IBM 魏永明：拥抱基础模型与生成式 AI，迎接“AI+”新时代

本文作者：IBM 大中华区混合云及人工智能专家实验室总经理魏永明

 

 

 

2023 年 5 月 25 日，受组委会邀请，我有幸代表 IBM 参加了在贵阳举办的 2023 中国国际大数据产业博览会上就“大数据、大算力、大模型”议题展开的高端圆桌对话。随着 ChatGPT 的问世， 企业对 AI 大型语言模型产生了极大兴趣，整个产业界都在积极探讨如何能够把握大模型带来的机会，把人工智能技术应用于产业，真正做到“数实相融”，实现创新突破。

 

IBM 是全球 AI 技术和应用的重要参与者，见证和引领了 AI 领域的数次变革。ChatGPT 的到来，让我们看到无论是产品还是解决方案，都将从当下“数据为先”的数字化向“AI 为先”的数字化转变。这意味着未来十年或二十年，领先的公司会把应用 AI 作为企业数字化的首要任务，这将极大地影响企业的运营模式，与员工合作的模式，与客户和供应商的合作模式。“AI 为先”是当下企业所面临的数字化新格局。

 

这一新格局最后会使得产业链重新布局，会使企业的价值链发生改变。AI 能力的快速提升，AI 的价值和企业现有的业务流程的紧密整合，推动企业提升其交付的价值、优化价值交付的模式、改变和生态的关系，最终会导致企业甚至产业的价值链重整。

 

为了快速适应这个变化，在价值链的重整中获得独特的竞争优势，我们要重点关注以下三点：

 

第一，企业首先关心的是人工智能训练的成本和价值如何达到一个完美的平衡。今天，不管是从电费还是计算，成本都非常高，绿色计算不可或缺。

 

第二，AI 大模型要发挥价值，不管是商业价值，还是社会价值作用，关键的一点是 AI 输出的结果必须是可信的。如果一台手术用人工智能做支撑，一个错误决定带来的后果是不堪设想的。将 AI 应用于严肃商用环境，无论是驾驶、健康、金融交易，还是大型的生产制造，不可控的错误会造成灾难性的后果，所以，我们需要建立一个机制，把 AI 从生成到运用的过程管理起来，这就是人工智能的治理，这是第二个非常重要的环节，有了治理的机制，AI 可能导致的错误或者合规问题可以及时规避，这个就是我们常说的可信的 AI。

 

第三，人工智能在不同行业、不同业务场景的应用，要考虑将通用与专用这两类人工智能很好地结合起来。企业的核心的竞争力通常是体现其专有的人工智能应用中，专有的人工智能是使用企业的核心数据资产训练出来的，包含企业的核心的业务知识和数据。

 

将以上三点放在一起，就为我们提出了一个全新的命题——企业需要构建下一代的平台，一个从算力开始往上管理的全栈式的企业级人工智能平台。这正是目前 IBM 致力在做的事情，为企业提供这样一个平台，帮助他们在当下数字化的基础之上，将 AI 应用于企业的核心业务，在提升竞争力的同时，能够很好地应对企业应用大模型和生成式 AI 所面临的各项挑战——例如，AI 训练的算力成本挑战、安全与可信 AI 的挑战、技能与文化的挑战等等，让企业级 AI 在商业环境中的应用可以快速普及。

 

 

   构建基于特定领域的基础模型将加速企业级的 AI 应用    

 

IBM 认为，企业应该关注一个更核心也更广泛的概念——基础模型，这个概念是在 2021 年 8 月，由斯坦福大学人类中心人工智能研究所 (HAI) 下属的基础模型研究中心 (CRFM) 提出来的。而早在五年前，IBM 就开始研究基础模型。

 

基础模型是基于一种特定类型的神经网络架构（称为 Transformer 架构）而构建，为生成相关数据元素的序列（例如句子）而设。Transformer 架构能够帮助基础模型理解未标记数据，并将输入转换为输出，从而生成新的内容，这正是生成式人工智能衍生的源头（ChatGPT 就是基于 Transformer 架构)。

 

基础模型在大量未标记的数据上进行训练，可以适应新的场景和用例。尽管基础模型也需要前期大量投资，但每次使用时，它都会摊销 AI 模型构建的初始工作，因为微调基于基础模型构建的其他模型的数据要求要比从头开始构建低得多。这既可以大幅提高投资回报率 (ROI)，又可以大大缩短上市时间。

 

今天，企业里的数据，无论是传感器、图像、语音还是其他各种不同类型的业务数据，都是有待释放的智能元素。这也从某种程度上回应了 IBM 为什么要专注于基础模型，以及 IBM 要建立怎样的基础模型，来帮助企业快速安全地把握大模型和生成式AI所带来的机会。

 

IBM 正在构建一组针对多种类型的业务数据进行训练的特定领域的基础模型，包括代码、时间序列数据、表格数据、地理空间数据、半结构化数据和混合模态数据 (如文本与图像的组合)。这些基础模型将大大增强从代码创建到药物发现再到网络安全等的各种应用，并将极大地影响人们与技术的交互方式，不仅将改变我们完成业务的方式，还将改变客户对其业务的看法。

 

IBM 认为，这些基础模型的灵活性和可扩展性将显著加速企业对 AI 的采用。企业现在不应再把 AI 视为战术上的“附加组件”，而应该把 AI 置于其业务的战略核心。事实上，在两年内，IBM 预计基础模型将为企业环境中约三分之一的 AI 提供动力。在 IBM 将基础模型应用于客户的早期工作中，IBM 看到客户的价值实现时间比传统的 AI 方法快 70%。为此，IBM 正致力为需要利用大型语言模型 (LLMs)、IT 自动化模型、数字劳动力模型、网络安全模型和很多其他专用模型的业务场景开发基础模型，而这些仅仅是一个开始。

 

 

   IBM watsonx 让 AI 成为企业的核心生产力    

 

未来，企业的 AI 采用，将会呈现出在多个云上使用多个模型的混合发展趋势。当一家企业决定要采用 AI 时，通常会面临三个选择：第一，构建自己的模型；第二，使用开源的模型，或者使用 IBM 或其他厂商的模型，或两者兼用。第三，直接使用 IBM 的基础模型来获得结果。无论客户和合作伙伴做出何种选择，IBM 都可以助力客户进行尝试和实验，并进行模型调优、构建和评估，帮助他们在任何云上都能部署并调整模型。这与 IBM 围绕混合云和 AI 的战略相一致。

 

过去，在数据为先的发展阶段，聚焦数据与数据生命周期，IBM  提出人工智能阶梯 (AI Ladder) 的方法，从数据的收集、组织、分析、融合四个步骤为企业规模化部署AI奠定基础。这些工作在一个现代化的人工智能阶梯当中则处于底层，也就是所谓 “+AI”的工作。今天，企业在积极探索如何将 AI 用于企业的应用，如何对企业的工作流实现智能自动化、甚至替换现有的工作流，最终让 AI 来完成工作——企业正步入以 AI 为先的 “AI+” 的全新发展阶段。

 

今年 5 月初，IBM 推出针对基础模型和生成式 AI 的新一代企业级 AI 与数据平台的 watsonx，这距离 IBM Watson AI 参加美国综艺智力比赛节目“危险边缘 (Jeopardy)”，已经过去了近 13 年。IBM watsonx 是一套完整的 AI 开发平台和管理工具，融合业界领先的技术和理念（如基础模型、生成式 AI 等），更是融合了 IBM 企业级 AI 与数据治理的产品与实施经验，是一个可以为企业用户提供先进的机器学习、数据管理和生成式 AI 功能，提供涵盖数据管理、模型训练、验证、调优、部署、治理与监管的全生命周期的平台和完整工具。IBM watsonx 可以帮助企业全面、灵活、便捷地在各个生产和业务环节应用 AI，并在整个过程中严格保护企业的私有数据和信息安全，同时满足 AI 治理和监管的要求。

 

IBM watsonx 包含有三个组件：watsonx.ai、watsonx.data 和 watsonx.governance。它为用户提供了先进的机器学习、数据管理，和生成式 AI 功能，以快速、可信的数据和治理的方式在整个企业中训练、验证、调整和部署 AI 系统。可以为整个数据与 AI 生命周期提供帮助，从数据准备到模型开发、部署和监控。我们相信，它可以扩展和加速最为先进的 AI 对每个企业的影响——Put AI to Work, 让 AI 成为企业的核心生产力!

 

 

   扩展与加速 AI 采用率，为客户和合作伙伴携手共创    

 

IBM 坚信，在一个“AI 为先”的商业时代，企业的差异化竞争优势和独特的商业价值，将越来越多地从 AI 模型对于企业独特数据和业务领域知识的适应性当中获得。通过 watsonx，IBM 为企业提供了一个基于混合云和基础模型的生成式企业级 AI 与数据的平台，可以帮助客户和合作伙伴填补在采用大模型和生成式 AI 过程中所面临的技能、算力、成本等难以跨越的鸿沟，借助 IBM 的技术、行业与生态力量，专注于自身业务，构建独特的竞争优势与商业价值。

 

人工智能模型的业务需求越精细，价值创造就会越独特。客户如何在各个应用场景中实现人工智能？IBM 已经确定的早期应用场景包括数字劳动力、IT 自动化、应用程序现代化、安全性和可持续性等，AI 将为企业带来全新的数字生产力水平。客户和合作伙伴可以根据自身的业务战略和痛点，从适合自己的业务场景开启与 IBM 的基础模型与 AI 应用的共创之旅。

 

例如，在数字劳动力的场景下，借助 AI 和智能自动化，业务人员能够做出更好的决策并更快地交付结果。这将改变人力资源、IT、采购、财务、数据分析师的工作方式，让他们可以专注于业务，大大提高生产力。IT 智能自动化能够提高企业系统的性能表现，对系统实现智能自动化，获得新的效率和弹性水平，同时，AIOps 解决方案还可以帮助组织快速降低 IT 成本。在应用程序现代化方面，借助 AI，通过 DevOps、容器、Kubernetes 和微服务可以使现有的应用程序快速实现现代化。在安全性方面，通过将 AI 引入安全领域，可以扩大可见性范围并提升响应能力，通过机器学习和自然语言处理等 AI 技术提供快速洞察，以减少每日警报的噪音，大幅缩短响应时间。此外，AI 还可以减少排放、浪费和成本，将可持续性嵌入到日常运营中来获取新的效率，帮助组织做好准备应对可能扰乱业务的气候风险，更容易地评估他们自己对环境的影响，并满足合规性要求。

 

不仅如此，IBM 还携手合作伙伴，扩展企业的 AI 采用率。例如，IBM 将 Watson Assistant 和 Watson Discovery 嵌入 SAP 解决方案，不久前双方又宣布把 IBM Watson AI 嵌入 SAP 解决方案，提供新的 AI 驱动型洞察与自动化，为 SAP 解决方案全组合打造更为高效的用户体验；将 Watson Discovery 和自然语言软件库嵌入 Adobe Acrobat，帮助其用户更好地处理 PDF 文件；借助 IBM Watson Order，麦当劳实现了“来得速”服务的自动化，使其员工专注于食品外送和顾客服务；Watson Code Assistant 和 Red Hat Ansible 共同实现 IT 自动化，优化红帽社区开发者体验；在通用汽车的车载应用中内嵌红帽技术栈，并基于红帽 OpenShift 平台优化其智能车载应用的 AI 工作负载。

 

 

   回到根本，应对算力挑战    

 

在数博会的“大数据、大算力、大模型”的圆桌对话中，算力挑战是大家非常关注的议题。回到根本，我认为，应对算力挑战，除了基础设施的硬件层面，软件也非常重要：怎样把算力抽象起来，数据怎样能够低成本的治理，计算出来的结果如何能与企业及用户一端现有的系统整合起来，算力如何来调度，这里面包含了很多软件技术。因此，当下技术的研发，不光是在基础架构层面，从平台一直到应用，技术提供商都必须关注，为企业客户提供全栈式的产品和服务。这也是今天 IBM 在中国为企业客户提供人工智能大数据和数字化转型服务非常重要的一点。

 

这是一个颠覆性的时代，未来几年我们的产业将发生很多颠覆性的变化。处于这个变局当中，每个企业都需要具备应用人工智能、利用数字化技术的能力；作为个人，我们也许要开始重新设计自己的职业，重新打造自己未来开展日常工作的能力，这一点非常重要。面对新的人工智能信息化时代，我们每个人都要与时俱进作出改变，追赶技术。与大家共勉！

 

（完）

 

   

关于 IBM

   

IBM 是全球领先的混合云、人工智能及企业服务提供商，帮助超过 175 个国家和地区的客户，从其拥有的数据中获取商业洞察，简化业务流程，降低成本，并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过 4000 家政府和企业实体依靠 IBM 混合云平台和 Red Hat OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。

 

了解更多信息，请访问：https://www.ibm.com/cn-zh