如今，IBM 几乎和所有科技巨头一样，在人工智能领域押下重注。
在其年度 Think 大会上，该公司宣布了 IBM Watsonx。这是一个新平台，提供用于构建 AI 模型的工具，并提供预训练模型的访问权限，以生成计算机代码、文本等更多内容。
这对 IBM 的后台管理人员来说有点像是打脸，他们最近刚刚得知该公司将暂停招聘那些认为在未来几年可能被 AI 取代的职位。
但 IBM 表示，此次发布的动机是许多企业在将 AI 部署到工作场所时仍面临挑战。在 IBM 的一项调查中，30% 的商业领导者将信任和透明度问题列为阻碍他们采用 AI 的障碍，而 42% 的人则提到了隐私担忧——特别是围绕生成式 AI 的隐私问题。
“AI 可能不会取代管理者，但使用 AI 的管理者将取代不使用 AI 的管理者。”IBM 首席商务官 Rob Thomas 在与记者举行的圆桌会议上表示，“这确实改变了人们的工作方式。”
IBM 声称，Watsonx 通过让客户获得创建自己的 AI 模型或微调并适应其自有数据上可用 AI 模型所需的工具集、基础设施和咨询资源来解决这一问题。使用 Watsonx.ai（IBM 用华丽的营销语言将其描述为“AI 构建者的企业工作室”），用户还可以验证和部署模型，并在部署后监控模型，从而名义上整合他们的各种工作流程。
但是等等，你可能会说，像 Google、Amazon 和 Microsoft 这样的竞争对手不是已经提供这种或非常接近的产品了吗？简短的回答是肯定的。Amazon 的类似产品是 SageMaker Studio，而 Google 的是 Vertex AI；在 Azure 方面，则有 Azure AI Platform。
然而，IBM 提出论点称，Watsonx 是市场上唯一提供一系列预训练的、为企业开发的模型以及“具有成本效益的基础设施”的 AI 工具平台。唯一 AI 工具平台，提供一系列预训练的、为企业开发的模型以及“具有成本效益的基础设施”。
“你仍然需要一个非常大的组织和团队，才能以企业能够消费的方式带来 [AI] 创新。”IBM 高级副总裁 Dario Gil 在圆桌会议上对记者表示，“这是 IBM 带来的横向能力的一个关键要素。”
这还有待观察。无论如何，IBM 正在向使用 Watsonx.ai 的企业提供七种预训练模型，其中一些是开源的。它还正与 AI 初创公司 Hugging Face 合作，纳入数千个由 Hugging Face 开发的模型、数据集和库。（作为回应，IBM 承诺向 Hugging Face 贡献开源 AI 开发软件，并使其中几个内部模型可从 Hugging Face 的 AI 开发平台访问。）
该公司在 Think 大会上重点介绍的三个模型是 fm.model.code（生成代码）、fm.model.NLP（一组大型语言模型）以及 fm.model.geospatial（一个基于 NASA 的气候和遥感数据构建的模型）。命名方案虽显尴尬，但功能明确。
类似于 GitHub Copilot，fm.model.code 允许用户使用自然语言发出命令，然后构建相应的编码工作流。Fm.model.NLP 包含针对特定且与行业相关的领域（如有机化学）的文本生成模型。而 fm.model.geospatial 则进行预测，以帮助规划自然灾害模式、生物多样性和土地利用的变化，以及其他地球物理过程。
这些听起来可能并不新颖。但 IBM 声称，这些模型的独特之处在于其训练数据集包含“多种类型的业务数据，包括代码、时间序列数据、表格数据、地理空间数据和 IT 事件数据”。我们只能暂信其言。
IBM 首席执行官 Arvind Krishna 在圆桌会议上表示：“我们允许企业使用自己的代码来调整[这些]模型，以符合他们运行剧本和代码的方式。”它适用于那些希望拥有私有实例的场景，无论是在公共云还是在其自有设施上。
IBM 称，它正在其软件产品和服务套件中使用这些模型。例如，fm.model.code 为 Watson Code Assistant 提供动力，这是 IBM 对 Copilot 的回应，允许开发人员使用纯英语提示在包括 Red Hat Ansible 在内的程序中生成代码。至于 fm.model.NLP，这些模型已与 AIOps Insights、Watson Assistant 和 Watson Orchestrate（IBM 的 AIOps 工具包、智能助手和工作流自动化技术）分别集成在一起，旨在提高对 IT 环境性能的可见性，以更迅速的方式解决 IT 事件并改善客户服务体验——至少 IBM 是这样承诺的。
与此同时，FM.model.geospatial 支撑着 IBM 的 EIS Builder Edition，这是一款让组织能够创建解决方案以应对环境风险的产品。
在与 Watsonx.ai 相同的 Watsonx 品牌旗下，IBM 还推出了 Watsonx.data。这是一个专为治理型数据和 AI 工作负载设计的“量身定制”数据存储。IBM 表示，Watsonx.data 允许用户通过单一入口点访问数据，同时应用查询引擎，并提供治理、自动化以及与组织现有数据库和工具的集成。
作为 Watsonx.ai 和 Watsonx.data 的补充，Watsonx.governance 是一个工具包——用 IBM 较为模糊的话来说——它提供了保护客户隐私、检测模型偏差和漂移的机制，并帮助组织满足道德标准。
新工具和基础设施
在与 Watsonx 相关的公告中，IBM 展示了一种新的 GPU 产品，该产品在 IBM 云中针对计算密集型工作负载进行了优化，特别是用于训练和服务 AI 模型。
该公司还展示了 IBM Cloud Carbon Calculator（IBM 云碳计算器）。这是一个“由 AI 驱动”的仪表板，使客户能够测量、跟踪、管理并协助报告通过其云使用产生的碳排放量。IBM 表示，该产品是与英特尔合作开发的，基于 IBM 研究部门的技术，能够帮助可视化工作负载层面的温室气体排放情况，直至云服务级别。
可以说，除了新的 Watsonx 套件外，这两款产品也代表了 IBM 在人工智能领域的进一步加码。该公司最近在云端构建了一台名为 Vela 的 AI 优化超级计算机。此外，IBM 还宣布与 Moderna 和 SAP Hana 等公司展开合作，探讨大规模应用生成式 AI 的方法。
该公司预计，到 2030 年，AI 将为全球经济增加 16 万亿美元的价值，并且在未来五年内，30% 的后端办公任务将被自动化。
Gil 说：“当我想到传统的后端办公流程时，不仅仅是客户服务——无论是采购、供应链管理的一部分、IT 运营的一部分，还是网络安全的一部分……我们看到 AI 可以轻松承担其中 30% 到 50% 的任务量，并且能够以比人类更高的熟练度完成这些任务。”
这些预测可能是乐观的（或者如果你倾向于人文主义，则是悲观的），但华尔街历来会对这种前景给予奖励。IBM 的自动化解决方案（属于该公司的软件部门）在 2022 年第四季度实现了 9% 的同比增长。与此同时，更侧重于分析、客户服务和供应链管理的 AI 和数据解决方案的收入增长了 8%。
但正如 Seeking Alpha 上的一篇文章所指出的那样，有理由降低预期。IBM 在 AI 领域有着艰难的过往，由于技术问题导致高调的客户合作伙伴关系恶化，IBM 被迫以巨额亏损出售了其 Watson Health 部门。而且，AI 领域的竞争正在加剧；IBM 不仅面临来自微软和谷歌等科技巨头的竞争，还面临来自 Cohere 和 Anthropic 等拥有雄厚资本支持的初创企业的竞争。
IBM 的新应用、工具和服务能否取得成效？IBM 希望如此。但我们还得拭目以待。