IBM周二在舊金山的年度Think技術大會上宣布，將向競爭對手亞馬遜、微軟等云服務平臺開放部分人工智能系統Watson AI。也就是說未來在亞馬遜云AWS或者微軟云Azure上運營的企業用戶也能獲取Watson AI的數據。

這是IBM走向開放的重大舉措，IBM當天股價大漲超過1.5%，今年以來，IBM股價累計上漲已經超過20%。

巨頭搶灘萬億美元云市場

IBM董事長兼CEO Ginni Rometty表示：“開放Watson AI是重要的篇章，不僅僅是對Watson，而是對整個混合云行業的里程碑事件。我們認為這是一個萬億美元的市場，IBM將成為第一。”

過去多年來，只有在IBM云上運營的企業用戶才能獲得Watson的數據。早在2016年，時任IBM首席財務官、現任IBM高級副總裁Martin Schroeter曾表示：“Watson和我們的技術只能在IBM云上運營。”

但近年來，IBM已經打破了這種封閉的策略，并試圖進一步擴大Watson的影響力。此前IBM還宣布斥資340億美元收購開源軟件公司紅帽(RedHat)，不過這起收購還有待相關部門批準。

“IBM將開放提升到一個從未有過的高度。”IBM數據和AI總經理Rob Thomas在Think大會上表示，“在大部分大公司把數據存儲在混合云的背景下，這些企業需要選擇并將AI應用到它們存儲在任何地方的數據。” IBM將通過谷歌旗下的開源軟件包Kubernetes實現將數據連接到競爭對手的云服務平臺。

去年5月，IBM已經推出了基于Kubernetes的名為Cloud Private for Data(ICP for Data)的新服務，這一技術能夠使用戶通過使用Watson實現為機器學習建模或者創建數字聊天機器人等任務。

IBM數據和AI副總裁Daniel Hernandez接受第一財經記者專訪時表示：“IBM現在不僅為一朵云服務，而是為所有的云服務。我們也是唯一一家將AI數據開放給所有云平臺的巨頭公司。”

Hernandez還向第一財經記者介紹道，Watson AI系統能夠幫助金融、醫療、呼叫中心等領域的客戶提升業務能力。Watson AI能夠幫助客戶在自然語言處理和個人助手等人工智能領域進行優化，從而在激烈的市場競爭中確立領先地位。

已經有金融和通訊等領域的企業開始積極部署人工智能生態圈。上個月，思科(Cisco)的競爭對手、美國通信領域領導者Avaya宣布擴大AI生態系統，并納入了人工智能和云計算解決方案。新的生態系統將能使得Avaya及其伙伴開發出面向統一通信和聯絡中心解決方案的人工智能與機器學習技術，從而提升企業員工的工作效率。

AI 發展推動云業務需求激增

IBM策略的轉向也是大勢所趨。這家超過百年歷史的老牌科技公司已經擯棄硬件全面向軟件轉型。IBM的公有云份額遠低于競爭對手亞馬遜云AWS和微軟云Azure，位列第三。根據IBM上個月公布的最新財報，2018年第四季度，科技服務和云平臺部門營收為89.29億美元，云業務營收增速已從第一季度的20%降至第四季度的2%，增速明顯放緩。

研究機構Hurwitz&Associates分析師Dan Kirsch告訴第一財經記者，IBM的開放策略“意義重大”，因為用戶對技術的需求已經不再僅僅依賴于一家公司的技術。“如果你和客戶說你只能用我們的軟件和產品，他們將會不再搭理你。”Kirsch說道。

亞馬遜、微軟、谷歌的等競爭對手都在大力推動人工智能的布局，原因是隨著深度學習技術的發展，大量的數據需要在云上進行處理。谷歌新任云業務CEO Thomas Kurian在同一天于舊金山舉行的高盛科技大會上表示：“谷歌云正在以前所未有的速度發展，谷歌將會在云業務方面采取更加激進的競爭舉措。”根據谷歌公布的數據，來自云業務的收入每季度超過10億美元，包括公有云和云應用。亞馬遜在最新一個季度公布的云業務收入更是高達74.3億美元。

另一方面，IBM開放Watson也是向亞馬遜、微軟和谷歌的妥協——在深度學習方面，IBM已經失去了傳統的領先地位。Gartner研究副總裁盛陵海對第一財經記者表示：“IBM開放Watson AI，一方面擴大了用戶的選擇范圍，他們以后在用Watson的時候，不一定要用IBM的云服務;另一方面也能借此向其它云服務廠商推銷Watson AI，讓業內一起推動Watson AI的發展。”

不過盡管企業認為在開發軟件和IT產品時，把自己限制在一個特定的云服務是不利于公司發展的，但是目前企業仍然沒有大范圍開始使用像Watson這樣的人工智能系統，而是更愿意將公司數據上傳到像AWS這樣的云平臺上，并依靠這些云服務廠商提供機器學習的軟件能力。

IBM相信這種趨勢將發生轉變。IBM副總裁、首席數據官Seth Dobrin博士對第一財經記者表示：“過去的方式只適合小規模、對時效沒有很大要求的數據學習，但是現在的數據規模正在變大，而且大多數情況下對時效的要求更高，比如在金融領域，反欺詐需要實時快速的數據處理，這就對人工智能的能力提出了新的要求。”