IBM的失败:脱离了应用场景的“硬科技”是没有前途的

的新一代公司)。IBM对人工智能(AI)的投资可以上溯到1990年代,很多人至今还记得“深蓝”超级电脑在国际象棋中击败人类的报道。2010年代,IBM又推出了Watson这个“基于自然语义的人工智能解决方案”,试图以此为支点彻底改造人类的商务和政务活动。

然而,2022年7月的IBM,市值仅有约1100亿美元,远远低于以苹果、谷歌、亚马逊为代表的互联网巨头。IBM Watson早已沦为历史遗迹,现在人们印象最深刻的是Alphabet (Google)开发的Alpha Go在围棋中击败人类的一幕;Alphabet与Amazon、Microsoft一道,成为了新的人工智能三巨头(有人认为Meta是第四巨头)。无论人工智能在今后二十年能发展到什么阶段,IBM的受益程度将注定小于Alphabet这个后辈。

IBM和Alphabet在人工智能领域的此消彼长,原因固然很多,但最根本的原因是:前者没有找到最合适、性价比最高的应用场景,而后者找到了。因此,Alphabet是在沿着阻力最小的路径前景,基础研发和应用之间形成了良性循环;而IBM的惊世豪赌则以惨败告终。“后人哀之而不鉴之,则使后人复哀后人也!”

毫不夸张地说,越是前沿、越是不接地气的研究方向,IBM的存在感往往就越强;如果一项研究项目还停留在实验室里,那它很可能就是IBM精通的项目。当下最典型的例子是量子计算(Quantum Computing),被学术界视为传统(电子)计算机的潜在颠覆者,但是离大规模实用还非常遥远。IBM Q System One不但是世界上第一部基于线路(Circuit)的量子计算机,而且是第一台投入商业运营的量子计算机。虽然实际商业价值非常有限,这个成就仍然得到了无数媒体的报道,并且必将在IBM印发的各种PPT当中反复被强调。

IBM Q System One, 世界上第一台量子线路计算机

熟悉历史的人不妨大胆预测:一旦量子计算开始大规模投入实用,IBM的领先地位即使不丧失,也会大打折扣。这家老牌科技公司有能力维持基础研发投入,却总是在寻找应用场景上落后于那些更新潮、更灵活的公司——以前是Microsoft, 现在是Alphabet。我们不需要寻找遥远的例子,只需要回顾IBM Watson这个高开低走的大型泡沫就足够了。

机器学习(Machine Learning, ML)是人工智能的一个重要分支,而且从1990年代开始逐渐发展为一个独立的研究领域。在这份研究报告中,我们没有必要讨论二者的微妙区别,只需要了解机器学习更重视大数据、强调通过海量数据的训练去自动提高算法精度即可。沿着这条道路发展下去,算法可以代替人类解决越来越多的智力问题,就像机器已经代替人类解决了大部分体力问题一样。有人将机器学习视为下一次工业革命的核心技术,并非没有道理。

IBM不可能缺席如此重要的前沿技术。早在2006年,它就启动了Watson项目,目标是在自然语义下实现复杂的人机问答。也就是说,用户可以以日常语言向计算机提问,无需将其转换为代码,即可获得专业的、可理解的回答。2011年1-2月,IBM Watson取得了一个万众瞩目的开局:在美国历史最悠久的电视智力竞赛节目“Jeopardy!”当中击败了两位人类冠军,并获得了100万美元的大奖。同年,IBM宣布Watson已经达到了医学院二年级学生的知识水平。

雄心勃勃的IBM决定利用Watson改造整个西方世界最复杂、资源浪费最大的行业——医疗,而且一上来就聚焦于难度最高的癌症诊疗。2013年,包括德克萨斯大学MD Anderson癌症中心在内的三家大型医疗机构与Watson签约合作;IBM市值的历史最高点,也恰好出现在这一年(比现在高25%)。2015年,Watson Health正式成为了IBM旗下的一个独立部门。与此同时,Watson在教育、交通、工程、政务、天气预报等领域也得到了一定的应用。人们有理由相信,IBM将成为机器学习产业化的最大受益者之一。

然而,IBM Watson此后的历史,给“技术泡沫”这个词做出了最佳注脚。从2018年开始,每年都有大批医疗机构与Watson解约;2019年,IEEE Spectrum发表了一篇文章,详细论述Watson为何不能完成自己的承诺;2021年,IBM终于决定出售Watson Health的大部分资产,由于买家兴趣平平,直到2022年才出售完成。综合看来,Watson的失败完全是可以理解的:

  • 对癌症治疗的建议效果不佳。具体而言,Watson的治疗建议与人类专家建议的一致性较低,导致许多医院拒绝予以采信。当然,人类专家的建议未必就是对的,可是在癌症治疗这种大事上,没有人敢轻易用人工智能否定人类专家。此外,Watson的适用场景有限,只对肺癌等常见癌症有比较高的精度。
  • 无法融入已有的医疗信息和数据系统。在MD Anderson癌症中心,Watson甚至无法接入电子病历系统;在英国,Watson也经常无法读取实际病历。原因一方面在于监管(病人隐私保护),另一方面在于医疗系统的复杂性。让Watson接入所有医院的医疗信息系统(HIS)简直是难于登天!
  • 无法直接代替医生的劳动。Watson Health的设计初衷是减轻医生的工作负担,但由于技术和伦理的双重原因,它无法代替医生发表诊断意见,只能为医生提供参考。结果,在许多医院,Watson沦为昂贵的“年轻医生培训系统”,资深医生的工作量并未得到很大缓解。

说到底,IBM选择医疗作为突破口,本来就错了,因为医疗涉及到太多既得利益,又有太多伦理问题;选择癌症诊疗作为细分市场突破口,更是大错特错,因为医疗机构对于癌症这种重症的治疗手段必然是非常保守的,很难相信人工智能;选择以自然语义提供癌症诊疗建议,更是人为增加难度,妄想一步登天。事实上,直到2020年,医疗机构仍然在抱怨Watson对日常语言的理解能力不足!

IBM对Watson从希望到绝望的全过程,形象地体现在其年报中:2012年仅提及8次Watson,此后逐年剧增至2016年的131次,然后又一路回落至2021年的6次。值得一提的是,2020年Watson有过回光返照的势头,可那是由于疫情期间个人用户大量使用Watson语音助手所致,与“高大上”的医疗服务没有关系。

假如IBM没有选择医疗这个极难改造的行业作为突破口,而是从一开始就聚焦于教育、交通等相对容易改造的行业,或许Watson的命运会大不相同。换一个角度想,IBM可不可以把Watson做成纯粹的消费应用,例如智能家居产品或智能机器人?毕竟,“自然语义识别”对消费者有很强的吸引力,即使是Siri和Alexa这种半吊子智能语音助手都能赢得用户青睐,何况是水平更高的Watson?可惜,历史不容假设。好高骛远、一味追求改变人类历史的结果,就是成为人类历史的笑料。

可惜的是,自从2005年出售PC业务以来,IBM基本失去了消费级业务,也就失去了对消费市场的感知。可以看到,IBM几乎从来没有认真地在零售、家电等消费行业推广Watson。2017年,IBM收购了一家广告代理公司,企图利用Watson指导广告投放——可是与Google、Meta高度成熟的精准投放技术相比,IBM又能有什么优势?就算IBM想把Watson技术带进千家万户,也要首先找到一个To C科技巨头作为合作伙伴。可想而知,Apple、Amazon、Microsoft应该都不会对此十分感冒。

由此可见,Microsoft在2007-14年的困难时期,坚持不放弃消费级业务,反而一次又一次对智能硬件市场发起冲击,又是何等高瞻远瞩。那是进入21世纪以来Microsoft与IBM市值差距最小的时期,也是两家走上根本性道路分歧的时期。附带说一句,IBM可能是历史上的所有信息科技巨头当中,唯一一家从未认真考虑开展任何消费互联网业务的公司。

当IBM在Watson押下重注之时,Google(后来更名Alphabet)的广告业务正处于黄金时期,而且这个黄金时期至今尚未结束。2011年,即Watson首次公之于众的那一年,IBM的营业收入是Google的2.82倍,净利润则是后者的1.63倍;到了2021年,即IBM拼命寻求出售Watson Health的那一年,它的营业收入仅相当于Alphabet的27%,净利润则仅为后者的6%。

与癌症治疗这种“地狱级难度”的应用场景相比,互联网广告投放堪称“简单难度”:在这个场景里,监管和伦理问题要少得多,做出成效要容易得多,也不存在大量盘根错节的既得利益。作为全球最大的搜索引擎、地图和网盟服务商,Alphabet自己掌握着终端消费者,也就掌握了机器学习技术的整个实用链条。机器学习的进步,既提升了广告推送的效率,从而取悦了广告主;也提升了搜索结果的精度,从而取悦了消费者。IBM在医疗、交通等场景未能实现的良性循环,在广告场景却比较顺畅地实现了。

2022年1月,IBM终于以约10亿美元将Watson Health的大部分资产出售,一个时代划上了句号;它同时宣布将改变战略,从此聚焦于“混合云和AI策略平台”。事到如今,也没有什么更好的选择了,因为IBM的财力已经不足以支持如此巨大的野心。在人工智能和机器学习领域,Alphabet即便在基础研发方面的实力,至少也不逊色于IBM。假设前者希望重复IBM Watson在医疗行业的冒险,虽然不一定能成功,但成功的希望很可能稍大一些——至少它可以多撑上一段时间。

恩格斯《在马克思墓前的讲话》中提到:“人们首先必须吃、喝、住、穿,然后才能从事政治、科学、艺术、宗教等等;所以,直接的物质的生活资料的生产……便构成基础。”对于企业而言,基础研发是比较高级的工作,必须以前台业务部门提供现金流、应用场景和生态系统支撑。这个道理本来是非常直观、不言自明的,遗憾的是,无论在美国还是中国,真正理解的人似乎不多。