IBM（$IBM）在年度活动“Think 2026”上发布了与市场预期不同的信息。它将人工智能（AI）竞争的核心定义为“开放性”和“平台”，而非自有模型的优势。首席执行官阿文德·克里希纳强调，基础模型将随着时间的推移走向可相互替代的方向，长期价值正转向提供治理、集成和可移植性的平台层。
本次内容基于在美国波士顿举行的IBM年度会议现场与克里希纳的问答交流。讨论范围广泛，涵盖了IBM的结构性局限、AI战略的绩效指标、大型机与下一代产品组合的平衡、人才战略、智能体基础设施乃至量子计算。克里希纳解释说，他在主题演讲中刻意排除了列举技术规格的所谓“堆栈幻灯片”。这是基于判断，即相比技术本身，更应突出企业客户能切身感受到的业务价值。
IBM的方向很明确：聚焦部分核心领域、提升执行速度，并将“开放”作为基本原则。克里希纳首先承认IBM的弱点之一是市场份额较低，同时表示需要进行组织转型，以实现“用一半时间取得双倍成效”。他举了2019年收购时在市场上显得陌生的红帽作为典型案例。他解释说，在IBM目前的混合云和软件交付架构中，红帽实际上已成为基本模型。
他还正面反驳了认为IBM仍是封闭企业的看法。他将IBM描述为“全球最大的开源企业”，并声称收购红帽后这一特质得到了进一步加强。这与以下判断相吻合：在AI时代，开发者生态系统和合作伙伴的盈利结构可能决定成败。
作为未来24个月内衡量IBM AI战略是否成功的关键指标，他提出了“软件增长”。这意味着仅凭AI模型性能无法解释竞争优势，关键在于企业数据能否实现开放、工作负载能否迁移至运营环境，并流入IBM的软件之中。克里希纳表示，IBM生成式AI相关业务规模已超过125亿美元。按韩元计算，约为18.1125万亿韩元。
对于大型机可能拖累AI转型的指摘，他划清了界限。他认为，市场仍然分为本地部署和云端，重要的不是在哪里运行，而是弹性与长期成本结构。IBM将大型机视为可延续的优势而非历史遗产。同时，他解释说公司正通过将研发投资和销售激励向新业务倾斜，以管理产品组合的转移。
在人才战略中，AI也被解读为超越成本削减工具的增长手段。克里希纳表示，计划在2026年将初级岗位招聘规模扩大三倍。这是因为AI带来的生产力提升，使得入职一年的新员工也能达到过去五年经验员工的工作成效。相应地，简单的行政、后台职能岗位将会减少，而工程、销售和数字职位的比重将会增加。他传递的信息是，随着重复性工作的自动化全面展开，组织内部角色重组不可避免。
对其他CEO的建议也以务实为中心。他建议不要将AI当作模糊的“基于风险的试验”来对待，而应选择两三个能证明效果的核心领域进行集中投资。他解释说，相比于启动几十上百个试点项目，更好的方式是将责任赋予有意愿变革的一线业务负责人，并将其融入实际运营流程。归根结底，AI的引入与其说是技术问题，不如说是组织文化与执行方式的问题。
关于智能体基础设施，他评价说仍处于早期阶段。他认为，与其出现单一的赢家模型，不如说连接多个云和多个供应商环境的“中立管道”角色将变得更加重要。IBM正基于消息队列（MQ）和面向服务架构（SOA）的经验，着眼于连接异构环境的控制层，而非力推某一个特定的智能体提供商。这与其认为AI时代的可持续利润正向平台层转移的逻辑一脉相承。
对于量子计算，他判断正从“科学问题”转向“工程问题”。分子建模、蛋白质模拟、空气动力学与流体、储层计算等基于物理的模拟，被认为是早期的商业化应用领域。克里希纳预计大规模商业化时间点将在2028至2029年。他解释说，结合经典计算与量子计算的混合方法是一条现实路径。
从市场角度来看，IBM的战略相当务实。随着基础模型走向通用化，差异化的重点很可能从模型本身转向数据协调、工作流集成、策略与安全管控以及系统间的连接能力。IBM希望在保持大型机级集成能力这一传统优势的同时，结合红帽之后得到强化的开放生态系统。如果成功，它将能够构建一种“开放但能在必要之处深度集成”的企业级AI运营模式。
不过，挑战也同样明显。因为IBM所说的开放性不能仅仅停留在口号上，还必须转化为能让各行业客户实际使用的集成平台和执行体系。在Think 2026上，IBM将业务价值与开放性摆在首位。现在，市场将关注下一步：它能否将混合云、数据与治理整合在一起，构建出可复用的AI运营架构。
TP AI注意事项 本文使用基于TokenPost.ai的语言模型进行了摘要。正文主要内容可能被遗漏或与事实不符。