av字幕大全网站,婷婷五月丁香日本

IBM是中國人非常熟悉的一家信息科技公司。它不但主宰了計算機行業(yè)在PC出現(xiàn)之前的歷史，而且親手創(chuàng)造了PC產業(yè)。雖然在1980年代一度陷入危機，但是從1990年代開始，IBM在Louis Gerstner的領導之下成功回到了一線巨頭的位置（盡管仍然遠遠落后于Microsoft這樣的新一代公司）。IBM對人工智能(AI)的投資可以上溯到1990年代，很多人至今還記得“深藍”超級電腦在國際象棋中擊敗人類的報道。2010年代，IBM又推出了Watson這個“基于自然語義的人工智能解決方案”，試圖以此為支點徹底改造人類的商務和政務活動。

然而，2022年7月的IBM，市值僅有約1100億美元，遠遠低于以蘋果、谷歌、亞馬遜為代表的互聯(lián)網巨頭。IBM Watson早已淪為歷史遺跡，現(xiàn)在人們印象最深刻的是Alphabet (Google)開發(fā)的Alpha Go在圍棋中擊敗人類的一幕；Alphabet與Amazon、Microsoft一道，成為了新的人工智能三巨頭（有人認為Meta是第四巨頭）。無論人工智能在今后二十年能發(fā)展到什么階段，IBM的受益程度將注定小于Alphabet這個后輩。

IBM和Alphabet在人工智能領域的此消彼長，原因固然很多，但最根本的原因是：前者沒有找到最合適、性價比最高的應用場景，而后者找到了。因此，Alphabet是在沿著阻力最小的路徑前景，基礎研發(fā)和應用之間形成了良性循環(huán)；而IBM的驚世豪賭則以慘敗告終。“后人哀之而不鑒之，則使后人復哀后人也！”

毫不夸張地說，越是前沿、越是不接地氣的研究方向，IBM的存在感往往就越強；如果一項研究項目還停留在實驗室里，那它很可能就是IBM精通的項目。當下最典型的例子是量子計算(Quantum Computing)，被學術界視為傳統(tǒng)（電子）計算機的潛在顛覆者，但是離大規(guī)模實用還非常遙遠。IBM Q System One不但是世界上第一部基于線路(Circuit)的量子計算機，而且是第一臺投入商業(yè)運營的量子計算機。雖然實際商業(yè)價值非常有限，這個成就仍然得到了無數(shù)媒體的報道，并且必將在IBM印發(fā)的各種PPT當中反復被強調。

熟悉歷史的人不妨大膽預測：一旦量子計算開始大規(guī)模投入實用，IBM的領先地位即使不喪失，也會大打折扣。這家老牌科技公司有能力維持基礎研發(fā)投入，卻總是在尋找應用場景上落后于那些更新潮、更靈活的公司——以前是Microsoft, 現(xiàn)在是Alphabet。我們不需要尋找遙遠的例子，只需要回顧IBM Watson這個高開低走的大型泡沫就足夠了。

機器學習(Machine Learning, ML)是人工智能的一個重要分支，而且從1990年代開始逐漸發(fā)展為一個獨立的研究領域。在這份研究報告中，我們沒有必要討論二者的微妙區(qū)別，只需要了解機器學習更重視大數(shù)據(jù)、強調通過海量數(shù)據(jù)的訓練去自動提高算法精度即可。沿著這條道路發(fā)展下去，算法可以代替人類解決越來越多的智力問題，就像機器已經代替人類解決了大部分體力問題一樣。有人將機器學習視為下一次工業(yè)革命的核心技術，并非沒有道理。

IBM不可能缺席如此重要的前沿技術。早在2006年，它就啟動了Watson項目，目標是在自然語義下實現(xiàn)復雜的人機問答。也就是說，用戶可以以日常語言向計算機提問，無需將其轉換為代碼，即可獲得專業(yè)的、可理解的回答。2011年1-2月，IBM Watson取得了一個萬眾矚目的開局：在美國歷史最悠久的電視智力競賽節(jié)目“Jeopardy!”當中擊敗了兩位人類冠軍，并獲得了100萬美元的大獎。同年，IBM宣布Watson已經達到了醫(yī)學院二年級學生的知識水平。

雄心勃勃的IBM決定利用Watson改造整個西方世界最復雜、資源浪費最大的行業(yè)——醫(yī)療，而且一上來就聚焦于難度最高的癌癥診療。2013年，包括德克薩斯大學MD Anderson癌癥中心在內的三家大型醫(yī)療機構與Watson簽約合作；IBM市值的歷史最高點，也恰好出現(xiàn)在這一年（比現(xiàn)在高25%）。2015年，Watson Health正式成為了IBM旗下的一個獨立部門。與此同時，Watson在教育、交通、工程、政務、天氣預報等領域也得到了一定的應用。人們有理由相信，IBM將成為機器學習產業(yè)化的最大受益者之一。

然而，IBM Watson此后的歷史，給“技術泡沫”這個詞做出了最佳注腳。從2018年開始，每年都有大批醫(yī)療機構與Watson解約；2019年，IEEE Spectrum發(fā)表了一篇文章，詳細論述Watson為何不能完成自己的承諾；2021年，IBM終于決定出售Watson Health的大部分資產，由于買家興趣平平，直到2022年才出售完成。綜合看來，Watson的失敗完全是可以理解的：

說到底，IBM選擇醫(yī)療作為突破口，本來就錯了，因為醫(yī)療涉及到太多既得利益，又有太多倫理問題；選擇癌癥診療作為細分市場突破口，更是大錯特錯，因為醫(yī)療機構對于癌癥這種重癥的治療手段必然是非常保守的，很難相信人工智能；選擇以自然語義提供癌癥診療建議，更是人為增加難度，妄想一步登天。事實上，直到2020年，醫(yī)療機構仍然在抱怨Watson對日常語言的理解能力不足！

IBM對Watson從希望到絕望的全過程，形象地體現(xiàn)在其年報中：2012年僅提及8次Watson，此后逐年劇增至2016年的131次，然后又一路回落至2021年的6次。值得一提的是，2020年Watson有過回光返照的勢頭，可那是由于疫情期間個人用戶大量使用Watson語音助手所致，與“高大上”的醫(yī)療服務沒有關系。

假如IBM沒有選擇醫(yī)療這個極難改造的行業(yè)作為突破口，而是從一開始就聚焦于教育、交通等相對容易改造的行業(yè)，或許Watson的命運會大不相同。換一個角度想，IBM可不可以把Watson做成純粹的消費應用，例如智能家居產品或智能機器人？畢竟，“自然語義識別”對消費者有很強的吸引力，即使是Siri和Alexa這種半吊子智能語音助手都能贏得用戶青睞，何況是水平更高的Watson？可惜，歷史不容假設。好高騖遠、一味追求改變人類歷史的結果，就是成為人類歷史的笑料。

可惜的是，自從2005年出售PC業(yè)務以來，IBM基本失去了消費級業(yè)務，也就失去了對消費市場的感知?？梢钥吹?，IBM幾乎從來沒有認真地在零售、家電等消費行業(yè)推廣Watson。2017年，IBM收購了一家廣告代理公司，企圖利用Watson指導廣告投放——可是與Google、Meta高度成熟的精準投放技術相比，IBM又能有什么優(yōu)勢？就算IBM想把Watson技術帶進千家萬戶，也要首先找到一個To C科技巨頭作為合作伙伴?？上攵珹pple、Amazon、Microsoft應該都不會對此十分感冒。

由此可見，Microsoft在2007-14年的困難時期，堅持不放棄消費級業(yè)務，反而一次又一次對智能硬件市場發(fā)起沖擊，又是何等高瞻遠矚。那是進入21世紀以來Microsoft與IBM市值差距最小的時期，也是兩家走上根本性道路分歧的時期。附帶說一句，IBM可能是歷史上的所有信息科技巨頭當中，唯一一家從未認真考慮開展任何消費互聯(lián)網業(yè)務的公司。

當IBM在Watson押下重注之時，Google（后來更名Alphabet）的廣告業(yè)務正處于黃金時期，而且這個黃金時期至今尚未結束。2011年，即Watson首次公之于眾的那一年，IBM的營業(yè)收入是Google的2.82倍，凈利潤則是后者的1.63倍；到了2021年，即IBM拼命尋求出售Watson Health的那一年，它的營業(yè)收入僅相當于Alphabet的27%，凈利潤則僅為后者的6%。

與癌癥治療這種“地獄級難度”的應用場景相比，互聯(lián)網廣告投放堪稱“簡單難度”：在這個場景里，監(jiān)管和倫理問題要少得多，做出成效要容易得多，也不存在大量盤根錯節(jié)的既得利益。作為全球最大的搜索引擎、地圖和網盟服務商，Alphabet自己掌握著終端消費者，也就掌握了機器學習技術的整個實用鏈條。機器學習的進步，既提升了廣告推送的效率，從而取悅了廣告主；也提升了搜索結果的精度，從而取悅了消費者。IBM在醫(yī)療、交通等場景未能實現(xiàn)的良性循環(huán)，在廣告場景卻比較順暢地實現(xiàn)了。

2022年1月，IBM終于以約10億美元將Watson Health的大部分資產出售，一個時代劃上了句號；它同時宣布將改變戰(zhàn)略，從此聚焦于“混合云和AI策略平臺”。事到如今，也沒有什么更好的選擇了，因為IBM的財力已經不足以支持如此巨大的野心。在人工智能和機器學習領域，Alphabet即便在基礎研發(fā)方面的實力，至少也不遜色于IBM。假設前者希望重復IBM Watson在醫(yī)療行業(yè)的冒險，雖然不一定能成功，但成功的希望很可能稍大一些——至少它可以多撐上一段時間。

恩格斯《在馬克思墓前的講話》中提到：“人們首先必須吃、喝、住、穿，然后才能從事政治、科學、藝術、宗教等等；所以，直接的物質的生活資料的生產……便構成基礎。”對于企業(yè)而言，基礎研發(fā)是比較高級的工作，必須以前臺業(yè)務部門提供現(xiàn)金流、應用場景和生態(tài)系統(tǒng)支撐。這個道理本來是非常直觀、不言自明的，遺憾的是，無論在美國還是中國，真正理解的人似乎不多。

快報