【ZiDongHua 之智能自动化收录关键词： IBM 人工智能 数字化转型 机器学习】
　　
　　媒体观点：企业级 AI，正在守望规模化应用的“奇点”—— IBM 如何带来 AI 生产力的“催化剂”
　　
　　本文转载自“科技正能量”，作者：郑凯。转载已获授权。
　　
　　在宇宙学中，当时空曲率变得无限大，导致物理定律在该点失效的点，叫做奇点。
　　
　　奇点，其实并不是“0”，而是一种从量变到质变的转折点。
 
　　
　　IBM 大中华区董事长、总经理陈旭东
　　
　　前不久在南京举行的 IBM 中国企业级AI巅峰论坛期间，IBM 大中华区董事长、总经理陈旭东说，“从去年开始，新的一轮 AI 浪潮扑面而来，对企业而言，AI 应用仍在摸索阶段，只有在‘规模化’上形成突破，才能释放技术的价值和人的创造力，从而创造新的优质生产力。”
　　
　　确如此言，当前企业级 AI 应用的落地情况远没有理想中丰满。通用 AI 能力没有能够走进企业核心业务流程，更趋近于某些应用场景的自动化；而忽然引爆的大模型，则像是活在“对话框”，仅能在客服或客户体验环节发光发热。
　　
　　AI 之所以没有能够迸发出改变时代前行的动力，归根结底是AI没有形成大规模的应用，还没有触摸到企业级 AI 从量变走向质变的“奇点”。
　　
　　01
　　
　　企业级 AI 规模化应用，才能创造更大价值
　　
　　谷歌前 CEO 施密特提出过一个观点：在历史上，电力在引入工厂之后并没有比蒸汽机创造更多的生产力，历经 30年时间，分布式电源改造了车间布局，推动组装系统的出现，才实现了生产力的飞跃。
　　
　　所以，他认为现在的 AI 和当初的电力一样，尽管有价值，但还只是在摘取“低垂的果实”，需要组织创新，才能真正获得巨大回报。
 
　　
　　这其实与 IBM 对企业级 AI 的看法是相似的。过去我们通常将 AI 看做一项技术创新，总在某些单项应用上做单点突破，尽管解决了一些具体问题，但从整个企业的维度上，这种提升其实微乎其微。
　　
　　作为宝马集团在中国的信息技术中心以及 IBM 的客户，领悦数字信息技术有限公司南京分公司总经理戚海飞谈到了一个很有价值的故事，“早在 2018年前后，宝马就在做数字化工厂，在七八个应用场景中部署 AI 应用，但是这几个场景所能带来的效率提升和回报，相对于宝马这么大的企业来说是很有限的。”
　　
　　在经过了一系列的反思后，戚海飞发现 AI 应用只有走向规模化，才能形成更高价值，因此在其后的两年内完成了 100多个 AI 应用的研发和部署，“能够有这样的效率，和我们前期所做的数据整合和平台化工作密不可分，当然我们也从中体会到规模化带来的效率提升。” 戚海飞也发现，AI 应用越是规模化，越能发掘出可以被 AI 赋能的场景，如今宝马公司仅在生产制造领域，就梳理出更多 AI驱动的场景，并展开了下一阶段的研发。
　　
　　这也是为什么，IBM 全球 CEO Arvind Krishna 会在今年 5月份 Think 大会上预测：2024年将是企业从试用 AI 迈向大规模应用 AI 关键的一年。
　　
　　IBM 商业价值研究院最近的一份报告显示：全球有 67% 的 CEO 相信在 2030年前 AI 将能够推动公司内变革，以实现业务增长。这说明，超越一半的企业将在 AI 化转型中获益，而从当下到 2030年，将是企业级 AI 走向规模化的关键周期。
　　
　　02
　　
　　三步走，成为一家 AI 驱动的创新公司
　　
　　但知易行难，能够预见未来不等于可以把握未来。摆在企业 AI 规模化应用面前的，仍有很多难题。
　　
　　熊彼特说过，创新是要“建立一种新的生产函数”，也就是形成一种从来没有过的生产要素和生产条件的“新组合”。从这个角度看，数据这一新的生产要素与人工智能技术的生产条件相结合，才是真正的生产力组合。
　　
　　而企业级 AI 应用最大的难题正是数据。陈旭东指出，“仅仅企业数据这一个问题，就可以难倒大多数企业。很多企业尽管拥有数据，但在试点 AI 应用之前，就会发现这些数据分布在几十个系统，且格式不一，这是企业走向规模化AI应用之前的最大障碍。”
　　
　　事实上，数字化的基础是数据化，企业数字化转型至今，其实可以看作是对数据价值挖掘由浅及深的过程，而步入智能化时代，数据的意义则更为凸显。
 
　　
　　IBM 咨询大中华区总裁陈科典
　　
　　IBM 咨询大中华区总裁陈科典则提出，“‘no data no AI’，没有数据就没有 AI。过去 15年云厂商能够迅速的增长，其实也是得益于在数据方面取得了爆发式的增长，因为只有云能够承载那么巨量的数据。所以，如何能让数据发挥更大的力量，就必须要有最好的混合云架构，把数据的力量发挥出来，把AI的力量也发挥出来。”
　　
　　这其实也是 IBM 将战略定位于“混合云 + AI”的真正原因。
　　
　　当我们明确了数据之于企业 AI 战略的意义之后，也随之产生了第二个难题：要如何把企业的数据转化为 AI 的驱动力？
　　
　　IBM 给出了一个“三步走”的公式：第一步，选择可信的基础模型；第二步，把企业的知识融入到基础模型；第三步，部署、扩展和使用“你的 AI”。
　　
　　乍看上去，这三步走似乎并不难，那是不是企业按部就班的走下去就能抵达“智能化”的彼岸呢？
　　
　　答案显然是否定的。
　　
　　我们知道，中国市场从去年开始就有了“百模大战”，在如此复杂的选项中找到那个真正可信的模型，并不容易，它不仅要考量数据安全的能力，更要选择有企业级基因，懂企业需求的模型。
　　
　　在这方面，IBM 的 Granite 系列模型，是用各个领域优质、可信的数据构建，符合 IBM 非常严苛的数据隔离和监管标准，还擦除了里面仇恨、虐待、脏话以及重复的数据。再加上 IBM 的企业级基因，其实可以是企业很好的选择。
　　
　　在知识融入基础模型方面，很多企业用自己的数据训练完大模型以后，发现模型对企业的知识和技能并不够好，所以无法实现提质增效的作用。而 IBM 的InstructLab 大规模对齐技术可以很好地帮助企业解决这个问题，让调教后的模型能够很好地为企业所用。
　　
　　最后是怎么去部署和使用 AI。这其实需要模型开发平台、数据处理和 AI 治理等完整的能力集，纵观行业中的企业级 AI 服务商，能够满足全面条件的公司并不多。
　　
　　“IBM 早在 2011年就发布了企业级 AI 产品 Watson，在全球累计了 4万企业级客户，去年又发布了企业级 AI 与数据平台 watsonx；同时 IBM 专注于企业级客户的深耕，既能帮助客户解决数据治理、IT 架构现代化等问题，也能在也能在业务出海、安全合规为企业保驾护航。”陈旭东说。
　　
　　03
　　
　　IBM 正全力推动企业级 AI 规模化落地
　　
　　归根结底，行业智能化要走出理想的“乌托邦”，就势必要落地产业端。
　　
　　企业级 AI 的规模化应用，本质上也代表了 AI 应用在企业级落地的成熟度。
　　
　　IBM 大中华区技术销售总经理朱辉
　　
　　IBM 大中华区技术销售总经理朱辉表示，过去的我们把 AI 称之为“实验室 AI”，一般不需要考虑企业内部是否会有很多人参与到AI的开发，包括模型的训练、微调、测试、部署，甚至于运维环境该怎么保障等等。但企业级 AI 要规模化，这些复杂的问题都要纳入到企业的考虑当中。当大模型要成为企业的生产力，它要作为一种日常工作，一种基础能力”
　　
　　这也是为什么 IBM 会推出了 InstructLab 大规模对齐技术，它可以帮助企业在内部数据基础之上形成合成数据（synthetic data），并对基础模型进一步地加强，最终成为企业可以自己拥有的大模型。
　　
　　当然，随着企业 AI 应用规模的不断增大，数据的规模也会以指数级的速度变大。企业也不得不再度面对数据处理的挑战。
　　
　　IBM 大中华区科技事业部总经理、IBM 中国总经理侯淼
　　
　　IBM 大中华区科技事业部总经理、IBM 中国总经理侯淼说，“AI 应用不仅会使数据量变大，而且 95% 以上都是非结构化数据，所以对存储的要求越来越高，对于企业来说存储就代表着成本。因为 AI 应用的规模化，会导致图像和语音数据的访问要求频度变高，过去的冷数据变成了温冷数据，如果仍然是硬盘作为主要存储，成本就会持续升高。”
　　
　　所以 IBM 在磁带技术上一直不断突破，这并非是“炒冷饭”，而是将最具性价比的存储解决方案提供给客户，客观地说这也是一种客户视角，是懂企业客户需求的一种表现。
　　
　　当然，在迈向企业 AI 规模化应用的路径中，每一家企业都有不同程度的困难，朱辉指出，“要实现生成式 AI 的规模化应用，企业必须在三方面做出改变，即人才、流程和治理。因此，AI 和自动化技术的应用至关重要。IBM 希望借助最新的 AI 与自动化技术，为企业打造‘最强大脑’，并加速业务创新。基于 IBM 的 AI 助手，企业可以利用自然语言理解和机器学习技术，将数据转化为个性化的见解和及时的自动化行动；AI 驱动的全新自动化平台 IBM Concert 帮助企业利用 AI 洞察来掌控运营，有望成为企业技术和运营的‘神经中枢’。”
　　
　　除了技术能力支持和 IBM 自身的 AI 洞察之外，IBM 也希望授之以渔。通过试点项目，找到有共同理想的，志同道合的合作伙伴，通过深度的技术合作，让合作伙伴自己具备造血功能，能够在 IBM AI 能力的基础之上形成解决方案，做到让 AI 遍地开花。
　　
　　图灵新智算董事长刘淼表示，“与 IBM 合作，除了技术和产品，我们期待能够与IBM携手，帮助行业客户解决采用AI可能遇到的包括算力、数据、成本、安全、合规等在内的复杂问题；并且能够以平台的方法、借助生态的力量，帮助行业客户快速以合理的 ROI 实现 AI 的场景落地、扩展和价值获取。”
　　
　　有“智”者事竟成，企业级AI的规模化成长路线，与企业的管理和运营能力升级必然是同频共振的曲线。当企业级 AI 规模化达到“奇点”，势必会有一批新的行业内的 AI 创新领先企业诞生，并迅速拉开与竞争者的差距。
　　
　　END
　　
　　写到文章末尾，笔者忽然觉得有很多话没有说完。
　　
　　相信很多人都看到了“IBM 研发部门撤离中国”的消息，也引发了 IBM 全球是否也在“走下神坛”的大讨论。这可能是一个很长的话题，笔者只选择几个小观点做一些阐述。
　　
　　第一，从 IBM 公布的 2023年全年财报看：2023年全年营收为 619亿美元，同比增长 2%，净利润为 75亿美元，公司的整体盈利水平并不差。所以，对于区域市场的组织结构调整，仅是一种管理上的考量，而非体现其他战略意图。
　　
　　第二，过去 40年，以 IBM 为代表的几家跨国科技公司在中国布道，帮助一大批中国企业在信息化上实现 0 到 1，并逐渐丰满，完成从规模化到竞争力的跨越。伴随着中国企业的飞速成长，和自有科技能力建设上的诉求，这些跨国科技公司在中国减少对基础技术、产品和服务的投入，转而提供更高附加值的能力，如咨询服务或是企业级AI创新平台等，这本身就是顺应市场形势变化的选择，而非对中国市场的“放弃”。
　　
　　第三，中国民营企业，尤其是最出色的一批民营企业，都在出海或是筹备出海。这背后同步会涉及管理能力和运营能力的出海，要站在世界看全球，而不是站在中国看世界，这时候选择 IBM 这样本身就有全球化服务能力的公司，显然是很合理的。所以 IBM 中国企业级 AI 巅峰论坛选择在南京召开，因为这里有更多的优秀民营企业。
　　
　　最后，不是每一家企业都能称之为“百年老店”，也不是每一家科技公司都在中国市场深入服务中国企业整整 40年。而 IBM 它今时今日，依然在努力为中国企业提供最新的技术和最好的服务，IBM 依然在和中国的伙伴一起，用最妥帖的方式帮助中国企业出海。
　　
　　无论如何，“科技无国界”仍然是共识，希望IBM和它的朋友们继续守护“科技连接世界”的初心。
　　
　　秋节是中国传统节日之一，也是一年中最重要、最盛大的节日之一。在这一天，以明亮的月亮和家人团聚为特点，承载着人们无尽的思念和美好的祝福。
　　
　　关于 IBM
　　
　　IBM 是全球领先的混合云、人工智能及企业服务提供商，帮助超过 175个国家和地区的客户，从其拥有的数据中获取商业洞察，简化业务流程，降低成本，并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过 4000家政府和企业实体依靠 IBM 混合云平台和红帽 OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。