文章核心观点 - 中国企业全球化进入新阶段，重心从产品出口转向研发、供应链、营销等价值链的全面全球化，这对企业的数字化和智能化基础提出了更高要求[2] - 人工智能成为构建支撑企业全球化运营的数字化底座的核心，企业需要具备跨地域协同、跨系统统筹、跨业务贯通的智能化能力[2] - IBM致力于通过“咨询+解决方案+平台+基础设施”的全栈方式，为企业提供“智能化+全球化”的双重底座[3] AI技术体系与智能体 - IBM在TechXchange大会上将智能体、数据与安全治理作为AI技术体系的三条主线，聚焦于解决AI落地时的实际问题[5] - 企业推进智能体落地的核心问题在于其能否接入现有系统并调用执行任务的工具，平台的开放性与连接能力决定其业务价值[5] - IBM的watsonx平台通过三个关键“网关”重塑开放能力：Model Gateway支持自由调用各类模型；MCP Gateway支持集成各类工具；Agent Gateway支持纳入已有的智能体生态[7] - watsonx平台侧重于底层的AgentOps，提供智能体从开发、调度、协作到治理的全生命周期管理能力[7] - 以财务智能体为例，通过与Planning Analytics深度集成，将预算流程变为“对话式”操作，实现自动化与结构化[8] - 智能体的开发方式与传统软件不同，具有自适应和自调整特性，IBM与Anthropic合作提出了包含两个“内循环”的智能体生命周期管理与治理框架[11] - IBM正借助与Anthropic的合作重塑代码助手产品线，未来新版本将引入Anthropic的代码大模型，提升开发效率[12] 数据平台与治理 - 数据决定了AI应用的深度与稳定性，IBM近年来加大在数据层的投入，核心是watsonx.data多模数据底座[8] - AI处理的数据天然是多模态的，watsonx.data的使命是将不同形态的数据统一纳入一个底层结构进行管理[8] - TechXchange的重要更新之一是让watsonx.data通过MCP服务化，使智能体可通过对话式交互直接访问治理后的数据[9] - 安全与治理是AI产生可持续业务价值的前提，IBM强调需要为智能体建立类似“车管所”的登记、审批、监控和追溯机制[10] - 超过80%的企业计划引入生成式AI或智能体应用，这要求企业对数据进行统一治理和结构化[22] - IBM推出的全局数据平台旨在重构AI时代数据访问、管理、存储和保护的方式，基于IBM Storage Scale，提供大规模并行访问、智能分层存储等功能[22] - 在性能方面，IBM Storage Scale System 6000将4U带宽提升到340GB/s、IOPS达2800万，checkpoint写入速度可达其他方案的两倍[22] - 通过“存算分离+数据分层”架构，在统一平台上实现性能与成本的动态平衡[23] - 在安全方面，IBM构建端到端的数据韧性体系，可提升98%的恢复速度、提升75%的备份效率、降低50%成本，并在勒索场景下实现“零赎金”恢复[23] 自动化与系统集成 - IBM自动化软件的目标是将高频、重复、易出错的工作交给机器，主要应用于IT自动运营、应用开发与集成以及IT安全与基础架构管理三个领域[16] - 自动化软件构建在数据与智能体之上，通过浏览器界面使复杂的集成和运维工作自动化[16] - 新发布的集成类智能体旨在自动完成流程设计、代码生成、测试、上线、监管及持续运维等任务，例如用自然语言描述即可完成SAP与WMS的同步流程[17] - 随着企业部署大量智能体，可观测性与基础架构管理变得至关重要，企业需要知道智能体在哪里运行、做了什么以及效果如何[18] - 本次发布的关键能力包括：Instana GenAI Observability（通过生成式AI提升可观测性）和Project InfraGraph（基于收购HashiCorp后的基础架构图谱化能力）[19] - 这些能力构成了让智能体之间、智能体与传统系统之间稳定协作的价值底座，确保在复杂全球环境中的可控性[19] 市场落地与本土化实践 - IBM在中国启动“AI深耕”计划，旨在通过“区域+生态+共创”的模式，将AI能力转化为企业可即用的工具，聚焦于产业带和区域市场[23][25] - 在能力覆盖上，IBM提供从AI战略咨询到AI基础设施的完整链路，并特别关注AI解决方案层[25] - 围绕研发、生产、供应链等核心业务域，IBM已在国内积累成熟案例，并为出海业务沉淀了一套可复制的解决方案体系[25] - 以一家头部新能源汽车企业为例，通过基于IBM ELM构建的智能研发平台，将智能座舱项目中原需两周的人工作业缩短至两小时内完成，大幅提升研发效率与质量[26]