体育组织，现在有能力利用其数据，通过 AI 和机器学习（ML）构建竞争优势。

预测：体育联盟和球队——与票务和场馆合作伙伴共同努力——将优先提升体育场内的个性化体验

现场观看体育赛事的粉丝期待值已大幅提高。现场观看比赛必须为粉丝提供比在移动设备上流媒体观看比赛或在沙发上观看更具价值的体验。越来越多的组织将利用 AI 分析粉丝数据，使观看比赛既更加方便又富有个人化的满足感。这可能表现为更多启用面部识别的入场选项、根据座位区域提供的移动提醒更新（如洗手间排队信息）、定制的停车选择，以及赞助商提供的个性化商品和餐饮优惠。

预测：在线体育博彩的合规要求将增加

体育博彩平台已经需要遵守一套严格的合规和报告要求，同时平衡盈亏。部分复杂性源于不同国家和美国各州的规则差异。

随着问题赌博在更成熟的体育博彩市场（如欧洲）和较年轻的市场（如美国）中日益引起关注，更多的联邦和州级监管措施可能会出台，并加强审计，以防止潜在的不法行为。更多的体育博彩平台将依赖 AI 来自动化管理这些合规要求的流程，并通过机器学习最大化收入机会，同时尽量减少风险暴露。

预测：体育组织将继续增加数据来源，完善数据策略，并增强 AI 和 ML 的应用，以降低风险并最大化投资回报

各大联盟、联合会和球队现在已经有高效的解决方案来从任何来源获取数据，无论其结构如何。通过利用来自更多跟踪设备、运动传感器、可穿戴设备、视频及其他来源的数据，他们可以增强竞争优势。同样，体育博彩平台需要独特的数据来源，以将其博彩产品与竞争对手的产品区分开来。

拥有强大的数据战略，体育组织将更加确信其数据的质量和安全性，并更加依赖 AI 从过去的表现和结果中提取洞察，利用机器学习预测阵容和收入的影响。

五、制造业领导者 2025 必备指南

人工智能正证明其地位不可撼动。如果说 2023 年带来惊叹，2024 年迎来广泛试验，那么 2025 年将成为制造企业真正重视人工智能应用的关键之年。但局势复杂：当人工智能概念验证正从试验环境走向生产部署之际，曾力捧人工智能的部分先驱却开始转向审慎态度。

如何应对这一局面，正是我与 Snowflake 首席执行官 Sridhar Ramaswamy、杰出人工智能工程师 Yuxiong Xe 等业界专家共同关注的焦点——这些见解均收录于《Snowflake 2025 年人工智能与数据预测报告》。从人工智能的运营化实践到领导者技能体系的重构，我们预判了人工智能加速发展下的未来图景（以及企业若未能夯实数据战略根基可能面临的后果）。

我们深入探讨了人工智能应用态势与预期监管挑战对制造业的深远影响。行业将采取更审慎的策略，在技术创新与清晰可衡量的商业价值之间寻求平衡。核心议题在于：技术导向型制造企业对于全新技术、未经实践验证的人工智能解决方案的投入意愿将面临重大考验。

预测：人工智能将在未来十年推动第四次工业革命成为现实

过去十年间，第四次工业革命似乎只是个难以企及的热门概念，但对于那些投入数据整合并部署人工智能/机器学习解决方案的制造商而言，这一革命正在成为现实。随着先进工具与云端算力资源的普及，实现更高工厂性能的愿景正逐步落地。

向以人工智能消费为导向的统一数据转型将加速这一变革。集成化、标准化的数据战略将使制造商能够在整个工厂网络部署 AI 解决方案，从渐进式效率提升迈向真正的数字化转型。

除 AI 外，环境问题正驱动制造业发生重大变革。社会及监管机构对企业减少碳排放的要求日益严格，这不仅涉及自有设施，更涵盖整个供应链。欧洲市场将继续引领制造业的绿色变革，而数据将成为这些可持续发展举措的核心赋能要素。

如需了解我对 2025 年制造业的完整预测、六位行业领袖的深度洞见，以及来自 Snowflake 人工智能负责人 Baris Gultekin 和首席信息安全官 Brad Jones 等领导者的最新宏观数据与人工智能预测，请阅读完整报告。

原文地址：

https://www.snowflake.com/en/blog/ai-financial-services-2025-predictions/

https://www.snowflake.com/en/blog/ai-data-cybersecurity-predictions-2025/

https://www.snowflake.com/en/blog/ai-travel-hospitality-predictions-2025/

https://www.snowflake.com/en/blog/ai-sports-organizations-2025-predictions/

https://www.snowflake.com/en/blog/ai-manufacturing-2025-predictions/