IBM 作為早期 AI 技術發展的關鍵推動者和參與者，在近幾年生成式 AI 的浪潮中，其聲量似乎已經被 OpenAI、谷歌、DeepSeek 以及一批 AI 大模型初創公司遠遠蓋過。加上前段時間在中國和美國的裁員訊息的傳出，不禁讓業界開始揣測，曾在百年發展歷程中經歷了一輪又一輪轉型的“大象”是不是跳不動舞了？在新一波的 AI 技術狂歡中 IBM 是否已經錯失了自己的生態位？

對此，IBM 大中華區董事長 / 總經理陳旭東在日前的 IBM 2025 年第一季度媒體溝通會上進行了回應。“目前市場上的聲音主要聚焦在語言互動、多模態、智慧體、具身智慧以及 AI+ 各領域，而 IBM 更加關注企業怎麼把新的 AI 技術應用到已經存在的業務中，為企業帶來降本增效，這屬於企業級 AI 的範疇，也是 IBM 的戰略重點之一。”

而針對研發中心在中國的關閉，陳旭東也表示，這不會從根本上影響 IBM 在中國的業務。“這幾年來，IBM 一直在全球進行研發體系的整合，將研發機構轉移到其它人才密集且成本更優的地方。在中國，我們會繼續透過技術銷售團隊和合作夥伴服務好客戶，幫助企業做好技術和場景的結合落地。”

事實上，面對生成式 AI 浪潮，IBM 這幾年也並非沒有“折騰”。2023 年，IBM 推出了企業級 AI 和資料平臺 watsonx。在 DeepSeek 爆火之後， IBM 也很快在 watsonx 上提供了兩個 DeepSeek-R1 模型的蒸餾版本。

但從策略上看，IBM 一直比較堅信“高精度小模型比通用大模型更適合企業級場景”。在 IBM 看來，企業 AI 應用場景的落地並不在於模型本身大小，而在於多大程度符合業務發展要求，能不能很好地完成任務。模型越“大”成本投入也越大，支援一個大模型的訓練和執行非常消耗算力、電力等資源，並且在模型上線之後，企業業務本身仍然在不斷變化，這要求模型具備適應性和可擴充套件性，系統能力也要不斷學習和進化。所以出於運維成本的考慮，很多時候“小”模型反而比“大”模型更加節約且靈活。

這樣的理念在 DeepSeek 爆火之後也得以驗證。DeepSeek 的路線證明了在算力與資料受限條件下，小模型同樣能實現高效能與低成本的雙重突破，這大大降低了企業規模化部署 AI 的門檻，同樣，也利好像 IBM 這樣專注在企業級賽道的公司。

“接下來，會有更多企業加速部署 AI。我們看到不少企業在過去一兩年裡已經在諸如知識庫、智慧助手等場景做了一些試點，但這還不夠，未來大家會進一步進入深水區，透過把企業資料、流程、業務系統打通，實現降本增效。”IBM 大中華區科技事業部技術銷售總經理、首席技術官翟峰表示。

此外，他還強調，企業級 AI 應用不是裝一個 DeepSeek 一體機就完了，在這背後還有很多關鍵的因素要考慮，比如高價值、高質量的資料，開放、靈活的模型選擇，全鏈路的安全治理，以及 AI 助手、智慧體等 AI 應用。

“當這一系列因素疊加在一起，挑戰就會成倍增加。和試點的時候不同，一旦 AI 要進入生產環境，其中的供應鏈怎麼最佳化？決策怎麼做？庫存如何管理？在這些核心的業務節點，AI 系統的穩定性、安全性、可靠性就會變得越來越重要。”翟峰表示。

對於絕大多數企業而言，AI 的部署不是從零開始，過去他們已經積累了大量資訊化系統、大量的基礎建設、大量的應用等等，究竟如何透過 AI 把這些“歷史積累”連線起來，並實現賦能，這是企業接下來要著重突破的難題。

IBM 正在試圖透過從基礎設施、混合雲 AI 工具到資料服務、AI 中介軟體、AI 助手 & 智慧體的企業級的全棧 AI 能力幫企業解決這些問題。

比如，在資料層面，watsonx.data 針對企業中海量且複雜的資料，可以透過集中治理和本地自動化策略實施來確保資料的安全性和合規性，幫助企業把資料資訊以最高效且合規的方式連線和管理起來，從而為 AI 應用賦能。

再比如，在模型層面，watsonx.ai 平臺提供了至少四類模型供企業選擇：第一，IBM 自研的 Granite 模型；第二，IBM 與合作伙伴合作提供的模型，包括 Meta 的 Llama 和歐洲的 Mistral AI；第三，與 Hugging Face 社群合作的開源模型，包括 DeepSeek 等；第四，行業垂直領域的小模型。

“在這個過程中，我們會跟企業一起根據業務的需要選擇一個最適用的模型和場景進行落地。比如在 DeepSeek 出來之後，我們就迅速幫國內一個製造企業客戶把 DeepSeek 跑在了 watsonx 本地版平臺上，主要場景是透過大模型對供應商合同進行管理，基於供應商的財務資料等資訊對其進行風險評估。”翟峰舉例。

再看 AI 應用層面，除了普及度較高的 AI 助手之外，watsonx 平臺還於近期上新了 AI 智慧體相關的解決方案 watsonx Orchestrate，這也是 IBM 目前的研發投入重點。

據介紹，watsonx Orchestrate 主要解決三個問題：第一，面向 HR、銷售、供應鏈等具體場景提供內建的開箱即用的智慧體，並且企業可以根據自己的業務需求和情況在應用模版上直接修改；第二，基於低程式碼定製開發工具，幫助使用者透過托拉拽的方式快速開發應用；第三，隨著企業內部智慧體的成千上萬倍增長，提供多智慧體管理和編排。

雖然對於 watsonx Orchestrate 的更多技術和產品細節 IBM 還未在會上做進一步的介紹，不過從中我們也不難看出藍色巨人並不想錯過 AI Agent 這個大風口，Agent 一定是 IBM 在 AI 佈局的下一個關鍵“籌碼”。

“未來人機互動的方式會變得越來越簡單，但是，底層的基礎設施會變得越來越複雜，雲上、雲下，私有云、公有云，所有這些 IT 基礎設施的高效和自動化管理也會越來越重要。”翟峰告訴記者，“在企業內部，想要基於智慧體實現流程管理的智慧化，前提是把業務流程串聯起來，這些流程和任務的背後，呼叫的可能是一個微服務、API，也可能是某一部分資料或者某一個系統功能，這是企業需要具備的最基本的數字化能力。”

換言之，在其看來，從一個企業轉型的週期規律來看，從資訊化到數字化再到智慧化是必經之路，這裡頭沒有捷徑可走。

顯然，在“AI 基建”方面，IBM 透過對紅帽的收購，在開放混合雲領域的確形成了一定優勢，可以幫助企業實現對日益複雜的 IT 基礎設施的全域性化和自動化管理。此外，基於 IBM Consulting（諮詢）長期對於企業客戶的服務，IBM 在各個垂直行業也積累了諸多經驗，這種行業 Know-How 在企業級市場也是至關重要的。

這點從 IBM 2024 年第四季度業績報告中也可以得到一定佐證，報告顯示：在 2024 年第四季度，IBM 軟體業務營收增長達到 10%，IBM 董事長兼執行長 Arvind Krishna 表示，紅帽業務的加速成長在其中做出了重要貢獻。此外，其生成式 AI 業務也有明顯增長，營收超過 50 億美元，較上季度增長近 20 億美元。

但是，想要走好下一步棋，IBM 眼下也面臨著不少挑戰。

比如，在 AI 圈的存在感。就國內市場來看，包括 BAT 在內的網際網路大廠以及一些 AI 新勢力也都在提供企業級的 AI 產品和解決方案，除了產品效能之外，品牌聲量、價效比等因素都會影響企業決策。因此，在 AI 領域保持適當“高調”是非常必要的。

此外，客戶信心的重建。面對研發機構關閉等局面，如何消除業界和客戶對於 IBM 在國內的創新能力和服務能力的擔憂？如何重拾企業的信心？對於把賽道鎖定在企業級市場的 IBM，這點尤為重要。