IBM于5日在年度活动“Think 2026”上公布了扩大企业人工智能产品组合的战略。核心在于超越个别AI的引入，重新构建企业整体运营的“AI运营模式”。其背后是基于这样的判断：企业已进入从初期投资转向实际收益和生产力改善的阶段。
IBM首席执行官阿文德·克里希纳在简报会上表示：“领先的企业并非部署更多AI，而是在重新设计业务运营方式本身。”在此次发布中，IBM将AI定义为“运营创新”课题，而非单纯的模型竞争或工具竞争。
IBM提出的结构是“智能体、数据、自动化、混合基础设施”四大支柱。该公司认为，这四个要素必须协同作用，才能在大规模企业环境中产生实际价值。特别是，鉴于企业数据仍有相当一部分留在内部系统，仅靠公有云存在局限性。克里希纳解释称，超过70%的整体数据仍然存在于企业内部核心系统中。
Watsonx Orchestrate升级...构建“多智能体”控制平台
此次发布的核心在于“Watsonx Orchestrate”的扩展。此前，它更像是一个构建、部署和管理AI智能体的平台，而现在则扩展为统一管理分散在不同环境中多个智能体的“控制面板”角色。
IBM软件高级副总裁兼首席商务官罗布·托马斯将IBM的编排层介绍为一个整合多家厂商智能体的统一框架。这意味着，IBM并非推行某一特定模型，而是帮助企业根据需求组合最优技术。
这一战略使IBM定位为“集成商”而非“基础模型开发商”。虽然IBM拥有自有模型“Granite”，但它同时强调了与Anthropic、OpenAI等外部模型提供商以及主要云平台的合作。克里希纳将IBM的角色表述为“让AI在企业中落地”，并将重点放在协调模型、数据和基础设施，并确保治理与安全上。
这也反映出近期AI竞争格局的变化。其战略并非像超大型云提供商那样在基础设施领域正面交锋，而是要在实际现场应用和运营整合中创造价值。
通过“Project Bob”支持软件开发...生产力提升50亿美元
IBM还公布了支持企业软件开发生命周期的AI工具体系“Project Bob”的新功能。其特点是同时涵盖云端和本地环境，支持同时利用多种模型的工作流程。
托马斯表示，IBM内部率先应用了这项技术，并实现了超过“50亿美元”的生产力提升效果。换算成韩元，约合7.3845万亿韩元。这超越了单纯提升开发效率的层面，被作为在大规模组织中证明AI投入产出效益的案例。
收购Confluent后，加强数据实时集成
数据集成也是本次战略的核心支柱之一。IBM在近期收购Confluent后，进一步凸显了实时数据管道的重要性。其构想是将流式数据和批量数据整合到“watsonx.data”中，使AI智能体始终基于最新上下文运行。
托马斯强调：“AI的水平最终无法超越数据的水平”，并指出为企业内部运行的智能体连接实时数据至关重要。这意味着，企业AI要超越简单的问答，与实际的业务系统相连接，数据就必须持续流动。
AI应用于安全与基础设施运营...保留人工审核
IBM还扩展了将AI应用于基础设施运营和安全的“Concert”平台。该平台最初专注于漏洞检测，但现在已将安全管理功能更深入地嵌入到开发流程中。其方式是在代码编写阶段识别风险并确定优先级，然后自动修复或建议修补有漏洞的代码。
不过，IBM管理层对“完全无人化”划清了界限。托马斯表示，AI生成的修正案在实际部署前仍需人工审核，并解释称AI是“增强”而非“替代”的手段。这明确了在企业环境中，为确保AI的可靠性，人类监督仍然必不可少。
“Sovereign Core”正式发布...瞄准受监管行业
IBM认为安全与数字主权正成为企业AI的核心议题，并宣布正式推出“Sovereign Core”。该平台旨在支持在地理受限环境或严格管控的基础设施中运行AI。
据称，初期需求来自需要与外网隔离的“气隙”环境或完全本地化基础设施的组织。典型的例子是政府机构或受监管行业等数据控制要求严格的领域。IBM还为此提供了可扩展的目录，支持包含其自身、第三方以及开源合作伙伴的经过验证的应用程序。
克里希纳强调，随着AI愈发深入核心系统，主权与控制已成为必要条件，而非可选项。企业必须能够根据环境组合所需的技术。
量子计算亦取得进展..."不再处于实验室阶段"
除了企业AI，IBM还强调了量子计算的进展。通过介绍与克利夫兰诊所合作，模拟包含超过12,000个原子的蛋白质复合体的案例，IBM评价称量子系统正超越实验阶段，进入实际应用阶段。
这项研究是结合量子与经典计算的“以量子为中心的超级计算”战略的一部分。这是为了应对新药研发等高计算复杂度问题的尝试。克里希纳表示：“量子不再是科学实验室的实验”，并指出已有意义规模的实际应用正在进行中。
不过，大规模商业化仍需时日。IBM认为，硬件性能仍需改进，其对企业现场产生实质影响的时间点可能在2030年前后。
AI竞争焦点，从模型转向“运营整合”
IBM管理层强调，比起夸大AI的变革潜力，如何使其稳定、可扩展地运行的实际工作更为重要。克里希纳指出，技术创新的初期阶段通常从基础设施开始，之后随着时间的推移，真正的价值才会在应用和企业部署阶段产生。
托马斯将当前的AI比作电力普及的早期阶段。如果说迄今为止的AI引入更接近于点亮灯泡级别的生产力提升，那么未来则应朝着改变企业运营骨架的方向发展。
最终，IBM的此次发布瞄准的是“连接更紧密的企业”，而非“更强大的模型”。企业AI市场正历经实验和个别引入阶段，向着数据、安全、基础设施和应用
TP AI 注意事项 本文使用基于TokenPost.ai的语言模型进行摘要。正文主要内容可能被遗漏或与事实不符。
