北京2023年9月5日 /美通社/ -- 9月4日至6日,2023中国国际智能产业博览会(以下简称“智博会“)在重庆国际博览中心举行。IBM大中华区董事长、总经理陈旭东应邀参加开幕式暨高峰会的高端对话环节,与微软、360、云从科技、腾讯等科技企业高层共同探讨AI大模型在智能网联领域的商业化应用和产业化发展之道。
他认为,大语言模型带来的突破正在迅速改善、优化人机交互场景,并大幅提高语言类、编程类任务的工作效率;这让企业对于用AI实现产业升级、降本增效、解放生产力有了更高期待,而首先要解决的就是技术、人才和文化等挑战。会议期间,陈旭东在第三届制造业数字化转型高峰论坛的主题演讲中以汽车行业为例,分享了IBM助力车企打造AI核心竞争力的第一手洞察和案例。

IBM大中华区董事长、总经理陈旭东在第三届制造业数字化转型高峰论坛做主题演讲

IBM大中华区董事长、总经理陈旭东在高端对话环节发言
以下是他的发言内容节选:
AI+时代企业的机遇和挑战
ChatGPT的横空出世,意味着AI的发展经过几十年的算法、算力、数据方面的量变积累,“质变时刻”已经到来。为什么?因为我们第一次看到,大语言模型突破了人机之间的语言障碍,让机器具备了学习、理解、对话、总结、提炼、推理的能力。
这些能力的应用将迅速改善和优化人机交互场景。比如,企业的自动客服系统可以升级,提高客户满意度。另外,在大模型的辅助下,语言类、编程类任务的工作效率将大幅度提高。
由于大语言模型的成功突破,很容易想到用行业属性的数据去训练专属领域的模型。比如IBM和美国航空航天局(NASA)利用后者积累的海量卫星数据,共同训练了地理空间基础模型。
展望未来,人工智能在未来几年的突飞猛进已成定局。我们预计,到2030 年,全能型、多模态的人工智能开始普及,人类的生产生活将进入全新的人机协同时代。因此,企业对于用AI提高生产力和竞争力有了更高的期待。
然而,企业的AI之路也面临很多挑战:首先是技术挑战,尤其是数据的准备、应用和治理;第二是人才挑战,企业需要快速实现人员技能的转型和提升,来拥抱AI浪潮;第三是文化挑战,技能的转型往往伴随组织文化的更新,如何让二者互相成就、带来生产力的提高。
IBM认为,AI在企业落地上主要有五个场景:第一,利用AI和自动化工具优化决策流程,解放员工的生产力;第二,实现IT业务流程自动化;第三,打造更可持续的运营;第四,改善网络安全威胁的可视性和响应速度;第五,通过应用现代化降低 IT 运维成本,保障业务连续性。
IBM如何帮助车企打造AI核心竞争力?
为了迎接这一战略时刻的到来,IBM在今年5月发布了企业级AI和数据平台watsonx,并从7月份开始,各个模块陆续上市。IBM希望利用在AI领域数十年的积累,成为企业落地AI应用的最佳合作伙伴。
在watsonx推出之前,IBM的企业级人工智能Watson在全球已经有超过4万个客户,他们来自各行各业——如医疗健康、金融、零售、教育、科研等;涵盖不同的业务用例——如市场营销、IT运维、编程、网络安全、可持续性等。
随着AI成为中国企业实现产业升级、降本增效、解放生产力的重要驱动力,我们希望与中国客户和合作伙伴全方位共创,快速发掘大规模应用场景,共创可执行、可落地的企业级AI解决方案。以汽车行业为例,我们会聚焦这几件事:
第一,借助企业级 AI 与数据平台 watsonx,帮助车企全面拥抱生成式AI来提高核心竞争力,同时解决 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。
第二,以高效研发为牵引,打赢汽车竞争价值战。对于软件定义汽车时代的研发升级,两个重点值得关注:
第三,通过确保车联网的高效运营,提升消费者车端体验和车企盈利能力,并满足合规要求。出行即服务,中国消费者对车辆的自动化、个性化的要求越来越高;同时,来自数据安全和隐私方面的威胁日益增加,车企“出海”则需要遵循多国的法律法规。IBM正借助AI、自动化、远距离传输等技术,以及和全球车企的合作经验,帮助中国车企构建包括性能监控、数据分析的车联网运营管理平台,在合规方面少走弯路。
基于IBM混合云的技术架构,结合人工智能的最新技术发展,我们构建了IBM面向汽车行业的全栈解决方案。这一套解决方案的技术底座,可以架构在各种云平台上;红帽OpenShift则为企业提供了统一的混合容器云平台。
往上一层,IBM watsonx作为专门为企业打造的数据和人工智能平台,可以大幅提升 AI 在汽车企业中的应用。再往上,结合中国汽车行业的需求,我们从车企研发、生产和供应链以及运营的需求出发,设计了8个专属的解决方案、并引入IBM咨询团队的行业专长以及合作伙伴的加持,为车企提供端到端的“技术+咨询”的赋能。

此外,车企需要从旧模式变革到新模式,并探索适合自身的业务模式。IBM首创的“车库创新方法论”则可以和车企共创、共建、共赢,快速迭代,有效地借助和调动内外部力量,推动实现车企数字化体验落地和转型成果达成。
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已经做好了充分准备,欢迎有强烈需求的企业参加专属的 “watsonx 战略工作坊”,并根据工作坊的成果、开展为期四周的 “watsonx 试点项目”,帮助客户开启企业级 AI+ 之旅。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。