IBM推企业级AI平台！剑指企业级AI应用三大挑战
原标题：IBM推企业级AI平台！剑指企业级AI应用三大挑战
智东西
作者 | 程茜
编辑 | 心缘
智东西8月22日报道，今天，IBM召开企业级AI平台watsonx的中国发布会。早在今年5月，IBM就已经官宣了这一企业级AI平台的进程，7月其产品开始陆续上市，并且预计今年年底会投入到客户的产品中。
IBM watsonx包含企业级AI与数据平台watsonx.ai、湖仓一体的数据存储方案watsonx.data以及AI治理工具包watsonx.governance。
其中，watsonx.ai可以训练、验证、调优和部署AI模型，watsonx.data大规模扩展AI工作负载，适用于企业内外的所有数据，watsonx.governance实现负责人、透明和可解释的数据和AI工具流。
这一命名的由来是，watson是IBM创始人的名字，x代表未知的可能。
IBM大中华区首席技术官、研发中心总经理谢东谈道，在生成式AI时代，IBM的角色就是帮助企业建立AI的基础能力，围绕新一代生成式AI建立起应用，watsonx就是一个平台，让用户建立能基础能力，基于此，企业可以一步步将越来越多的AI能力用到自己的企业中。
此外，IBM Consulting（咨询）大中华区总裁陈科典还提到，生成式AI率先落地的领域包括AI业务咨询能力中的业务策略、管理变革、数据治理，人力资源、客户关怀等AI嵌入运营场景，以及应用开发、部署与运维等AI技术服务能力。
一、企业应用AI面临三大挑战
IBM大中华区董事长、总经理陈旭东认为，ChatGPT的成功证明了大型语言模型是通向AI未来的道路。
AI产业在数据、算力、模型方面不断积累下，现在达到了爆发，也意味着AI从量变到质变的时刻到来。
今年5月，IBM发布了企业级AI平台watsonX，7月开始在各个板块上市，预计年底陆续投入到客户的产品中。
陈旭东谈道，IBM能快速推出企业级AI平台的原因是，首先有市场，因为众多企业的CEO都认为应该将AI转化成企业的核心竞争力，再加上IBM的技术积累。
他基于IBM商业研究院对30多个国家、3000多名CEO的调查数据，其中四分之三的CEO认为AI的部署和应用能为企业带来很大的竞争力。不过，其中还有61%的CEO会对AI数据来源表示担忧。
这也表明了企业应用AI过程的三个挑战，分别是技术、技能学习和文化。首先是企业如何收集、整理、利用数据，其次是企业需要提升在AI相关知识、技能方面的学习，最后是面对大机遇，企业的发展需要相应的文化匹配。
因此，陈旭东称，企业应用AI，首先需要企业有自己的数据，第二，要满足企业的需求，第三，根据数据来调教出适合企业的解决方案。
计算机从诞生初期就被广泛关注，IBM也一直在探索AI。上世纪五六十年代，IBM第一台商用科学计算机IBM701战胜了西洋跳棋大师，这是通过算法教计算机下跳棋，上世纪九十年代，计算机深蓝战胜了国际象棋大师，这一阶段是基于规则去学习，2011年的人机知识大赛《危险边缘》中，AI战胜了人类选手，此时AI开始掌握人类的知识，理解人类的自然语言。2019年，AI可以和人类进行辩论，AI不仅能了解跨行业知识还能进行推理，去理解上下文之间的关联。到2023年，IBM推出了生成式AI平台watsonx。
目前，IBM watsonx已经为2023年温网赛事进行了解说，IBM还为2024高尔夫大师赛提供了基于生成式AI能力的球评与逐洞球员预测。
陈科典提到，2022年温网赛事中，球迷平均预测七届冠军会获胜，watson预测网球小将获胜，最后结果表明watson预测成功。现在2023年，watsonx也参与了赛事预测，同样预测成功。
据了解，IBM watsonx抓取了大量的数据，其中有70万个比赛数据点，包括整个比赛中的发球方向、回球类型、回球次数和落点等，以及1亿条媒体报道，综合完成对赛事的预测分析。
二、AI+时代，企业要先建立AI基础能力
生成式AI已经在各行各业有不同的应用体验，对于企业而言，企业要将AI的能力用到数据上，结合自己的业务场景来做，给用户提供额外的价值。
在这一过程中，企业需要考虑用哪个模型、用什么样的工具开发应用、如何部署等，这些都是其面临的挑战。
IBM大中华区首席技术官、研发中心总经理谢东谈道，在生成式AI中，基础模型是最关键的概念，它也使得企业加速和扩展生成式AI成为可能。
首先，以前基于机器学习的算法要对海量数据打标签，进行深度学习，模型部署后也只能完成特定任务，不具备广泛应用能力。现在，基础模型前期不需要打标签，可以从海量数据中学习，然后在更广泛的领域中形成多个应用。
其次，基础模型可以让企业将工作聚焦在微调和推理之上，意味着企业能更快部署。
第三，企业本身需要解决的问题在变化、知识在更新，基础模型的能力不断的进化，能灵活适用于企业的多个用例。
最后，基础模型的性能更好也会给企业带来更多的营收。
谢东认为，现在已经从数据为先的+AI变为AI为先的AI+时代。+AI时代的系统构建是以数据为中心，附加上一些AI的能力，AI+的新架构指的是，企业已经建立起AI的基础能力，在此之上，结合企业的数据和业务目标构建起新的目标。
企业级的生成式AI应用，必须具备三个要素，分别是可信度高、适应性强、可扩展。
针对此，IBM发布的企业级AI平台watsonx包含企业级AI与数据平台watsonx.ai、湖仓一体的数据存储方案watsonx.data以及AI治理工具包watsonx.governance。
其中，watsonx.ai可以训练、验证、调优和部署AI模型，watsonx.data大规模扩展AI工作负载，适用于企业内外的所有数据，watsonx.governance实现负责人、透明和可解释的数据和AI工具流。
同时，去年5月，IBM上线了首款AI优化的云原生超级计算机Vela，构建在IBM公有云上。
2018年，IBM宣布收购红帽，并在全球推出混合云、AI战略。2023年，IBM大中华区科技事业部总经理、中国区总经理缪可延感叹道，世界产生了巨大的变化，AI的发展超出了他们的想象。
他补充说，现在，聊天机器人ChatGPT可以为用户提供很多出行的建议，不过目前的技术不能达到完美的效果，数据准确性、有效性、安全性还存在问题。
那么，在生成式AI时代，IBM可以给企业提供什么样的价值？IBM watsonx平台的底层就是IBM的基础架构，基础架构之上是混合云平台，Watsonx就是这之上的数据平台，为企业客户提供数字员工、IT自动化等AI应用。
在IBM擅长的咨询领域，其AI专家也能为企业转型提供服务，再加上系统集成、软件以及SaaS合作伙伴的生态圈构建。这些正是IBM现在推出watsonx的综合原因。
三、基础设施到产业应用，IBM为企业提供一站式服务
在AI构建的基础设施方面，存力和算力同等重要。
IBM大中华区存储业务总经理侯淼提到，在AI时代，80-90%的数据是非结构化数据，很难进行管理、处理，并且有90%的企业发现数据管理会限制AI扩展。
百度智能云云存储部、数据库部总经理于淼称，数据的存储规划和使用，AI时代对存储提出了很多新的要求，企业需要对存储进行规划和使用，不能让昂贵的GPU闲着，一定要把数据快速送到GPU的显存里。
同时，AIGC时代数据产生的速度会更快，这对存储系统的可扩展性提出了更高要求。并且长周期的大模型训练要求存储系统既要高性能，还要稳定输出。数据从产生、被训练、大模型生成、分发到实际应用，这些环节中数据流转的效率、便捷性也很关键。
在这一背景下，IBM提供了高扩展的AI存力平台引擎IBM Storage Scale，这也是英伟达DGX SuperPOD第一个存储合作伙伴。同时，IBM SSS 3500还可以提供单模块16PB容量，125GB/秒文件访问带宽等。
在算力方面，IBM的LinuxONE采用7nm技术，能实现超低延时，实时和业务结合分析，并且达到7个9的可用性，同时搭载量子安全系统，支持完全开放开源的平台。
去年10月，LinuxONE已经应用于爱尔眼科，节省了该公司的机房空间、电力消耗，IT运维等成本。
此外，IBM还致力于让强大的技术实现真正的落地，让技术产生价值。
企业的数字化转型中会面临技术和非技术两大层面的挑战，技术方面，生成式AI带来更多想象空间，但存力、算力、数据都会有诸多挑战。以数据为例，数据的质量、共享性、开放性要求越来越多，而大部分企业这方面的基础问题没有达到成熟的地步。
非技术层面，IBM大中华区客户成功管理部总经理朱辉谈道，数字化转型是要利用AI能力来打造新的企业，而非利用新的技术来降本增效，如果一开始企业将目标定为后者，就会存在较高的风险，因为最后企业会发现，AI会影响到组织架构、人员管理等，因此，数字化转型是一把手工程。
因此，在与洲邦科技的合作中，企业基于计算机软件技术，通过AI助手帮助企业用自然语言自动生成分析图表，提高决策效率。
IBM与合作伙伴的合作案例中，已经有很多成功落地场景。
如企业级智能决策方案提供商悠桦林，悠桦林信息科技（上海）有限公司创始人肖芳芳提到，此前，AI落地的环节中，他们需要教育市场。
现在生成式AI的出现，使得AI进入未来可预见阶段，她认为，未来生成式AI可能会改变软件行业的交互模式。
其次，物流供应链企业菜鸟科技已经落地了神经网络驱动的仓储、机器视觉应用、物流智能客服等。
菜鸟科技首席科学家、菜鸟物流科技部算法总监王子豪认为，现在企业落地AI的挑战在于，企业有没有高质量数据、数据有没有被很好利用、处理数据的时间成本、数据的隐私保护等。
因此，企业需要建立高性能、可扩展的，兼顾安全、成本的分布式数据库。
在这一过程中，企业领导关注的更多就是如何用AI创造竞争优势，如何跨业务拓展AI，如何推进可信的AI。
结语：混合云+AI战略，加速企业级AI部署
AI快速从量变到质变最关键的几年，也是IBM布局混合云的关键几年，从财务报表看，IBM的成果斐然。
没有人提前预料到聊天机器人ChatGPT的爆发，但在发现其潜力后，IBM迅速抓住机遇制定了下一步的战略，除混合云+AI外，还有合作伙伴战略， 目前，IBM已经和SAP联合开发了25个跨行业的解决方案。
同时，IBM也提出了自己对于AI行业未来10年发展的愿景，2024年实现更加完善的AI治理，2025年AI会更节能更经济，2027年AI在生产环节广泛应用，2029年可信任可解释、能推理，2030年及未来将会出现全能型多模态AI。
