作者： Kareem Yusuf博士， IBM Software 产品管理与成长 高级副总裁

今天是人工智能（AI）的革命性时刻。在过去十年取得一些令人瞩目的进步之后，很大程度上有赖于机器学习（ML）和深度学习技术，AI技术似乎已经进入一个突飞猛进的发展加阶段。突然之间，人人都在谈论生成式AI，时而兴奋，时而焦虑。然而少有人怀疑我们所目睹的进步是重大的，或者怀疑这些进步为那些迅速而战略性地采取行动的企业所带来的机会是巨大的。

然而，为什么是现在？答案就是生成式AI利用了基础模型的最新进展。 与传统 ML 中每个新用例都需要使用特定数据设计和构建新模型不同，基础模型是在大量未标记的数据上进行训练的，可以适应新的场景和业务应用程序。因此，基础模型使大规模的AI可扩展性成为可能，因此，一个基础模型使大规模的人工智能可扩展性成为可能，同时每次使用模型时都会摊销建立模型的初始工作，因为微调额外模型的数据要求要低得多，这既提高了投资回报率，又加快了上市时间。

几十年来，IBM 一直处于突破性AI科技的前沿——从世界上第一个 跳棋 游戏程序到 在云中构建 AI 超级计算机。今天，我们拥有最为全面的企业级 AI 解决方案组合之一。我们的 Watson 套件 已经部署到20个行业的1亿多用户当中，与此同时， IBM 研究院的专业团队还在持续推动前沿技术的发展。

AI已经在为企业带来可喜的业务成果。它使我们的供应链更加强大，保护关键的企业数据免受网络攻击的侵害，每天都在助力为众多行业的数百万客户提供无缝体验。然而，为生成式AI提供动力的基础模型，将使这些成就看起来仅是重大变革的前奏——尤其当我们能尽力使这一技术变得唾手可得的时候。在 IBM，我们认为是时候将 AI 的力量交到各式各样“AI 构建者”的手中了——从数据科学家到开发人员，再到从未编写过代码的日常用户。

Watsonx，IBM下一代AI平台就是为此而设计的，它提供对高质量、可信数据的自助访问，使用户能够在单一平台上进行协作，在该平台上，他们可以构建和完善新的生成式 AI 基础模型以及传统的机器学习系统。我们已经确定的早期用例范围包括数字劳动力、IT 自动化、应用程序现代化、安全性和可持续性等。

Watsonx 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。

利用 watsonx.ai 在整个企业当中训练、验证、调整和部署 AI

Watsonx.ai 是一个专为今天与未来的业务而设计的 AI 开发平台。它结合了 IBM Watson Studio 的功能和利用基础模型能力的最新生成式 AI 的功能，使数据科学家、开发人员和数据分析师能够基于机器学习构建、运行和部署 AI。

watsonx的核心是 信任原则。随着人工智能变得更加普遍，企业需要确信他们的模型在与客户互动时不会对事实产生 “幻觉 “或使用不适当的语言。我们的方法是建立恰当的严谨性、流程、技术和工具，以敏捷的方式适应不断变化的法律和监管环境。Watsonx.ai 使用户能够访问高质量、预训练和专有的 IBM 企业级基础模型：这些模型聚焦于特定领域，并且严格关注数据采集、来源和质量。此外，IBM 还在通过 watsonx.ai 提供多种开源模型。

信任是等式的一个部分，第二部分是准入性。要使AI真正具有变革性，须有尽可能多的人能够从AI获益。为此，我们在设计 watsonx.ai 时考虑到了用户友好性。Watsonx.ai 不仅适用于数据科学家和开发人员，业务用户也可通过易于使用的界面访问它，该界面可以对不同任务的自然语言提示做出响应。

在提示实验室当中，用户可以通过输入各种任务（如汇总脚本或对文档执行情绪分析）的提示来试验模型。根据任务的不同，watsonx.ai 将允许用户从下拉菜单中选择基础模型。开发人员可以使用 API、SDK 和库，直接在我们的 ModelOps 环境中构建工作流，管理从开发到部署的机器学习模型。高级用户将能够使用我们的调优开发平台以使用标记数据来定制模型，从预训练的模型当中创建新的可信模型。

但在 IBM，我们相信语言只是基础模型的开始。我们还在构建针对不同类型的业务数据进行训练的模型，包括代码、时间序列数据、表格数据、地理空间数据和 IT 事件数据。将在测试版中提供给选定客户的初始基础模型包括语言（也称为LLM）、地理空间数据、分子和代码的基础模型。

利用 watsonx.data 扩展和管理 AI

为了使AI跨整个企业推动真正有影响力的结果，它必须集成到现有的工作流程和系统中，对客户服务、供应链和网络安全等领域的关键流程进行自动化。企业需要能够轻松安全地移动AI工作负载，而当下，这可能意味着要跨云以及跨现代和传统软件与硬件系统。

借助 watsonx.data，企业可以快速连接到数据，获得可信的见解并降低数据仓库的成本。它是基于开放式湖仓一体（lakehouse）架构而构建的数据存储，可在本地和多云环境中运行。

watsonx.data 针对所有数据、分析和 AI 工作负载进行了优化，结合了数据湖的灵活性与数据仓库的性能，帮助企业在其数据驻留的任何地方扩展数据分析和 AI。通过工作负载优化，组织可以通过使用该解决方案得到加强，同时将数据仓库成本降低到一半（高达50%）。[1]

用户可以通过单一入口点访问数据，并跨云和本地环境共享元数据层。Watsonx.data 还具有内置的治理、安全性和自动化功能，使数据科学家和开发人员能够使用受管控的企业数据来训练和调整基础模型，同时解决整个数据生态系统中的企业合规性和安全性问题。

借助 watsonx.data，企业将能够在多云架构上构建值得信赖的AI模型并实现AI生命周期的自动化，充分利用与IBM和第三方服务的互操作性。

通过 watsonx.governance 在企业的 AI 生命周期中建立信任

在构建和调整AI模型时，以及一旦将AI引入您的产品和工作流程中，信任都是核心。

事实上，AI嵌入到日常工作流程中的次数越多，您就越需要主动治理AI以推动整个企业做出负责任且合乎道德的决策。

Watsonx.governance 可以助力围绕AI工具和AI的使用建立必要的护栏。它是一个自动化的数据和模型生命周期解决方案，用于制定策略、分配决策权并确保组织对风险和投资决策负责。

Watsonx.governance 采用软件自动化来帮助增强客户降低风险、帮助满足监管要求和解决道德问题的能力，使得客户无需切换数据科学平台而产生过高的成本，哪怕是使用第三方工具开发的模型。它使企业能够自动化和整合多个工具、应用程序和平台，同时可以记录数据集、模型、相关元数据和管道的来源。

通过提供有助于安全和保护客户隐私的机制，并主动检测模型偏差和漂移，watsonx.governance 可帮助组织满足道德标准并主动管理风险和声誉。法规可以被转化为规则和业务流程，以帮助确保合规性，而可定制的报告和仪表板则有助于保持利益相关者的可见性和协作。

即刻与 IBM 合作，让 AI 在您的业务中发挥作用

IBM 正在其所有主要软件解决方案和服务中注入 watsonx.ai 基础模型，将其嵌入到核心 的AI 和自动化产品以及我们的咨询实践中。 其中包括：

· Watson Assistant 和 Watson Orchestrate：核心的数字劳动力产品已利用 NLP 基础模型进行增强，以提高员工的工作效率和客服体验。

· Watson Code Assistant：使用生成式 AI，允许开发人员使用简单的指令自动生成代码，例如“部署 Web 应用程序堆栈”或“安装 Nodejs 依赖项”。

· Watson AIOps Insights：AI Operations （AIOps） 功能通过代码和语言处理的基础模型得到增强，以提供对 IT 环境中性能数据和依赖关系的更大可见性，帮助 IT 运营 （ITOps） 经理和数据中心高可用运维工程师（SRE） 以更方便、更经济高效的方式处理事件。

· IBM Environmental Intelligence Suite (EIS)：IBM EIS Builder Edition将于今年通过IBM 环境智能应用套件（EIS）以“即服务”的方式提供，由地理空间基础模型提供支持，允许组织创建量身定制的解决方案，根据其独特的目标和需求来解决和减轻环境风险。

将信任置于 AI 战略的核心

我们刚刚开始想象的可能性很快就会变得司空见惯，因为这些新的AI模型极大地影响着人们与技术的交互方式，不仅改变了我们开展业务的方式，也改变了我们对商业的看法。

但要充分发挥其潜力，AI必须建立在信任和透明的基础之上，同时须尽可能地被广泛使用，使所有人都能受益。IBM认为， 值得信赖的AI有赖于五大支柱：可解释性、公平性、稳健性、透明度和隐私性。

IBM 设计 watsonx 时遵循这些信任的核心原则，同时尽可能使其易于访问。一个提高生产力和促进创新的值得信赖的AI未来不仅是有可能的，而且已经到来。这是一个激动人心的时刻：让我们一起，使AI发挥作用，让世界更加美好！

点击了解watsonx更多内容。

有关 IBM 未来方向和意图的声明仅代表目标和目的，如有更改或撤销，恕不另行通知。

[1]将 watsonx.data 的 VPC 小时数标准化的2023年公布标价与几家主要云数据仓库供应商进行比较时。节省的费用可能因配置、工作负载和供应商而异。

如需了解IBM技术、产品和服务的更多信息，点击访问IBM官网

或扫描以下二维码进行访问：