Samsung 電子昨日正式發布 TrueBench（可信真實世界使用評估基準），成為首個專門評估 AI 模型在真實工作環境中生產力表現的企業級平台。這個由 Samsung 研究院開發的專有基準系統，目標是填補現有 AI 評估工具的關鍵空白，為全球企業提供更準確的大型語言模型（LLM）生產力衡量標準。 TrueBench 平台包含 2,485 個測試集，覆蓋 10 大類別、46 個子類別，支援包括中文、韓文、日文在內的 12 種語言，預計將重新定義 AI 生產力評估的行業標準。
突破現有評估局限的技術創新
TrueBench 的核心創新在於解決傳統 AI 基準測試的三大痛點：過度依賴英語環境、局限於單輪問答模式，以及缺乏真實工作場景模擬。 Samsung 裝置體驗事業部行政總裁兼 Samsung 研究院主管全京勛（Paul Kyungwhoon Cheun）表示：「Samsung 研究院透過真實的人工智能經驗，帶來了深厚的專業知識和競爭優勢」。該平台基於 Samsung 內部 AI 生產力應用經驗，評估包括內容生成、數據分析、摘要和翻譯等常用企業任務，測試範圍從 8 個字元的簡單請求到超過 20,000 字元的複雜文檔摘要任務。平台採用人機協作設計的評分標準，結合 AI 驅動的自動評估系統，確保評分的可靠性和一致性。
市場需求驅動的戰略佈局
根據 Boston Consulting Group（BCG）最新研究顯示，74% 的企業在 AI 實施方面仍難以實現和擴大價值，其中約 70% 的挑戰源於人員和流程相關問題。McKinsey 研究指出，超過半數高層認為 AI 和自動化將在未來三年內為公司帶來 10% 至 30% 的生產力提升。然而缺乏有效的 AI 生產力測量工具成為企業面臨的關鍵障礙。TrueBench 的推出正是回應這一市場需求，為企業提供實用的評估框架。市場分析機構預測，企業 AI 市場規模將從 2025 年的 972 億美元（約港幣 7,581.6 億元）增長至 2030 年的 2,293 億美元（約港幣 17,885.4 億元），年複合增長率達 18.9%。 Samsung 此舉被視為在快速增長的企業 AI 服務市場中搶佔先機的戰略部署。
TrueBench 的多語言和多場景設計將顯著影響全球 AI 部署策略。史丹佛大學 AI 指數報告指出，愈來愈多研究證實 AI 能提升生產力，在大多數情況下有助於縮小技能差距。然而現有基準測試工具的局限性一直是行業痛點。有分析師指出：「TrueBench 與學術測試不同，它評估的是 AI 在 2,485 個真實企業任務中的表現，跨越 12 種語言——從快速內容生成到複雜文檔分析」。
競爭格局中的差異化定位
在 AI 基準測試領域，Google 和 OpenAI 長期主導技術標準制定。Google DeepMind 和 OpenAI 最近在國際數學奧林匹克競賽中的優異表現，展現了其在 AI 推理能力方面的領先地位。然而這些基準測試主要關注學術性能力，與企業實際應用需求存在差距。Samsung 的 TrueBench 通過專注於 workplace productivity scenarios（工作場所生產力場景），在競爭中找到了差異化定位。相比之下，現有的評估工具如 Weights & Biases、Hugging Face 等主要服務於研發團隊，而非企業決策者。Samsung 利用其在消費電子和企業解決方案方面的經驗優勢，開發出更貼近實際業務需求的評估標準，這與競爭對手的純技術導向形成鮮明對比。
企業AI導入的未來趨勢預測
TrueBench 的推出標誌著企業 AI 評估從技術指標向 business outcomes（商業成果）轉變的重要里程碑。McKinsey 2025 技術趨勢展望指出，應用 AI 將成為主導趨勢，工業化機器學習和生成式 AI 將深度整合。對於企業決策者而言，TrueBench 提供的多語言、多場景評估能力，將成為制定 AI 投資策略的重要依據。隨著 Agentic AI（代理 AI）工作流程興起，AI 代理協作處理複雜任務將成為提升生產力的關鍵。 Samsung 透過 TrueBench 建立的評估標準，有望成為行業參考基準，影響未來企業 AI 採購和部署決策。這一平台不僅體現了 Samsung 從硬件製造商向 AI 服務供應商的戰略轉型，也為全球企業提供了衡量 AI 投資回報率的新工具，預計將在 2025 年企業 AI 市場競爭中發揮關鍵作用。
