作者 | 高玉娴
IBM 作为早期 AI 技术发展的关键推动者和参与者，在近几年生成式 AI 的浪潮中，其声量似乎已经被 OpenAI、谷歌、DeepSeek 以及一批 AI 大模型初创公司远远盖过。加上前段时间在中国和美国的裁员消息的传出，不禁让业界开始揣测，曾在百年发展历程中经历了一轮又一轮转型的“大象”是不是跳不动舞了？在新一波的 AI 技术狂欢中 IBM 是否已经错失了自己的生态位？
对此，IBM 大中华区董事长 / 总经理陈旭东在日前的 IBM 2025 年第一季度媒体沟通会上进行了回应。“目前市场上的声音主要聚焦在语言交互、多模态、智能体、具身智能以及 AI+ 各领域，而 IBM 更加关注企业怎么把新的 AI 技术应用到已经存在的业务中，为企业带来降本增效，这属于企业级 AI 的范畴，也是 IBM 的战略重点之一。”
而针对研发中心在中国的关闭，陈旭东也表示，这不会从根本上影响 IBM 在中国的业务。“这几年来，IBM 一直在全球进行研发体系的整合，将研发机构转移到其它人才密集且成本更优的地方。在中国，我们会继续通过技术销售团队和合作伙伴服务好客户，帮助企业做好技术和场景的结合落地。”
企业需要什么样的 AI？
事实上，面对生成式 AI 浪潮，IBM 这几年也并非没有“折腾”。2023 年，IBM 推出了企业级 AI 和数据平台 watsonx。在 DeepSeek 爆火之后， IBM 也很快在 watsonx 上提供了两个 DeepSeek-R1 模型的蒸馏版本。
但从策略上看，IBM 一直比较坚信“高精度小模型比通用大模型更适合企业级场景”。在 IBM 看来，企业 AI 应用场景的落地并不在于模型本身大小，而在于多大程度符合业务发展要求，能不能很好地完成任务。模型越“大”成本投入也越大，支持一个大模型的训练和运行非常消耗算力、电力等资源，并且在模型上线之后，企业业务本身仍然在不断变化，这要求模型具备适应性和可扩展性，系统能力也要不断学习和进化。所以出于运维成本的考虑，很多时候“小”模型反而比“大”模型更加节约且灵活。
这样的理念在 DeepSeek 爆火之后也得以验证。DeepSeek 的路线证明了在算力与数据受限条件下，小模型同样能实现高性能与低成本的双重突破，这大大降低了企业规模化部署 AI 的门槛，同样，也利好像 IBM 这样专注在企业级赛道的公司。
“接下来，会有更多企业加速部署 AI。我们看到不少企业在过去一两年里已经在诸如知识库、智能助手等场景做了一些试点，但这还不够，未来大家会进一步进入深水区，通过把企业数据、流程、业务系统打通，实现降本增效。”IBM 大中华区科技事业部技术销售总经理、首席技术官翟峰表示。
此外，他还强调，企业级 AI 应用不是装一个 DeepSeek 一体机就完了，在这背后还有很多关键的因素要考虑，比如高价值、高质量的数据，开放、灵活的模型选择，全链路的安全治理，以及 AI 助手、智能体等 AI 应用。
“当这一系列因素叠加在一起，挑战就会成倍增加。和试点的时候不同，一旦 AI 要进入生产环境，其中的供应链怎么优化？决策怎么做？库存如何管理？在这些核心的业务节点，AI 系统的稳定性、安全性、可靠性就会变得越来越重要。”翟峰表示。
对于绝大多数企业而言，AI 的部署不是从零开始，过去他们已经积累了大量信息化系统、大量的基础建设、大量的应用等等，究竟如何通过 AI 把这些“历史积累”连接起来，并实现赋能，这是企业接下来要着重突破的难题。
Agent 是下一个“筹码”
IBM 正在试图通过从基础设施、混合云 AI 工具到数据服务、AI 中间件、AI 助手 & 智能体的企业级的全栈 AI 能力帮企业解决这些问题。
比如，在数据层面，watsonx.data 针对企业中海量且复杂的数据，可以通过集中治理和本地自动化策略实施来确保数据的安全性和合规性，帮助企业把数据信息以最高效且合规的方式连接和管理起来，从而为 AI 应用赋能。
再比如，在模型层面，watsonx.ai 平台提供了至少四类模型供企业选择：第一，IBM 自研的 Granite 模型；第二，IBM 与合作伙伴合作提供的模型，包括 Meta 的 Llama 和欧洲的 Mistral AI；第三，与 Hugging Face 社区合作的开源模型，包括 DeepSeek 等；第四，行业垂直领域的小模型。
“在这个过程中，我们会跟企业一起根据业务的需要选择一个最适用的模型和场景进行落地。比如在 DeepSeek 出来之后，我们就迅速帮国内一个制造企业客户把 DeepSeek 跑在了 watsonx 本地版平台上，主要场景是通过大模型对供应商合同进行管理，基于供应商的财务数据等信息对其进行风险评估。”翟峰举例。
再看 AI 应用层面，除了普及度较高的 AI 助手之外，watsonx 平台还于近期上新了 AI 智能体相关的解决方案 watsonx Orchestrate，这也是 IBM 目前的研发投入重点。
据介绍，watsonx Orchestrate 主要解决三个问题：第一，面向 HR、销售、供应链等具体场景提供内置的开箱即用的智能体，并且企业可以根据自己的业务需求和情况在应用模版上直接修改；第二，基于低代码定制开发工具，帮助用户通过托拉拽的方式快速开发应用；第三，随着企业内部智能体的成千上万倍增长，提供多智能体管理和编排。
虽然对于 watsonx Orchestrate 的更多技术和产品细节 IBM 还未在会上做进一步的介绍，不过从中我们也不难看出蓝色巨人并不想错过 AI Agent 这个大风口，Agent 一定是 IBM 在 AI 布局的下一个关键“筹码”。
下一步棋该怎么走
“未来人机交互的方式会变得越来越简单，但是，底层的基础设施会变得越来越复杂，云上、云下，私有云、公有云，所有这些 IT 基础设施的高效和自动化管理也会越来越重要。”翟峰告诉记者，“在企业内部，想要基于智能体实现流程管理的智能化，前提是把业务流程串联起来，这些流程和任务的背后，调用的可能是一个微服务、API，也可能是某一部分数据或者某一个系统功能，这是企业需要具备的最基本的数字化能力。”
换言之，在其看来，从一个企业转型的周期规律来看，从信息化到数字化再到智能化是必经之路，这里头没有捷径可走。
显然，在“AI 基建”方面，IBM 通过对红帽的收购，在开放混合云领域的确形成了一定优势，可以帮助企业实现对日益复杂的 IT 基础设施的全局化和自动化管理。此外，基于 IBM Consulting（咨询）长期对于企业客户的服务，IBM 在各个垂直行业也积累了诸多经验，这种行业 Know-How 在企业级市场也是至关重要的。
这点从 IBM 2024 年第四季度业绩报告中也可以得到一定佐证，报告显示：在 2024 年第四季度，IBM 软件业务营收增长达到 10%，IBM 董事长兼首席执行官 Arvind Krishna 表示，红帽业务的加速成长在其中做出了重要贡献。此外，其生成式 AI 业务也有明显增长，营收超过 50 亿美元，较上季度增长近 20 亿美元。
但是，想要走好下一步棋，IBM 眼下也面临着不少挑战。
比如，在 AI 圈的存在感。就国内市场来看，包括 BAT 在内的互联网大厂以及一些 AI 新势力也都在提供企业级的 AI 产品和解决方案，除了产品性能之外，品牌声量、性价比等因素都会影响企业决策。因此，在 AI 领域保持适当“高调”是非常必要的。
此外，客户信心的重建。面对研发机构关闭等局面，如何消除业界和客户对于 IBM 在国内的创新能力和服务能力的担忧？如何重拾企业的信心？对于把赛道锁定在企业级市场的 IBM，这点尤为重要。
今日好文推荐