IBM的困境说明了AI时代的一个重要特征,To B服务难有巨头,中国所谓的AI独角兽们要深思。
文/Rene
投入近三十年,曾经声名显赫、领先业界多年的IBM终于还是输掉了AI医疗之战。
《华尔街日报》最新消息透露,IBM正在探索出售Watson Health的业务,以精简公司架构,新任CEO Arvind Krishna将是售卖相关业务的直接操刀人。前不久,IBM默认关掉上世纪成立的中国研究院一则消息,似是也在指向这一点。
但据Krishna所言,IBM仍然不会放弃在AI应用上的探索,甚至仍将会优先考虑AI在医疗保健方面的应用服务。
2011年在电视游戏中击败人类对手,Watson曾被业内尊称为新一代认知计算技术的鼻祖。一直在寻求变革的IBM因此在AI领域名噪一时,并因此敲定了接下来的转型方向——AI商业化服务。
Watson Health则是IBM探索AI商用最为关键的项目,它主要利用AI帮助医生或制药公司辅助诊断、检测等,因此被业内众多后生晚辈奉为学习楷模。
然而Watson的学术地位之高对商业的帮助并不如预期,“包治百病”的过度宣传让IBM Watson Health陷入舆论漩涡之中。《华尔街日报》曾做过审查并刊发多篇文章,指出Watson项目数据存在造假,所言不实,对医生的价值并不大。
《IEEE SPECTRUM》援引IBM Research首席科学家Ruchir Puri所言,指出Watson桎梏在于代码的老化。特别是GPT-3和谷歌Switch Transformer在认知计算领域的主导地位,也在证实Watson如今在技术上无法跟上时代。
从AI到IoT以及碳中和,IBM画饼越来越大,但是落地也越来越难。据《华尔街日报》最新报道,IBM正在探索追踪碳排放的技术,称该技术将帮助实现2030年零排放的目标。原红帽CEO、现IBM云计算和认知软件负责人James Whitehurst 负责该项目。
又是一个比IoT、AI还要宏伟的目标。
01． 蓝色巨人,画饼充饥
成立百年,几度转型成功的IBM,曾高度寄希望于AI技术的大范围应用。然急切之下,终究用力过猛,惹得一身麻烦。
在IBM的发展历程中,创始人老沃森、其子小沃森以及郭士纳被认为是对公司贡献卓著的三大人物,与之相伴的则是IBM从机械、计算机硬件到软件服务的转型之路。
IBM的前身是CTR公司,在老沃森带领下公司走上正轨并更名为IBM-国际商用机器公司。二战的到来助推了IBM的发展,凭借过硬技术为军队制造主力武器M1冲锋枪等,在战争期间老沃森与美国国防部签署了合作协议,其目的在于增加公司军火销售额。果不其然,同年IBM销售额猛增至1．4亿元。
二战后, IBM走向了机械时代和电子时代的分水岭,以华生父子为代表的两派一直争执不下。最终小华生的胜利开启了IBM的新时代,也让IBM从行业的追随者走向领导者地位。
与开发出UNIVAC计算机的艾科特-毛奇莱公司只同美国军方合作不同,主导开发出IBM 360等著名机器,小华生不仅在技术投入上更为大胆,他也开启了计算机从军用到商用的时代,丰富了公司原有的商业模式。
小华生上台后五年,将IBM的营业额提高了三倍。而在后来的二十年内,IBM的平均年增长率高达30%,小华生创下了超越父亲的商业奇迹。
IBM是个人电脑时代的领导者成为业界的共识。《时代周刊》评选IBM PC为二十世纪最伟大的产品,《华尔街日报》也给出了高度评价。
2005年IBM将个人电脑部门卖给联想,被认为是IBM正式退出个人电脑舞台的标志。业界分析认为,微软的崛起、IBM缺乏C端产品经营的经验等因素最终导致了该结果。
早有迹象显露,以售卖大型主机为主要业务模式的IBM,在80、90年代间严重受到个人电脑兴起的冲击,尤其是其硬件利润逐步转向软件服务。
被认为是IBM发展史上最重要的领导人之一,郭士纳在裁员、整治公司内部臃肿架构、卖资产之外,做了最重要的决定:帮助IBM做软硬件能力整合,将商业模式从卖硬件转变为软硬件服务。
郭士纳看见了正在成长的软件服务市场机会。在业务服务的应用探索上,IBM致力于开发与其他公司机器相容的开放系统公司,相比于原先封闭的专属系统IBM研发出了免费开放的Linux操作系统。另一边IBM斥资35亿收购莲花软件公司以获得网络软件Notes。
这些举措在由硬件至软件的转型上是成功的,在郭士纳的带领下IBM进入了另一段黄金时期,IBM股价上涨了10倍。
2003年郭士纳退休,科技行业也进入了更为丰富的业态,电商巨头亚马逊、智能手机开创者苹果、以电脑软件起家的微软等企业都进入了赛道,与此同时,AI也迎来了新的浪潮。
专利大户IBM很早就预测到了AI时代的到来。但与谷歌将AI应用到广告产品中、亚马逊将AI应用到电商平台的生命周期中不同,没有了郭士纳的IBM再次进入了激进的技术探索之路,搭建了一个在研究领域让人叹为观止的框架——Watson,与当下的GPT-3之于行业的意义类似,也为后来商业探索上的失败埋下了伏笔。
