凈利潤下降、股價下滑、巴菲特減持，IBM的轉型過程分外艱難。目前相當普遍的一種說法是，IBM錯過了移動時代后，又正在錯過AI時代。

　　的確，硬件被英偉達的GPU和谷歌的TPU搶盡了風頭，算法上比不過DeepMind龐大的論文量，應用落地也比不過微軟、百度范圍更廣。IBM在這個人人高舉AI大旗的年代，多少顯得有些尷尬。

　　可要說IBM在人工智能上毫無建樹，那可是太冤枉了。或許你曾經被百度大腦、搜狗機器人在綜藝節目的表現所驚艷，那么你應該知道，早在2011年，IBM的超級計算機“沃森”曾在問答節目《危險邊緣》中擊敗兩位人類選手，拿下歷史最高分。

　　從那時起，或者更早，沃森就成了IBM沖擊AI大時代的生力軍。

　　IBM Watson核心能力：解讀非結構化數據

　　沃森以此來自于IBM公司創始人托馬斯·J·Watson的名字，準確來說沃森是一種“平臺”或“系統”，擁有理解、推理、學習等等多種能力。從上個世紀開始，IBM就在人工智能領域不斷探尋，能和人類交流、提煉信息的沃森只是成果之一。

　　別說比別人早一步登上問答節目，就連棋牌類人機大戰的戲碼，IBM也早就玩過。在1997年，IBM的計算機程序“深藍”就曾在國際象棋的戰場上戰勝了棋王卡斯帕羅夫。

　　而從深藍到沃森的變化，正是IBM在AI方向上最關鍵的選擇。

　　有人說深藍是沃森的前身，這話對也不對。深藍的應用范圍是象棋，很圍棋一樣，是一種數字游戲，深藍還擁有480顆專門為象棋打造的芯片——極有可能為了暴力窮舉。沃森的應用則在于人機對話問答，所處理的都是語言、聲音甚至是圖片。而相比深藍的硬件形態，沃森已經超脫了禁錮，進化成了技術平臺。

　　最為關鍵的一點是，沃森專注的是理解非結構數據。

　　理解什么是非結構化數據，要先知道結構化數據。結構化數據存在于ERP系統與數據報表之中，是經過標注的、存在于數據庫之中的數據。所以非結構化數據，自然就是那些只能用.txt、.MP3、.avi等格式儲存的數據。

　　所以，沃森的理解、分析、提煉和推理，可以建立在自然語言和圖片之上。

　　認知計算與人工智能，究竟是話術差異還是技術差異

　　這樣看來，沃森更像是一個巨大且牛逼的數據處理平臺，可在這個一切建立在數據之上的時代，又有哪個人工智能產品不是這樣呢?

　　在遙遠的2011年，IBM好像還沒準備好讓沃森站上人工智能這個風口，相反，IBM為沃森提出了一種非常新鮮的概念：Cognitive Computing——認知計算。

　　公認認知計算的解釋是這樣的：“認知計算代表一種全新的計算模式，它包含信息分析，自然語言處理和機器學習領域的大量技術創新，能夠助力決策者從大量非結構化數據中揭示非凡的洞察。認知系統能夠以對人類而言更加自然的方式與人類交互;認知系統專門獲取海量的不同類型的數據，根據信息進行推論;從自身與數據、與人們的交互中學習。

　　這么看來，的確很難分辨所謂認知計算和人工智能之間的關系，尤其是弱人工智能，兩者之間的定義非常相似。都是建立在數據之上，利用NLP、機器學習等等技術賦予機器自學習、自進化的能力，讓它們能夠更好的服務于人類。

　　在Google搜索Cognitive Computing，結果也大多跟IBM有關，現在看來，有關認知計算的一切似乎都是IBM一場失敗的造詞計劃。

　　難道就是因為話術選擇的不慎，就讓IBM在AI時代落后于人嗎?

　　沃森的成績單，其實沒有想象中那么差

　　拋開技術概念的相似，IBM的認知計算，還是和目前很多企業涉獵的人工智能有一些差別的，而這些差別存在于市場轄定之中。

　　像亞馬遜、微軟等等企業對于人工智能研發到一定程度上之后，都會落地到一個具體的民用級產品中——Echo、小冰、特斯拉……雖然不能說清這些企業的目標市場究竟在哪，但都在C端市場中做足了姿態。

　　和前一段大家都跟風人工智能音箱的原因一樣，你不這么做，就好像不在這個戰場。

　　或許是來自咨詢管理的基因，IBM從一開始就把目標明確在了企業級市場。在2014年IBM中國論壇上，IBM提出把“借助數據協助行業轉型”作為轉型的主要方向之一。這其中的邏輯也很簡單：認知計算建立于數據之上→IBM擁有大量企業數據，自然一拍即合的推出了適用于企業的服務。

　　而且IBM一上來就選了幾塊難啃的硬骨頭：醫療、金融和營銷，不過沃森的表現，并不像某些分析師說的那么不堪。

　　在醫療領域，沃森的動作最多、聲量也最大。

　　訓練沃森治療癌癥、和安德森癌癥中心等等醫療機構合作，一時間引起了不少媒體的關注。在醫療領域，沃森最具優勢的是對資料的查找、提煉速度，據稱沃森可以每秒閱讀八億頁的資料。快速處理數據、輔助醫生進行診療，這一切只是看上去很美。實際上和安德森癌癥中心合作了五年，雙方沒能推出一款可以實際應用的工具，最終安德森中心支付賠款，終止了和IBM的合作。

　　相比醫療，沃森在金融這條路上明顯走的更加順利。

　　推出銀行網點服務機器人、發布金融云、輔助智能投顧等等，雖然大多還是一些細小的工作，但搭上Fintech這趟車一定不會出錯。而且IBM在收購金融企業時出手很大方，過去有Promontory和Algorithmics，未來恐怕還會有更多。AI+金融已成大勢，加上IBM和銀行一向親密的關系，或許將成為沃森的主場。

　　在營銷方面，沃森能發揮的空間更廣。

　　AI+營銷這個話題，多多少少有些老生常談了。據說沃森每天學習9節IBM思考營銷項目中的課程，初步目標是“懂得如何為每一位客戶量身定做創意內容”。目標雖然遠大，可目前沃森所做的還是老一套——學習用戶歷史消費數據，做出智能推薦。去年，沃森就和The Northface合作了一把，通過用戶瀏覽歷史、當地天氣等數據推薦給消費者合適的外套，VentureBeat統計，這一廣告點擊量達到了90%。相比醫療和金融，AI營銷領域限制少、容錯率高，可以給沃森更廣闊的發展空間。

　　生于創新，死于原罪?

　　IBM今天的局面，其實來源于B端服務級企業的原罪。體量巨大、有穩定營收，即使看中了AI市場，轉型起來也很困難。一直服務B端市場，掌握的數據有天然限制，購買數據打入C端市場/研發B端AI技術兩個選擇在天平上搖擺不定。IBM的選擇看似是一條容易的路：利用原有數據開發產品，然后讓長期合作的企業級用戶買單，可從實際操作看來，企業沒那么容易買賬。

　　而長期投入B端市場、選擇了不討喜的“認知計算”話術，為IBM帶來的后果就是錯過了搶占大眾心智的黃金時期。不過好在IBM的技術底子還在，就算沃森當前表現平平，未來也不難和谷歌、微軟、亞馬遜一戰。

　　(曾經在舞臺上打敗過人類的Watson)

　　需要警惕的，反而是國內很多B端服務企業，轉型時沒有IBM的本事還得了IBM的病，以為企業級市場會永遠歡迎自己，連最基本的技術創新能力都已經喪失卻還想著吃老本。要知道在這個人工智能技術飛快發展的時代，走錯任何一步都可能是死局。