报告行业投资评级 - 报告未明确给出对“商用AI”或“AI治理”行业的传统投资评级（如买入、持有、卖出）[2][3] 报告的核心观点 - 人工智能治理是实现企业AI可扩展性、最大化AI投资回报率（ROI）以及应对相关风险的关键[3][8][10] - 随着生成式AI和AI智能体的普及，缺乏有效治理将导致信任缺失、合规风险、偏见等问题，阻碍AI潜力的充分发挥[13][14][21] - IBM的watsonx.governance工具包被定位为解决上述挑战的综合性方案，旨在通过自动化、透明的治理实现负责任、可解释的AI，从而降低风险并提高ROI[69][71][86] 根据相关目录分别进行总结 01 简介 - 生成式AI已成为商业现实，企业正利用其进行创新，但AI是否得到充分治理是关键问题[8][10] - 治理需将安全性和弹性融入组织DNA，提供持续的控制证据，而非仅依赖年度合规检查，这对满足监管和应对风险至关重要[10] - 与AI相关的风险正在上升，包括合规监管、数据偏见和信任缺失等问题[13] - AI智能体是智能自动化的下一演进方向：83%的受访者预计其在2026年前能提高流程效率和产出，71%的人认为其将自主适应工作流程[14] - 高管层承认需加强AI治理：60%的CEO表示正在强制实施额外AI策略以降低风险，63%的首席风险官和首席财务官关注监管风险但仅29%认为已充分解决，约27%的上市公司在SEC文件中指出AI监管风险[17][18][19] - Gartner预测，到2028年，至少15%的日常决策将由智能体AI自主做出（2024年为0%）[14][16] 02 扩展 AI 的挑战 - 阻碍组织扩展AI的主要障碍是“信任”，高管们认为网络安全、隐私和准确性是实施生成式AI的最大障碍[21] - 高管预计未来3年内对AI伦理的投资将至少增加40%[21] - 当前AI治理工具面临透明度不足、监控不一致、模型编目不准确等问题，缺乏端到端的自动化生命周期管理系统会妨碍可扩展性并导致操作不透明[23] - “黑匣”模型广泛部署但缺乏可解释性，其输出逻辑不透明，缺乏治理会导致模型部署延迟、质量参差不齐及未识别风险等问题[23] - AI系统若存在偏见（如涉及种族、性别、年龄）可能产生不公正结果，影响客户和品牌信誉，在高风险领域（如医疗保健）可能导致误诊等严重后果[26] - 组织必须构建透明、公平且包容的系统，可解释的AI对于检测偏见、增强隐私安全和客户信任至关重要[27] - AI监管环境快速变化，不合规可能导致巨额罚款，例如《欧盟AI法案》草案设想的罚款最高可达3500万欧元或公司全球收入的7%[29] - 新法规要求提供全面的模型文档（包括元数据和谱系），但数据科学家在时间压力下常忽视此步骤[29] - 智能体AI会引入和放大特定风险，包括行动目标偏差、无监督自主行为、数据偏见、攻击面扩大及有害后果等[31][33][37] 03 所有 AI 均需进行治理 - 所有AI（包括无监督的智能体）都需要治理，以确保其行为合乎道德、无偏见，从而培育信任和可靠性[39] - 以无监督AI智能体进行客户细分为例，若无治理可能基于敏感属性（如种族、收入）进行分组，导致歧视性行为[41] - 治理措施可包括算法审计、实施公平性指标以及引入人工监督[42] - 生成式AI模型（如基础模型和大型语言模型）有潜力释放数万亿美元的经济价值，能提高生产力并适应各类任务，具备高度可定制性、可扩展性和成本效益[43] - 生成式模型功能已扩展至生成图像、音乐、文本、代码等，用例涵盖营销、客户服务、零售、教育等多个行业，但也引入了新的复杂性和风险[44] 04 全面的 AI 治理 - 成功的AI治理取决于人员、流程和技术的交互[47] - 人员方面：需要强大的跨职能团队，协调利益相关者，就负责任的AI采用达成共识，并根据业务控制和监管框架定义正确的指标、KPI和目标[49][50] - 流程方面：AI治理涉及追踪数据来源、模型、元数据和整个数据管道以用于审计，详细文档可提高透明度并让利益相关者了解模型行为与风险[61] - 建议对现有AI技术和流程进行基准评估，创建自动化治理工作流程，并建立监控框架以在模型指标超出阈值时发出警报[61][62] - 技术/原则方面：治理应得到信任支柱的支持，包括可解释性、透明度、公平性、稳健性和隐私保护[55][56][57][58][59] - 全面的AI治理框架应能管理法规、主动降低风险、自动生成文档、串联利益相关者，并实现集中的可见性和透明度[51][52][53] 05 watsonx.governance 可实现负责任、透明且可解释的 AI - IBM watsonx.governance被描述为一个强大的AI治理工具包，旨在指导、管理和监控AI计划，以降低风险、履行合规义务并最大化AI投资ROI[69] - 该工具包基于IBM watsonx构建，使用软件自动化增强法规遵从性和道德AI实践，提供全面治理且无需昂贵的平台迁移[71] - 它在预生产阶段验证业务风险，部署后持续监控公平性、质量和模型偏差，确保合规性，并为审计人员和团队提供模型行为洞察[71] - 其覆盖整个AI生命周期，通过集中的AI事实记录帮助设计、开发、部署和监控，并借助跨数据、模型、元数据和管道的可追溯性简化审计[71] - 主要组件包括：法规一致性（简化合规流程）、风险与安全管理（主动检测风险）、生命周期治理（开放且与平台无关，可治理IBM或第三方平台如OpenAI、Amazon构建的AI资产）[73][74] - 具体功能包括：构建透明模型流程、访问监管内容库、自动识别未注册的AI部署、统一安全策略、在单个实例中评估多个AI资产、实时跟踪AI资产生命周期等[75] - 有效治理能将AI计划与企业目标结合，推动跨用例的ROI，应用场景包括：改善客户体验（如监控聊天机器人）、增强业务流程、避免合规成本、自动运行审计流程、保护人力资源流程免受偏见影响等[76][77] - IBM在2024年IDC MarketScape全球机器学习运营评比中被评为领导者[71] 06 AI 治理实际应用 - IBM通过其隐私与负责任技术办公室推出了隐私与AI管理系统及综合治理计划，集成了watsonx.governance等技术以可靠地管理机器学习模型并遵守法规[79][81] - 该整体方法实现了主动风险管理、法规遵从性协调和规模化治理，并取得成效：第三方数据放行审核申请处理时间缩短58%，IBM专有数据同类处理时间缩短62%，超过1000个数据集和模型被批准可重复使用[82] 07 后续步骤 - 报告鼓励使用watsonx.governance工具包来创建负责任、透明且可解释的AI工作流程，而无需承担切换数据科学平台的成本[85] - 借助该工具包，企业可以管理风险并保护AI部署，在不断变化的AI监管环境中保持领先，并通过提高AI用例的透明度和可见性来提高AI计划ROI并加快上市时间[86]

会议与行业概览 * 会议为摩根大通第八届全球机器学习会议 于2025年11月25日在巴黎办公室举行[4] * 会议吸引了约140名投资者 代表约80家全球机构[4] * 会议内容聚焦于人工智能和机器学习在金融服务与投资管理领域的应用、挑战与趋势[5] 核心观点与论据 人工智能技术演进与实施 * **智能体人工智能**正在转变企业价值创造 要求组织重塑团队技能、管理技术债务并调整商业模式以适应创新[10] * 从预测性和生成式人工智能向智能体系统的转变带来了自主决策 这要求强大的治理、可观测性和评估[10] * **大型语言模型**在自然语言理解和沟通方面非常有效 但缺乏复杂推理和最优规划的正式保证[29] * 将大型语言模型与经典人工智能、数据库和规划工具相结合 通过提示、检查器和专用智能体的流程 能为时序问答、时间序列分析和自动化操作编排等任务提供更可靠的解决方案[29] 数据、建模与投资组合管理 * 生成对抗网络和变分自编码器等生成模型为模拟金融时间序列和投资组合回报提供了有前景的方法 但面临数据有限、非平稳性和复杂资产结构的挑战[15] * 合成数据的准确性受限于初始样本 生成过多数据可能引入偏差[15] * 标准模型关注高方差成分 这对于投资组合构建（尤其是需要低方差因子的多空策略）是次优的[15] * **自适应配置引擎**通过将基于启发式的投资组合构建与机器学习相结合 改善了战略资产配置 以应对市场不稳定性和估计误差[34] * 该框架使用多种启发式方法、多样化加权和崩盘保护 通过排序学习模型和多臂老虎机算法对策略进行动态排序[34] * **NeuralBeta**通过将回归与神经网络相结合来改进贝塔估计 而**NeuralFactors**则将因子分析扩展到处理生成建模和多样化特征[43] * 注意力机制和先进的损失函数进一步提高了准确性 表明混合经典与机器学习方法能为风险估计和投资组合优化带来最佳结果[43] 风险管理、合规与治理 * 金融机构在实施人工智能法规方面面临重大挑战 原因包括定义宽泛且不断演变、全球框架多样化以及跨司法管辖区合规复杂[20] * 关键主题包括风险管理、透明度以及基于角色的义务 特别是对于就业和信贷等高风险活动[20] * 有效的实施需要跨组织协作、扩大问责制以及与现有风险控制的整合[20] * 解决监管数据需求、平台战略以及适应不断变化的规则至关重要[20] * **负责任的人工智能实践**涉及隐私风险、用例评估以及广泛的风险分类 包括智能体攻击和运营弹性[25] * 自动化护栏和人在回路的策略可确保合规性、适应性和安全执行[25] 投资管理中的Alpha来源与趋势 * 小组讨论探讨了投资管理中的Alpha是更多由另类数据还是机器学习驱动 强调了处理原始和非结构化数据、构建定制因子以及确保数据质量的重要性[52] * 讨论涉及整合机器学习的挑战、对速度和可解释性的需求 以及情绪和输出在不同语言和方法之间的差异[52] * 高质量的数据和先进的机器学习对于可持续的Alpha都至关重要[52] * 讨论强调了从原始数据到投资过程中可操作知识的持续演进[52] * 炉边谈话强调了人工智能在投资管理中不断演变的角色 强调可解释性、信任和数据质量[39] * 关键点包括采用人工智能的动机、拥抱不确定性的重要性 以及将复杂财务决策委托给人工智能系统的风险[39] * 讨论涉及大型语言模型在推理方面的局限性、较小模型日益增长的有效性 以及提取新数据源（如税务数据）的必要性[39] * 谈话还强调减少对相关性的依赖、弥合研究与实践之间的差距 以及构建可信、可审计的人工智能系统以支持未来投资策略的重要性[39] 人工智能在保险领域的价值与风险 * 人工智能正在通过自动化、优化和预测分析改变保险业 但也带来了需要仔细管理的技术和社会风险[48] * 人工智能被用于定价、理赔、保单比较和风险提取 利用机器学习和计算机视觉[48] * 人工智能保险的兴起解决了模型腐败、对抗性攻击和合规等问题 但由于动态风险和有限数据 也带来了新的承保挑战[48] * 这推动了专注于人工智能资产保护、性能和责任覆盖的新风险框架和保险产品的开发[48] 其他重要内容 * 会议采用现场插画师记录每场演示的要点和精髓[4] * 摩根大通全球股票研究评级分布显示 截至2025年10月4日 其覆盖范围内股票评级为增持、中性和减持的比例分别为50%、38%和12%[61] * 报告末尾包含广泛的法律实体披露、地区特定披露以及免责声明 强调了研究的独立性、潜在利益冲突以及报告的分发限制[57][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74][75][76][77][78][79][80][81][82][83][84][85][86][87][88][89][90][91][92][93][94][95][96][97][98][99][100][101][102][103][104]

股价表现与市场关注度 - 公司股价在30天内飙升超过300%，达到1.36美元，52周价格区间为0.25美元至2.68美元 [1] - 股价的剧烈波动使其成为趋势列表上的焦点，吸引了增长型投资者的兴趣 [1] 重大战略投资与财务状况 - 公司获得Scilex Holding Company 1.5亿美元的战略投资，该交易以比特币进行，首期约800万美元已完成 [2][3] - 此次九位数的投资规模远超公司2025年第二季度174万美元的营收，将用于运营和特定高潜力项目，极大地增强了其财务实力和运营跑道 [3] - 这笔资金注入解决了小盘科技公司常见的现金消耗和股权稀释风险，使公司能从财务优势地位执行增长计划 [2][3] 核心技术验证与行业合作 - 公司获得国际商业机器公司价值约500万美元的专业服务资源承诺，包括20,000小时的专家支持 [6][7] - 合作内容涉及将公司平台与IBM的watsonx.ai和watsonx.governance技术整合，以加速其产品路线图 [7] - 此次合作被视为IBM对公司核心技术的深度认可，显著降低了技术风险并提升了其在竞争市场中的信誉 [6][7] 业务拓展与执行力证明 - 公司与韩国航空航天大学签署谅解备忘录，利用其VerifyU™平台进入高价值航空航天领域 [8][9] - 合作旨在为行业开创数字凭证认证，并从韩国的试点身份验证项目开始，展示了管理层将战略胜利转化为实际业务发展的能力 [9] - 这一举措为公司开启了新的全球收入机会，是管理有效性的关键指标 [9] 分析师观点与市场动态 - 华尔街分析师给予公司股票“强力买入”评级，12个月平均目标价为7.00美元，较当前股价有414.71%的上涨空间，最高目标价为11美元，最低为3美元 [10] - 截至9月中旬，公司股票的做空兴趣超过公众流通股的20%，这可能带来空头挤压的潜在可能，放大股价上涨动力 [11]

核心观点 - IBM推出行业首个将AI安全和AI治理团队整合的软件，提供企业风险态势的统一视图 [1] - 新功能增强并整合watsonx.governance和Guardium AI Security，帮助客户大规模保障AI系统安全和责任 [2] - AI代理若未妥善治理或保护可能带来严重后果，公司通过新解决方案应对此类挑战 [3] 产品整合与自动化 - 增强IBM Guardium AI Security与watsonx.governance的集成，提供首个统一解决方案管理AI用例的安全与治理风险 [3] - 支持用户验证12种合规框架，包括欧盟AI法案和ISO 42001 [3] - 与AllTrue.ai合作新增能力，可检测云端环境、代码库及嵌入式系统中的AI用例，实现广泛可见性与保护 [4] 安全功能升级 - Guardium AI Security新增自动化红队测试功能，帮助企业检测修复AI用例中的漏洞与错误配置 [5] - 支持自定义安全策略分析输入输出提示，缓解代码注入、敏感数据暴露等风险 [5] - 与watsonx.governance的集成功能将于年内逐步推出 [5] AI代理全生命周期治理 - watsonx.governance现可监控管理AI代理从开发到部署的全生命周期 [8] - 评估节点可直接嵌入代理，监测答案相关性、上下文相关性等指标，定位性能问题根源 [8] - 计划6月27日推出代理入驻风险评估、审计追踪及代理工具目录功能 [8] 合规能力 - watsonx.governance Compliance Accelerators提供预加载的全球法规与标准，帮助用户映射AI用例义务 [10] - 涵盖欧盟AI法案、美联储SR 11-7、纽约市144号地方法律及ISO/IEC 42001等标准 [10] 咨询服务扩展 - IBM咨询网络安全服务推出新服务组合，整合数据安全平台与AI技术咨询，支持客户AI转型 [11] - 服务覆盖AI部署发现、漏洞排查、安全设计实践实施及动态监管指导 [11] 市场拓展 - watsonx.governance现已在印度AWS数据中心上线，增强模型监控能力 [12] - 新功能与IBM watsonx AI解决方案套件协同，助力企业负责任且安全地加速生成式AI影响 [12]

文章核心观点 - IBM与英伟达扩展合作以扩展AI工作负载和代理AI应用，有望为IBM带来增量收入推动股价上涨，IBM增长受多领域驱动且收购增强其能力 [1][7][8] 合作内容 - IBM与英伟达扩展合作，IBM将为混合云基础设施推出内容感知存储（CAS）能力，扩展watsonx与英伟达集成并引入新咨询能力 [1] - 双方将合作为企业提供混合AI解决方案，利用开放技术和平台支持数据管理等多方面，CAS能力可提取非结构化数据含义，watsonx与英伟达推理微服务集成可让企业更易访问领先AI模型 [2] - 双方将帮助客户用代理AI应用转变和管理端到端业务流程并将AI货币化，还能管理计算密集型AI工作负载克服运营孤岛 [3] IBM核心技术平台 - IBM的watsonx平台可能是其AI能力的核心技术平台，由watsonx.ai工作室、watsonx.data数据存储和watsonx.governance工具包三款产品组成，能为企业带来基础模型价值并提高生产力 [4] IBM混合云业务 - IBM的增长预计长期由分析、云计算和安全驱动，企业云工作负载增加促使其采用云无关和可互操作的多云管理方法，推动IBM混合云解决方案需求和收入增长 [5] - 收购HashiCorp增强了IBM管理复杂云环境的能力，其工具集补充了IBM RedHat的产品组合；收购StreamSets和webMethods改善了IBM的AI平台和自动化能力，使IBM能开发全面的应用和数据集成平台 [6] 股票相关 - IBM专注混合云与AI解决方案，更好的业务组合、运营杠杆改善和对增长机会的投资有望推动其盈利能力，与英伟达的扩展合作可能为其带来增量收入推动股价上涨，过去一年其股票上涨27.3%，而行业下跌9.3% [7][8] 其他公司推荐 - Arista Networks（ANET）Zacks排名为2（买入），受益于各垂直领域和产品线的强劲势头与多元化，软件驱动、以数据为中心，过去四个季度平均盈利惊喜为12.9%，在数据驱动的云网络业务中处于有利增长地位 [10] - Ubiquiti（UI）Zacks排名为1，为服务提供商和企业提供全面的网络产品和解决方案，过去四个季度盈利惊喜为7.5% [11]