1. 首頁 > 生活百科 > >

智能化與全球化并進，IBM中國下一個40年思考

aiibm

智能化與全球化并進，IBM中國下一個40年思考
作者：王聰彬
如果把過去一年多民營企業的AI實踐畫一個時間軸 ， 可以發現一條非常清晰的演進曲線 。
最早民營企業使用AI在于“快”和“易用” ， 更多將AI看成“即插即用”的效率工具 ， 普遍通過SaaS產品或直接調用第三方大模型能力 ， 用最快的方式提升生產效率 ， 尤其在個人辦公、內容生成、基礎分析等通用場景最先開始 。
但隨著應用的深化 ， AI的重心開始發生轉移 。 民營企業不再滿足于通用能力帶來的邊際提升 ， 而是把目光投向更貼近自身業務的領域 。 IBM觀察到 ， 雖然去年下半年到今年上半年 ， 效率工具仍然是主線 ， 但已經有越來越多的民營企業開始嘗試在具體業務域中引入AI ， 探索更深層次的應用方式 。
進入今年下半年 ， 這一變化明顯加速 。 AI開始走向業務核心 ， 圍繞具體業務域構建智能體、重塑流程 ， 成為企業數字化與智能化轉型的新抓手 。 從提效到賦能 ， 從通用到專用 ， 民營企業對AI的理解 ， 正在發生一次更為本質的轉變 。
AI布局 ， 即賽道、即戰略
如今AI已經正成為一個確定性的賽道 ， 當下已是萬億市場規模 ， 未來有望成長為十萬億級別的行業 。
生成式AI與傳統AI正深度嵌入產品研發、生產制造、供應鏈與自動化體系之中 。 但要真正用好AI ， 一定繞不開技術債這一問題 。 IBM一直強調 ， AI能力的上限 ， 往往取決于企業的底層基礎是否扎實 ， 是否擁有高質量的數據 ， 可被各種模型持續消費 。
IBM大中華區技術銷售總經理、首席技術官翟峰最近在寧波走訪了一家大型石化企業 ， 他們在生產制造環節 ， 采用基理模型、灰度模型和小模型 ， 對復雜工藝流程進行持續優化 ， 這類模型反而帶來了更直接、可量化的ROI 。 而在企業運營、辦公效率、HR等場景中 ， 大模型已經開始顯現規模化價值 。



IBM大中華區技術銷售總經理、首席技術官翟峰
與此同時 ， 安全治理也在走向“默認” 。 越來越多企業開始接受兩個新的by default：一是AI by default ， 所有業務都要融入AI；二是安全by default ， 尤其在全球化背景下 ， 數據安全、合規成為必須滿足的前置條件 。
最后一個不可忽視的是集成能力 。 當智能體真正開始“干活” ， 將調用企業已有的各類業務系統 ， 如何與現有系統打通實現集成 ， 成為智能體落地的關鍵 。
在今年的Think大會上 ， IBM公布了多項戰略性收購：在集成領域收購了webMethods ， 在數據領域收購了DataStax ， 在混合云領域收購了HashiCorp ， 這些動作都是圍繞 AI 時代底層能力的系統性布局 。
“如今很多企業的智能體仍停留在“小而美”的階段 ， 只能解決單一場景問題 ， 難以產生可觀的 ROI 。 ”翟峰強調 ， 根本原因在于缺乏支撐規模化的關鍵能力 ， 系統集成不暢、數據孤島未破、混合云架構不完善 。
IBM正在圍繞整個技術棧持續加碼 ， 明確AI領域的布局與能力建設 ， 這一賽道和戰略方向 。
價值鏈出海 ， 需要哪些能力體系
雖然出海并不是一個新概念 ， 但如今為了擺脫“內卷” ， 出海還是越來越多企業選擇的一條增長路徑 。
翟峰觀察發現 ， 現在的出海已經從品牌出海變為整個價值鏈出海 ， 不僅人要出去 ， 研發、生產、銷售都要出去 ， 更加強調本地化運營 。 “出海的企業慢慢把自己打造成一個當地的本地化公司 ， 這是很多國內企業現在加速在做的一件事情 。 ”
但出海從來不是一件低門檻的事 。 陌生的市場環境、差異化的監管與文化 ， 以及更復雜的經營挑戰 ， 真正走通這條路的企業不足兩成 。 正因如此 ， IBM在中國重新錨定“智能化”與“全球化”的定位 ， 為企業出海提供更具確定性的支撐 。
真正走向海外市場 ， 企業需要的是一整套“本地化體系” 。 IBM認為 ， 企業實現價值鏈出海 ， 進行全球化運營 ， 需要構建落地全球市場的“3+1”能力體系（2大能力和1個數字基座） 。
首先是營銷本地化 。 企業必須真正理解本地市場 ， 客戶在哪里、需求是什么、偏好如何變化 ， 并將這些洞察持續反哺到產品研發中 ， 形成產品設計與定位 。
其次是供應鏈本地化 。 如何以最快的方式把產品交付到客戶手中 ， 背后涉及了諸多因素 ， 是否在當地設廠、如何布局物流與倉儲、通過本地合作伙伴進行代工生產等等 。 供應鏈是否貼近市場 ， 直接影響了成本結構和響應速度 。
第三是服務本地化 。 隨著中國企業從代工走向品牌出海 ， 服務與客戶體驗的重要性被顯著放大 。 不是簡單“賣到海外” ， 而是在海外真正建立起完整的業務閉環 。
而在三大能力背后 ， 必須有一套穩定而靈活的數字化底座作為支撐“全球IT架構一體化” 。
現在AI的變量又全面介入 ， 站在企業“一號位”的視角 ， 如何在既有的三大業務域與全球化能力框架之上 ， 引入生成式AI ， 持續放大整體效率 ， 也成為重點 。
因為只有效率提升 ， 效益的上漲也只是時間問題 。 IBM內部常提到“零號客戶”的理念 ， 既在技術推向市場之前 ， 先在自身運營中深度應用 。 “如今圍繞人力資源、營銷、研發等核心領域 ， IBM已經通過AI實現了可量化的效率與運營提升 ， 并在此過程中不斷打磨產品與解決方案 。 ”翟峰說道 。
正是基于這些實踐 ， IBM希望把AI能力轉化為企業可落地、可復制的數字化與智能化工具 ， 進一步支撐企業的全球化運營 。
咨詢+技術 ， 企業級AI的落地密碼
IBM的企業級AI全棧“咨詢+科技”雙輪驅動 ， 正在賦能企業的智能化和全球化 ， 這也構成了當下IBM在中國業務布局中的一條清晰主線 。
能夠同時覆蓋戰略咨詢與技術落地的企業并不多見 ， 而將兩者深度耦合 ， 形成全棧能力的更是稀缺 。
【智能化與全球化并進，IBM中國下一個40年思考】IBM是如何做到的？IBM的企業級AI全棧能力 ， 可以拆解為四個層面 。 最上層是咨詢能力 ， 聚焦戰略、組織與業務變革 ， 為企業明確AI與全球化的方向和路徑 。
第二層是AI解決方案 。 IBM的軟件體系規模龐大 ， 長期在中國市場打磨沉淀 ， 篩選出最契合中國民營企業、制造業以及在中國外資企業需求的能力 ， 應對當前企業AI應用中最迫切的業務問題 。
“IBM現在正在做一件很重要的事情 ， 就是推動軟件的AI化 。 ”翟峰說 。 2018、2019 年收購紅帽之后 ， 我們首先完成了軟件能力的云化 ， 現在做的是全面的AI化 ， 將AI能力、智能體能力內嵌到每一個軟件中 ， 加速研發、供應鏈、財務等核心能力 。
第三層是AI技術平臺 ， 也是IBM近年來并購力度最大、研發投入最集中的一層 。 該層覆蓋數據平臺、模型平臺、集成平臺以及智能體平臺 ， 核心價值在于為AI提供標準化與規模化的能力底座 ， 通過打通DataOps、ModelOps、AgentOps的完整鏈路 ， 幫助企業構建可規范運行、持續演進的AI基礎架構 。
第四層是AI基礎設施 ， 包括IBM Cloud在內的基礎架構體系 。 比如出海企業進入哪個海外市場 ， IBM都可以依托基礎設施 ， 幫助客戶提升存儲與算力效率 ， 實現多云IT管理實現降本增效 。
最后是貫穿整體的安全治理與合規 。 隨著AI的加入 ， IT環境愈發復雜 ， 數據分散在不同系統與地域 ， 如何存儲、如何流動、是否合規都是現實的問題 。 這也使得企業迫切需要一套從咨詢到落地的完整解決方案 ， 覆蓋數據安全、AI安全、網絡安全、機密安全與數據傳輸安全 ， 構建貫穿全鏈路的安全與合規體系 。
現在安全能力正在被系統性地嵌入到IBM各類軟件模塊中 ， 幫助企業在更安全、更可控的前提下 ， 敢用數據、敢用模型 ， 加速AI應用的上線 。
今年9月 ， IBM正式啟動了中國市場的“AI深耕”計劃 ， 聚焦區域市場、伙伴生態、共創平臺三個關鍵詞 ， 核心的目的是把最好的技術資源服務打包送到企業身邊 。 下一個中國四十年 ， IBM希望持續把技術確定性轉化為企業增長與全球化發展的確定性 ， 做到智能化與全球化并進 。


    推薦閱讀