IBM公司大中华区董事长、总经理陈旭东

12月1日-3日，钛媒体2023 T-EDGE全球创新大会在北京如期举行。

今年大会以「新视野 新链接」为主题，邀请了近百位来自不同国家，不同领域的国际创新领袖分享嘉宾，设置了四十余场现场讨论，从新一轮全球AI革命浪潮、产业链重塑、新一轮企业再全球化浪潮、全球化下的产业创新升级和投资新趋势等维度，共同回顾过去一年的洞察与发展，展望未来的创新趋势与经济新格局。

12月2日下午，IBM公司大中华区董事长、总经理陈旭东发表题为《AI+时代，企业需要怎样的人工智能》的主题分享。

陈旭东表示，生成式AI 已经给各行各业带来巨大的技术变革和行业影响。在消费级AI领域，包括客户支持、内容创新、知识问答等消费者比较容易感知的场景，能够帮助大家提高个人生产力。

在陈旭东看来，消费级 AI 领域主要包括两大类别：一类是与语言相关的工作；二是人机对话领域，都将因此彻底发生变化。未来几年内，在生成式 AI 加持下，人类编程的水平应该将要提升到10倍，而且比现在要处理（事件）的效率要高10倍。

相对于“冰山一角”的消费级 AI 技术场景，企业级 AI 方面则有着更广泛的需求和潜力。

陈旭东认为，如今的2023年末，大家开始讨论，在应用生成式AI的道路上，加速推进还是踩下刹车？这成为全球CEO们面临的重要考题。IBM商业价值研究院（IBV）今年发布的全球CEO调研报告显示，CEO们感受到来自各方的压力，要求其组织加速采用 AI。其中，来自董事会和投资者的压力最大。而作为企业的“一把手”，CEO们也有自己的判断和考虑，他们最迫切的需求就是借助AI提升核心生产力。

实际上，当前，中国企业的数字化转型面临巨大的机遇与挑战，但 AI 从技术转化为生产力并不容易，理想与现实往往有很大的差距。根据Gartner报告显示，糟糕的数据质量让组织每年平均损失 1290 万美元。同时，IBM相关报告显示，30%的企业因为业务流程不够自动化而蒙受损失；全球因数据入侵事件导致的经济损失平均高达445万美元；超过50%的CEO认为可持续发展是其组织面临的最大挑战。

作为成立112年的全球技术创新者，IBM公司不断引领AI、自动化、混合云解决方案的进步，帮助企业发展壮大。

陈旭东在演讲中指出，为了满足市场需求，IBM基于在 AI 领域数十年的积累。早在2011年，IBM就发布企业级AI Watson，并在全球服务了4万家企业客户；今年5月，IBM发布企业级 AI 与数据平台 watsonx，不仅帮助企业运用大模型和生成式AI，还能解决企业级 AI 应用中找到需要的数据、建立合适的模型、监管系统的运营这三大挑战。

如今，IBM最新推出的watsonx Granite模型系列，包括200 亿参数的代码生成大模型，以及用于对话和问答、简单指令和响应的130 亿参数大模型，可将生成式AI应用到多个特定的企业场景中。以代码大模型为例，它从 1.5 万亿个 token中学习了115种编程语言的知识，能够帮助开发人员使用自然语言提示，更快、更准确地编写代码；它支持本地部署，从而实现数据的合规和安全；还承诺帮助客户应对因使用此模型可能遇到的IP（知识产权）问题。

陈旭东表示，随着AI成为中国科技发展、产业升级的重要驱动力。然而IBM深知，企业级 AI 的道路并不容易，至少需要克服技术、人才、文化这三大挑战。因此，IBM希望利用其行业经验和技术能力，与中国客户和合作伙伴全方位共创，帮助企业应对挑战。

“IBM 致力成为企业落地AI应用的最佳合作伙伴。”陈旭东在结尾表示。

以下为陈旭东主题演讲实录，略经钛媒体App编辑整理：

尊敬的各位嘉宾、朋友们：

大家下午好，我是陈旭东，作为钛媒体的老朋友，很荣幸有机会再次参加T-EDGE全球创新大会，和大家探讨全球化浪潮中的产业创新升级，尤其是生成式AI带来的技术变革和行业影响。

从地缘经济到科技创新，2023年的最后两个月可以说是风云变幻、大事频发：国际关系中最重要的中美关系似乎“轻舟已过万重山”，但是科技圈最热的话题人工智能却好像“两岸猿声啼不住”。

我看了一下，今天的演讲嘉宾大多是2C（消费级）领域的佼佼者，但我相信大家对这几张照片的故事都不陌生。前不久，被称为“ChatGPT之父”的OpenAI联合创始人、CEO奥尔特曼（Sam Altman），突然被董事会以“沟通不够坦诚”为由免职，这一事件在短短五天内多次反转，包括三天换了三次CEO、奥尔特曼出走微软另起门户、OpenAI员工联名要求重组董事会……最新的进展是奥尔特曼与OpenAI达成一致，回去继续担任CEO。

作为局外人，我们不去臆测事情的来龙去脉，但是在众多当事人的对外沟通中，有一点被不断提及：在ChatGPT狂飙突进、大语言模型百花齐放的背后，OpenAI内部始终存在技术路线和发展理念上的重要分歧。目前看来，“加速派”暂时获得了更大的话语权，不过我相信这次风波之后，OpenAI也许会对新产品的迭代和研发采取更加审慎的态度。

那么，以ChatGPT为代表的AI对话模型已经产生了哪些应用场景呢？我特意咨询了聊天机器人的意见，对比了一下国外和国内的两款主流产品，得到的答案基本一致，比如客户支持、内容创新、知识问答等消费者比较容易感知的场景，能够帮助我们提高个人生产力。

如果我们把视线拉到企业，会发现面向消费者的场景只是冰山一角。就IBM多年服务企业客户的经验来看，我们看到企业级AI应用有着更广泛的需求和潜力，包括：HR、财务和供应链流程的自动化，IT开发和运维的智能化，以及将AI注入企业的核心业务，比如资产管理、信息安全等等。对于在座的各位企业家朋友，不论您是在新消费赛道还是泛娱乐赛道，我相信这一页所有指标的ROI（投资回报）都是您特别关心的。

在应用生成式AI的道路上，加速推进还是踩下刹车？这同样是全球CEO们面临的重要考题。IBM商业价值研究院（IBV）今年发布的全球CEO调研报告显示，CEO们感受到来自各方的压力，要求其组织加速采用 AI；其中，来自董事会和投资者的压力最大。当然，作为企业的“一把手”，CEO们也有自己的判断和考虑，他们最迫切的需求就是借助AI提升核心生产力。

但是，将技术转化为生产力并不容易，理想与现实往往有很大的差距。比如：

• 理想中的商业模式应该是数据驱动的，而现实是，将近90%的企业数据都是非结构化数据，管理和应用的成本极高，更不要说从中提取洞察。此外，根据 Gartner 的一份报告，糟糕的数据质量让组织每年平均损失 1290 万美元。
• 理想中的业务流程应该是高度自动化的，而现实是，30%的企业因为业务流程不够自动化而蒙受损失。
• 理想中的企业安全既能“防患于未然”，也能在风险发生后提供“双保险”。但现实是，全球因数据入侵事件导致的经济损失平均高达 445万美元。
• 理想中的企业IT环境应该支持快速且敏捷的工作负载迁移，现实是，这样的迁移通常需要在多云或混合多云的架构下进行，这需要理想的技术支持。
• 理想中的企业应该将可持续发展融入业务全流程中，但现实是，超过50%的CEO认为可持续发展是其组织面临的最大挑战，这个数据来自去年的IBM 全球CEO调研报告。

说了这么多，企业到底需要怎样的生成式AI呢？IBM认为，企业级的AI应用需要遵循四个基本准则：开放、针对性、可信、赋能。

首先是开放，企业应该积极拥抱领先的AI技术，并且借助开源社区、开源技术加速创新；其次是针对性，比如帮助企业使用自己的数据，开发针对特定场景、能快速产生收益的AI模型（如HR流程自动化、客服系统智能化、IT应用现代化等），同时确保符合内部规章；第三是可信，这不仅涉及数据的治理、模型的监管，也包括各国、各行业的不同的合规要求；第四是赋能，企业需要一个上手快、可扩展的工具平台，基于自己的数据来训练、调优、部署AI模型，而不只是当一个大模型的消费者。

为了满足企业级AI需求，IBM基于在AI领域数十年的积累，在今年五月发布了企业级 AI 与数据平台 watsonx，就是这张图最中间的一层。watsonx不仅能帮助企业运用大模型和生成式AI，同时，也能解决企业级 AI 应用的三大挑战：找到需要的数据、建立合适的模型、监管系统的运营。

IBM watsonx提供了一个包括AI开发平台、湖仓一体方案和AI治理在内的工具包，帮助企业从数据的准备、模型及应用的构建，到AI全生命周期的治理，在跨业务场景中快速训练并部署AI能力。

早在2011年，IBM就发布了企业级AI Watson，并在全球服务了4万家企业客户。watsonx将与之前发布的Watson产品无缝对接，为企业客户提供从传统AI到最新的生成式AI的解决方案。

未来，结合IBM提供的红帽混合云平台，企业将可以在多个云上使用多个模型。客户可以选择自建模型，也可以选择IBM推荐的模型，无论做出何种选择，IBM都能帮助客户进行尝试和实验，包括模型的调优、构建和评估，帮助他们在任何云上部署并调优模型。

IBM最新推出的watsonx Granite模型系列目前包括200 亿参数的代码生成大模型（granite.20b.code），以及用于对话和问答、简单指令和响应的130 亿参数大模型（granite.13b.v1.chat 和 granite.13b.v1.instruct），可将生成式AI应用到多个特定的企业场景中。

以代码大模型为例，它从 1.5 万亿个 token中学习了115种编程语言的知识，能够帮助开发人员使用自然语言提示，更快、更准确地编写代码；它支持本地部署，从而实现数据的合规和安全；还承诺帮助客户应对因使用此模型可能遇到的IP问题。

我分享一个真实案例。

延峰汽车是一家在全球 20 多个国家拥有 9 家研发基地、240 多个工厂的全球汽车零部件供应商，面对每天收到的巨量订单，人工处理所造成的高成本、低效率与多错误极大影响了整体运营效率。基于IBM Watson Discovery强大的学习能力，IBM帮助该车企构建的 AI 决策大脑，从 1.8 亿条历史数据中，学习了外部订单对应的内部订单背后蕴藏的规则，实现了全自动执行流程，且订单分类正确率从 85% 提升到 97%。

通过IBM高速数据传输软件Aspera，IBM还帮助延锋汽车构建起企业级的文件传输解决方案，实现分支生产车间和总部之间海量数据的高速安全传输，为智能库存与预测夯实数据基础。此外，基于IBM的决策优化软件，IBM帮助延锋汽车实现了核心生产设备——注塑机的智能化产能测算和规划，助力降本增效。

随着AI成为中国科技发展、产业升级的重要驱动力。然而IBM深知，企业级 AI 的道路并不容易，至少需要克服技术、人才、文化这三大挑战。因此，我们希望利用我们的行业经验和技术能力，与中国客户和合作伙伴全方位共创，帮助企业应对挑战。

IBM致力成为企业落地AI应用的最佳合作伙伴。我们已经做好了充分准备，迎接有需求的客户参加"watsonx 战略工作坊"和之后的"watsonx 试点项目"。欢迎大家拍照留存二维码信息，会后通过二维码和我们联系，也可以关注我们的公众号了解更多。

感谢大家的聆听！