IBM在企业级人工智能(AI)市场中，正凭借"速度"、"成本削减"和"安全"这三大核心优势，不断提升其存在感。其关键在于"混合AI"战略，该战略使AI即使在监管严格、系统复杂的企业环境中，也能根据实际工作流程进行运作。
IBM将这一策略描述为"工作负载优先"、"随处运行"、"集中式治理"和"基础设施抽象化"的模式。简而言之，这意味着帮助企业以可控的方式引入AI，同时避免受限于特定的云服务或单一系统。IBM还并行实施了"客户零号"策略，即在其遍布全球175个国家、拥有28万名员工的内部组织中先行应用AI产品。这是一种在面向外部客户之前，先在内部进行验证，然后将产品推向市场的方式。
市场反应同样积极。IBM在四月中旬的财报中公布了软件和基础设施部门的营收增长。特别是其新一代大型机产品系列的营收大幅增长了48%。这被视为AI需求与企业现有基础设施需求共同作用的结果。
从AI实验阶段迈向运营阶段
在即将于5月12日举行的"IBM Think"活动中，企业如何跨越AI实验阶段，将其迁移至实际运营环境，预计将成为主要议题。其中，能够同时管理多个AI智能体的"智能体AI"以及用于统一控制这些智能体的治理体系，有望成为核心关注点。
在此过程中，IBM正将自身定位为企业AI的"控制层"。其构想是提供混合云集成、可信赖的数据管道以及多智能体运营基础设施。这可以被解读为一种策略，其重心并非在于大型语言模型(LLM)本身的竞争，而在于帮助企业将AI稳定地融入实际业务之中。
今年早些时候发布的"IBM Sovereign Core"也体现了相同的思路。该平台旨在让企业和政府机构能够更直接地控制AI及云工作负载。在数据主权和合规要求日益严格的背景下，IBM正试图通过开放框架和合作伙伴生态系统来提高灵活性。
量子计算与"后量子安全"的备战
IBM的另一大支柱是量子计算。在每年的IBM Think活动中，量子技术相关的发布层出不穷，今年也很有可能公布相关路线图。
一个典型的例子是，IBM正与思科合作，共同推进所谓的"量子互联网"建设。其目标是将相隔遥远的量子计算机连接起来，并长期计划将网络扩展到由数十台设备组成的分布式架构。
与此同时，安全防护工作也在并行推进。IBM正为"后量子安全"体系做准备，以应对现有公钥密码算法可能在2035年前逐步被淘汰的情况。这是因为当前广泛使用的加密方式在未来量子计算机面前可能会变得脆弱。
IBM安全部门的相关负责人在近期采访中强调，当前所需的是"密码敏捷性"，即快速切换密码体系的灵活性。其解释是，如果像过去那样，系统采用固定的加密结构，将难以应对新的威胁。
与英伟达、Arm合作，强化数据可访问性
除了自身技术外，IBM还通过合作与并购来强化其企业AI战略。今年3月，IBM宣布扩大与英伟达($NVDA)的合作，以支持企业大规模部署AI。具体措施包括将IBM工具与英伟达NeMo Retriever连接以加速文档提取，并将IBM的统一数据访问层与英伟达的GPU流水线相结合。
本月初，IBM又与Arm联手，公布了为AI及数据密集型工作负载开发新型双架构硬件计划。此举旨在满足那些希望不依赖特定半导体架构、能够在多种系统环境中灵活部署的企业需求。
此外，IBM在去年12月收购了流媒体数据公司Confluent，从而增强了其实时数据处理能力。这被解读为旨在应对企业在复杂的混合云环境中，需要即时利用可靠数据的需求。
核心在于"可信赖的AI运营"
IBM的方向十分明确。它并非一味追逐尖端模型的竞争，而是专注于在企业实际环境中运营值得信赖的AI。这与大型企业市场的现实情况相契合——比起炫酷的技术演示，部署后的管理、合规应对、安全以及数据整合更为重要。
关键在于IBM能否成为企业AI的"记录系统"和核心运营平台。它究竟是会停留在AI技术栈中众多供应商之一的位置，还是能成为企业AI基础设施的中心轴？答案预计将在本次IBM Think大会前后变得更加清晰。
IBM同时推进混合AI、量子计算和数据访问策略的举措表明，企业级AI市场已从"实验"阶段转向了"运营"竞争阶段。
TP AI注意事项 本文基于TokenPost.ai的语言模型进行总结。可能会导致正文主要内容被遗漏或与事实存在差异。