AI 进入价值重构深水区，对话 IBM 大中华区 CTO 翟峰

当生成式 AI 的喧嚣从“百模大战”逐渐沉淀为对业务底座的务实审视，企业面临的核心命题已不再是“要不要用 AI”，而是“如何让 AI 真正长在企业的价值链上”，带着这一追问，我们与 IBM 大中华区首席技术官翟峰展开了一场关于技术落地、架构演进与企业级 AI 价值的深谈，窗外是北京三环的车水马龙，室内翟峰的语气却异常冷静——这种冷静，恰好映射出眼下企业级 AI 市场从狂热回归理性的时代底色。

“幻觉”不是问题，问题在于企业没有“护栏”

对于业界流行的大模型“幻觉”焦虑，翟峰提供了一个颇为不同的视角，在他看来，C 端消费场景里，AI 说错一句话或许只是茶余饭后的调侃，但在 B 端核心生产系统，一次错误的决策可能意味着数百万的物料损失或合规风险，企业级 AI 的第一性原理不是追求模型的“万能”，而是追求系统的“可信”。

“IBM 从不认为仅靠一个庞大的模型就能解决所有问题。”翟峰指了指桌上的架构图，“真正落地的路径，是‘小模型+大模型+传统 AI’的组合，叠加企业独有的数据飞轮。”他强调，IBM 正在帮助企业搭建一个具备治理能力的智能底座，在这个底座上，参数规模不再是唯一的炫耀资本，数据的血缘、模型的版本、推理的可追溯性才是真正的护城河。

从“找场景”到“改流程”：混合多云的现实重力

对话不可避免地触及到了基础设施,当算力焦虑蔓延，翟峰却提醒企业要警惕“为了上云而上云”的新形式主义，他指出，金融、制造、能源等传统行业的 IT 资产极其厚重，核心交易系统与外围创新应用对云的要求截然不同，IBM 坚持的混合云与 AI 战略，核心逻辑在于承认企业的“现实重力”。

“我们很少对客户说‘推倒重来’，而是帮助他们把 AI 能力部署在数据所在的任何地方。”翟峰举例说，一家大型制造企业可能在边缘端就有数千台设备在产生数据，但核心 ERP 却在私有云上，IBM 的价值在于通过一致的技术栈，让 AI 能在边缘、私有云和公有云之间自由流动，这不是一套炫技的架构，而是一种尊重历史投资、兼顾安全与敏捷的工程哲学。

“深水区”的胜负手：咨询与工程的耦合能力

谈及 IBM 不同于其他科技巨头的差异化路径，翟峰提到了一个关键词：耦合能力，他直言，大模型的开源与闭源差距正在迅速缩小，技术本身的稀缺性在下降，真正稀缺的是“把技术精准嵌入复杂业务流程”的能力。

“很多企业买了一堆 GPU，招了一群算法工程师，最后发现模型跑通了，但业务闭环没打通。”翟峰认为，企业级 AI 深水区的竞争，考验的是“咨询+技术+运营”的综合能力，IBM 全球庞大的行业咨询团队之所以在 AI 时代重新变得关键，是因为他们懂得如何拆解一家银行的合规流程，或者梳理一条汽车供应链的断点，AI 要产生投资回报率，必须通过流程再造来释放，而不是在旧流程外面套一个新工具。

给中国企业的“冷思考”：别让 AI 变成高级自动化

在采访尾声,翟峰对正处于数字化转型关键期的中国企业给出了几点“冷建议”，第一，警惕“试点陷阱”：太多企业在做永远无法规模化的 AI 演示项目，建议从一开始就设计好从原型到生产的通路，第二，重视数据底座的质量甚于模型参数：没有高质量、打通了的主数据，再大的模型也是无源之水，第三，保持开放心态，但要握紧控制权：不要被单一厂商锁定，企业需要的是一个可替换、可治理的 AI 平台。

翟峰最后说的一句话令人印象深刻：“未来的赢家，不是那些跑得最快的模型训练者，而是那些最懂得如何将 AI 嵌入决策闭环的架构师。”对于正在穿越周期的中国产业界而言，这句话或许正是从“算力角逐”转向“价值重构”的一声清醒的号角。