北京2024年6月13日 -- 近日,由中国美国商会(AmCham China)主办、以“构建可信的企业级AI”为主题的研讨会在北京正大中心举行。中国美国商会会长何迈可(Michael Hart)、正大中心写字楼部总经理贾丹致欢迎词,IBM大中华区董事长、总经理陈旭东和IBM 首席诚信与合规官Hans Vad Hansen做主题演讲,分享了IBM如何将信任贯穿其企业级AI战略的始终,帮助客户实现可信任的AI应用。IBM亚太区市场营销和企业传播部副总裁Priscilla Kim 和 IBM 亚太区首席诚信与合规官Simon McDonald参加了圆桌对话,并分享了IBM在亚太区的最佳实践和客户案例。
在他的演讲中,陈旭东回顾了IBM Think 2024大会在开源创新、AI和自动化、生态合作等三条主线上的重磅发布和创新进展,以及在新的技术浪潮下,企业如何将数据转变为AI创新的源泉。他认为,企业需要采取“三步走”的策略,首先选择一个“可信”的基础模型,然后将“企业知识”融入基础模型,最后部署、扩展、使用 “你的AI”。IBM已经做好准备,帮助各行各业的中国企业打通从试验到扩展(Scale)的AI应用之旅,实现生产力和效益的真正提升。

IBM大中华区董事长、总经理陈旭东
以下是他的发言节选(部分内容经重新编辑):
AI规模应用之年,企业如何将数据转化为创新源泉?
为了帮助客户和合作伙伴更好地规划自身的技术发展路线,IBM在去年第一次对外发布了IBM技术蓝图(Technology Atlas)。这一蓝图由6条相互交汇的技术路线组成,描述了IBM对混合云、人工智能(AI)、数据、自动化、安全和量子计算等方向,未来几年的技术趋势的展望。
以人工智能为例,IBM认为今年(2024年)是企业从试用AI(Experiment AI)迈向扩展AI应用(Scale AI)的关键一年,而AI治理将是实现这一目标的重要一环。预计到2030年,全能多模态成为AI技术的主流,企业和个人将充分享受AI技术带来的生产力提升。

从更大的视角来看,AI将和蒸汽机、电力和互联网一样,成为重塑人类社会的又一次技术变革:蒸汽机把人类从繁重的体力劳动中解放出来,电力将解放生产力的动力传输到千家万户,互联网实现了从劳动力到人类智力的跃升和扩展,AI则有望解放人类的脑力劳动,包括一些复杂的脑力劳动。而且重塑的进程会越来越快,如果看全球GDP增长十倍所需的时间,蒸汽机用了近100年,电力用了近80年,互联网只用了50年左右;预计到2030年,AI将为全球GDP带来每年4万亿美元的贡献。

那么,企业如何将AI技术转化为核心生产力,成为企业创新的源泉?IBM认为需要三步走:
IBM 在 AI 时代的三大关键词
在刚刚过去的IBM Think 2024大会上,IBM发布了AI和自动化的一系列新产品,也宣布了更广泛的生态合作,希望继续引领新的AI时代。我总结为三个关键词:开源创新、AI和自动化、生态合作。
来自行业和客户的双重肯定
在过去几年里,延锋国际汽车技术有限公司(简称“延锋汽车”)携手IBM 团队,从实现外部到内部订单的自动化转化、解决全球工厂车间的高速数据传输问题,到使用企业级工具替换开源工具实现高可用数据抽取,再到利用 AI 赋能的解决方案实现核心生产设备的产能测算和规划,打造了国内汽车行业乃至智能制造领域利用AI技术实现数字化转型的标杆。
比如,延锋汽车作为一家在全球 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,每天收到整车厂和下游厂商的订单量是巨大的,此前手动分类带来的人工成本和高错误率,仅国内的20多个工厂,每天每个工厂要安排2个人、花150分钟来处理。基于 IBM Watson Discovery 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%。

近日,中国信通院征集并公布了"可信AI案例"评选结果,IBM与延锋汽车、苏州环球科技股份有限公司(简称“环球科技”)基于IBM智能自动化软件携手共创的案例入选了“AI原生技术和应用优秀案例”。该奖项是对IBM与客户携手共创、促进AI技术落地的见证与认可,也将为当下积极探索AI应用的行业与企业提供宝贵借鉴。
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。