文字 | 三体君

编辑 | 三体君

在近期南京举办的IBM中国企业级人工智能高峰论坛之际，IBM大中华区的掌门人陈旭东先生强调：“自去年以来，AI的崭新浪潮汹涌而至，对于企业而言，AI的应用尚处探索阶段，唯有在‘规模化’应用上实现飞跃，方能充分展现技术的潜力与人类的创新能力，进而催生高效的生产力新纪元。”此言非虚，当前企业级AI应用的实践成果远未达到预期的理想状态。通用AI技术尚未能深度融合至企业的核心业务流程之中，更多地局限于特定场景的自动化处理；而近期大热的大模型技术，则似乎仍局限于“对话窗口”之内，主要在客户服务与客户体验领域发挥其作用。

企业级AI规模化应用

  才能创造更大价值

谷歌前任首席执行官施密特阐述了一个见解：回溯历史，电力在最初被引入工厂时，并未即刻超越蒸汽机所带来的生产力增幅，而是历经约三十载的演进，通过分布式电能的引入重构了生产车间的布局，并催生了组装系统的诞生，这才实现了生产力的显著飞跃。据此，他类比当前的人工智能技术，认为它如同早期的电力，虽蕴含巨大潜力，但目前仍主要聚焦于易于实现的成果，若要真正解锁其巨大价值，尚需依赖于组织结构与模式的创新。

这实际上与IBM关于企业级人工智能（AI）的见解不谋而合。过往，我们往往将AI视为单一技术创新点，力求在个别应用场景上实现突破，尽管解决了具体难题，但从企业全局视角衡量，其影响力相当有限。作为宝马集团在华的信息技术枢纽及IBM的客户，领悦数字信息技术有限公司南京分公司的总经理戚海飞分享了一个深刻的案例：“早在2018年左右，宝马已开始探索数字化工厂，于多个应用场景融入AI技术，但这些尝试对宝马庞大体量的效率提升与回报贡献，显得相当有限。”经历深思后，戚海飞认识到，AI的真正价值在于规模化应用，随后两年内，他们成功研发并部署了100项AI应用。“之所以能取得这样的成效，离不开我们前期的数据整合与平台化建设，规模化应用带来的效率飞跃更是让我们深有感触。”

戚海飞进一步观察到，AI的规模化应用能够不断拓展其赋能潜力，宝马公司已在生产制造领域挖掘出更多AI驱动的新场景，并开启了新一轮的研发。这也呼应了IBM全球CEO Arvind Krishna在今年5月Think大会上的预测：2024年将是企业从AI试验阶段跨越至大规模应用的关键转折点。IBM商业价值研究院最新研究报告指出，全球高达67%的CEO相信，到2030年前，AI将驱动企业内部变革，促进业务增长。这一数据表明，超过半数的企业有望从AI转型中获益，而从现在至2030年，正是企业级AI实现规模化部署的关键时期。

三步走，

成为一家AI驱动的创新公司

然而，认识容易实践难，预见未来并不等同于能够掌控其走向。企业在推进AI的规模化应用之路上，仍面临重重挑战。

正如熊彼特所言，创新的核心在于“构建一种全新的生产函数”，即实现前所未有的生产要素与生产条件的‘新融合’。基于此视角，数据作为新兴生产要素与人工智能技术条件的深度融合，方为真正的生产力革新。而企业级AI应用面临的最大瓶颈正是数据问题。

陈旭东强调，“单一的企业数据难题，便足以让众多企业望而却步。许多企业虽坐拥数据宝藏，但在尝试AI应用时却发现，这些数据散落于数十个系统之中，格式纷繁复杂，这成为了企业迈向AI规模化应用道路上的一块巨石。”实际上，数字化的基石在于数据化，企业的数字化转型历程，本质上是对数据价值不断挖掘与深化的过程。随着智能化时代的到来，数据的价值更是被推向了前所未有的高度。

IBM大中华区咨询业务总裁陈科典强调：“‘数据乃AI之根本’，缺乏数据，AI便无从谈起。过去十五年，云服务商的迅猛扩张，核心在于数据量的爆炸性增长，因为唯有云端能承载如此庞大的数据量。因此，要最大化数据与AI的潜能，构建顶尖的混合云架构至关重要，以此释放数据的力量，并激发AI的潜能。”这正是IBM战略聚焦于“混合云融合AI”的深层逻辑。

当我们认识到数据对企业AI战略的核心价值后，新的挑战浮现：如何将企业数据转化为推动AI发展的强大动力？IBM提出了一个“三步策略”：首先，甄选可靠的基线模型；其次，将企业的专业知识融入此基线模型；最后，部署、扩展并应用“定制化AI”。尽管这三步看似简明，但实践之路并不平坦。在中国市场，随着“模型竞争白热化”的态势，寻找真正可信赖且符合企业需求的模型尤为艰巨，这要求模型不仅数据安全有保障，还需具备企业级特性和深刻理解企业需求。IBM的Granite系列模型，凭借其高质量、可信赖的数据源，严格的数据安全与隔离标准，以及对不良内容的剔除，加之IBM的企业级背景，成为了企业的优选。

在知识融入环节，许多企业发现直接使用自身数据训练的模型难以精准反映企业专长，难以达成效率与质量的双重提升。IBM的InstructLab大规模对齐技术则能有效解决这一问题，确保模型更好地服务于企业实际需求。

至于AI的部署与应用，则涉及模型开发、数据处理及AI治理等多个层面的综合能力。在业界，能全面满足这些需求的企业级AI服务提供商屈指可数。IBM自2011年起便推出了企业级AI产品Watson，已在全球范围内积累了4万企业客户，去年更是推出了企业级AI与数据平台watsonx，专注于深化企业级服务，不仅助力客户解决数据治理、IT架构现代化等问题，还在企业全球化拓展及安全合规方面提供坚实支持，陈旭东补充道。

IBM正全力推动企业级AI

规模化落地

总而言之，行业智能化要脱离理论上的“完美构想”，就必须切实扎根于产业实践中。

企业级AI的广泛应用，从根本上反映了AI在企业层面实施与落地的成熟程度。

IBM大中华区技术销售总经理朱辉指出，以往我们常将AI视为‘实验室中的技术’，较少考虑企业内部广泛参与AI全生命周期的需求，如模型训练、微调、测试、部署乃至运维环境的支持等。然而，要实现企业级AI的规模化应用，这些复杂因素都需纳入企业的战略规划之中。大模型要成为企业日常运营不可或缺的生产力工具，一种基础且持续运作的能力。” 正因如此，IBM推出了InstructLab大规模对齐技术，旨在协助企业基于内部数据生成合成数据（synthetic data），进而强化基础模型，最终构建出企业专属的大规模AI模型。同时，随着企业AI应用范围的持续扩展，数据量也将呈现爆炸式增长，迫使企业不得不再次直面数据处理这一严峻挑战。

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规模化达到一定程度，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。

免责声明

我们尊重每一位原创作者的心血，转载均注明文章作者及来源。若涉及版权问题，请与我们联系。我们会第一时间处理。

关于我们:

洞察全球商业规律与趋势、助力中国企业征战全球；我们提供出海一站式服务、目标市场出海深度考察与资源对接。