北京，2025年12月10日——在企业级AI应用进入“深水区”、“出海”成为重要增长引擎的今天，中国企业正面临一道关键命题：如何将技术潜力和转型愿景转化为规模化、可衡量的业务价值？单纯堆砌算力或调用API已远远不够，真正的挑战在于打通数据孤岛、重构集成架构，并让AI深度融入核心业务流程。
日前，IBM在北京举办专题媒体沟通会，分享了破解企业AI落地难题的最新思考和实现路径。IBM认为，企业级AI落地是一个复杂的系统工程，而随着中国企业的全球运营进入“战略换挡期”，AI叠加“出海”既是双重机遇，也是双重挑战。作为垂直整合企业数字化转型的“集大成者“，IBM既为企业的AI之路提供从顶层设计、软件应用到技术平台、IT底座的全栈解决方案，同时也给予企业最大限度的选择自由，无论是技术路线还是产品服务。
通过可治理、可协同的AI智能体，将自然语言指令转化为跨系统、多步骤的业务行动；依托自动化集成平台，打通企业内外部应用、工具与数据源，确保智能体“连得上、调得动、干成事”；并以高性能、高韧性、低成本的全局数据平台提供持续“燃料”，企业可以在真实业务场景中解锁可量化、可持续的AI价值，同时迈向“在中国、为全球”的新发展阶段。
战略聚焦：以AI全栈能力赋能中国企业智能化与全球化
Gartner的一份调研显示，97% 的CIO将“提升运营利润率”列为首要目标，但近半受访者表示，公司在这方面的技术投资回报不达CEO预期。这一落差背后是普遍存在的“技术债务”，包括一次性系统补丁、重复IT建设以及数据和系统孤岛等，这些隐性成本正严重拖累AI部署效率与投资回报。
IBM商业价值研究院对1300名AI领域高级决策者的最新调查也显示，81%的AI决策者视“技术债务”为规模化应用AI的主要障碍，69%认为“技术债务”会导致AI项目的财务可行性失衡。相比于忽视“技术债务”的AI项目，那些提前规划、积极应对的AI项目（如系统现代化、数据整合等），其预期ROI有望高出29%。这一数据揭示：企业不仅要正视和重视“数字化补课”，更需要在关键AI项目和应用场景中实现数据和IT架构的打通，以实现AI业务价值的跃升。
与此同时，“出海”已成为中国企业提升全球竞争力、实现可持续增长的突破口。从早期的劳务输出、产品出口、资本出海，到如今迈入“价值链出海”新阶段，越来越多的企业不再仅输出商品，而是将研发、生产、供应链及服务体系全面扎根海外，并依托全球一体化 IT 底座构建本地化运营能力。在此过程中，AI作为“效率引擎”，贯穿营销、供应链与服务体系，驱动本地化运营提质增效。
（IBM大中华区技术销售总经理、首席技术官 翟峰）
IBM大中华区技术销售总经理、首席技术官翟峰表示：“最近两年来，IBM在中国的市场战略进行了深刻调整，其重点业务场景已从过去的服务大型国有企业的基础设施信息化，全面转向瞄准‘AI+出海’机遇的成长型企业。这一战略转向是IBM基于全球的混合云与AI核心战略，结合中国市场独特机遇的主动选择。智能升级与全球拓展正成为中国企业高质量发展的双引擎，IBM希望以自身的技术积淀与全球实践，成为更多中国企业的‘技术+咨询’伙伴之选。“
在中国，IBM正以“咨询+科技”双轮驱动，聚焦民营企业与在华外企的智能化转型与全球化运营。从战略咨询、合规风控到IT系统落地的端到端服务，从涵盖模型训练、智能体编排、应用集成和数据管理的企业级AI技术平台，到智能存储、自动化运维等基础设施，IBM可帮助中国企业将AI技术应用于研发、生产、供应链管理等核心业务环节，实现降本增效、全球拓展和可持续发展。
从“实验室AI”到“业务就绪”：智能体的规模化部署与全生命周期治理
AI要真正走出实验室、走进业务流，必须实现规模化、可治理、可运维。IBM大中华区科技事业部数据与人工智能资深技术专家吴敏达指出，当前企业亟需提升AI在真实业务中的“生产就绪”水平。为此，IBM全面强化了watsonx平台对AI智能体规模化部署与统一管理的支持，使企业能够实现智能体随处部署、工具跨平台运行、模型灵活托管，并依托统一的AgentOps治理体系，完成智能体在全球范围的端到端运营运维。
（IBM大中华区科技事业部数据与人工智能资深技术专家 吴敏达）
该平台可无缝连接从国内常用的飞书、钉钉到全球通用的Copilot等协作界面，并深度集成阿里云RPA、UiPath等自动化工具及各类企业系统，使智能体能够灵活调用多样化业务能力。尤为关键的是，平台支持按需将模型部署于本地数据中心、全球公有云或开源环境，全面兼顾不同地域的性能、安全与合规需求，为“在中国、为全球”的AI部署提供坚实支撑。
以财务智能体为例，通过与IBM Planning Analytics深度集成，当CFO提出“请完成2026年收入预算分配”时，系统可自动调用分配、场景、通信等多类智能体协同工作，无缝衔接企业内各类工具与流程，在AgentOps的全周期治理下，高效完成预算分配、预测建模、合规审批等复杂任务，显著提升全球财务运营的自动化水平与决策效率。
吴敏达还提到，IBM在TechXchange 2025大会期间宣布与Anthropic达成合作，将Claude大模型集成至其AI优先的集成开发环境Project Bob。该环境同时兼容Mistral AI、Llama及IBM Granite等主流模型，能够与全球开发者协同完成编码、测试与安全防护，重塑企业软件开发生命周期。目前Project Bob已向部分客户开放私有预览，IBM内部超6000名员工试用后开发效率平均提升45%。
此外，作为此次合作的重要成果，IBM发布了行业首份《使用MCP构建安全的企业AI智能体架构》技术指南，并提出了智能体全生命周期治理框架ADLC。该框架涵盖计划、构建、部署、监控及优化六大阶段，通过MCP协议与OpenTelemetry等技术，确保智能体在混合云环境中实现可观测、合规可控、安全可靠的规模化部署与迭代，为企业构建全球化、合规化的AI应用体系提供了清晰、可落地的技术路径。
无集成，不AI：AI融入全球业务流程的关键
AI的真正价值不仅取决于模型能力，更在于能否深度融入企业的核心业务流程与IT体系。IBM大中华区科技事业部自动化资深技术专家张诚表示，IBM构建了以AI为核心的三大自动化支柱——应用开发与集成、IT安全与架构管理、自动化运营——全面支撑智能体从实验向生产就绪的跨越。
（IBM大中华区科技事业部自动化资深技术专家 张诚）
如今，集成正从IT专属任务转变为业务人员广泛参与的核心能力。IBM正通过AI驱动，实现集成开发全生命周期的自助化：业务人员只需用自然语言提出需求，AI智能体便能自动完成设计、编码、测试与部署及监控，将集成从复杂工程转变为全员可参与的智能化服务。这一转变依托IBM webMethods Hybrid Integration平台所实现的“全栈集成”能力。该平台在统一、安全、合规的环境中，满足从传统B2B到现代API及物联网事件驱动的多样化需求，确保复杂环境下数据与系统的高效可靠互联。
与此同时，随着智能体在生产环境中规模化部署，企业面临前所未有的可观测性挑战：智能体与API、数据库的链式调用数量与复杂度呈指数级增长，而传统监测工具难以追踪提示词、向量数据库等关键环节，导致运维出现“盲点”。企业亟需新的可观测能力，以有效监控、诊断和优化生产环境中智能体的性能、成本与可靠性。
为此，IBM面向混合云环境推出了统一可观测方案，并在TechXchange 2025期间发布了两项关键能力：一是基于生成式AI增强的Instana GenAI Observability，帮助企业高效监控混合云与本地环境中的应用性能；二是收购HashiCorp后正式推出的Project Infragraph，通过智能控制面板将复杂IT环境转化为可视化图谱。二者形成协同闭环，帮助企业完整追踪智能体端到端推理链路，监控工具调用合规性与执行效果，精细管理Token消耗与延迟，并将AI应用行为与基础设施状态关联分析，最终实现从智能体到底层资源的全栈透明治理。
无数据，不智能：全局数据平台释放AI生产力
IBM 大中华区科技事业部存储资深技术专家饶有清认为，在AI重塑企业竞争格局的今天，数据已成为创造力、生产力和竞争力的基础，企业需要一个现代化数据平台来全面释放AI潜能。然而，高昂的GPU成本、分散的非结构化数据、持续攀升的存储开销以及日益严峻的安全与合规要求，成为了企业规模化落地AI的数据瓶颈。
（IBM 大中华区科技事业部存储资深技术专家 饶有清）
在他看来，企业的数据治理包括拓展新质生产力、增效AI技术投入、降低IT存储成本以及保障企业数据资产等主要方面。基于IBM Storage Scale的IBM全局数据平台可满足AI时代数据治理的各种要求：分布式架构满足大规模并行访问要求，分层存储降低成本要求，GDS/CSI功能支持容器颗粒度的GPU数据访问，混合云部署支撑企业新质生产力业务要求。
具体而言，IBM全局数据平台能统一纳管文件、对象、容器等异构存储资源，支持S3、NFS等多种协议，并深度集成Red Hat OpenShift等主流生态，为AI训练、推理及高性能计算提供一致且高性能的数据服务。全新 Storage Scale System 6000 进一步突破性能极限，可提供每秒 340GB 的IO吞吐和高达 2800万的 IOPS（每秒输入/输出运算）；同时结合高密度QLC闪存与BlueField-3 DPU，显著优化多租户AI负载的并发效率，缩短模型迭代周期，提升GPU利用率。
在“降本”和“安全”方面，IBM创新性地提出了“存算分离+智能分层”架构，帮助企业依据策略自动将数据在全闪存、磁带或云间动态迁移。结合第十代LTO 10磁带技术（容量提升66%、带宽增加4倍、支持后量子加密），在保持访问性能的同时大幅降低长期存储成本。安全方面，IBM可提供端到端的数据弹性防护，借助AI驱动威胁传感器精准识别勒索软件等高级攻击，再结合IBM的数据去重、压缩、加密、磁带离线存储等能力，有望将企业的数据恢复速度提升98%、备份效率提高75%、成本降低50%，并实现勒索软件零赎金支付，有效保障企业数据安全。
此外，IBM全局数据平台通过统一命名空间的能力，为出海企业应用提供跨云无感知的数据服务。以国内某芯片企业为例，企业采用多台IBM Storage Scale System存储系统构建中国和亚太的全局数据服务平台，满足多中心、多办公室之间芯片设计的协同，提高芯片设计和仿真效率，强有力地支撑企业业务的高速发展。
基于以上能力，IBM可帮助企业构建起真正跨云、跨地域、跨架构的全局数据协同平台。无论是AI训练、HPC计算还是大规模数据分析，企业都能在统一架构下获得跨云数据供给、高速访问与智能调度能力，从根本上打破数据孤岛，构建弹性、可扩展且高效的下一代数据基础设施。
携手共创：全栈“咨询+技术”双轮驱动，赋能本土创新与全球运营
立足中国41年，IBM正以更聚焦、更协同的姿态服务本土市场。今年9月，IBM正式发布了“AI深耕”计划，通过区域深耕、生态共建与开放共创，推动AI与产业深度融合；12月4日，IBM与合作伙伴汉鑫科技在山东烟台成功落地该计划，双方将聚焦企业全价值链智能化升级，共同打造从“数字经济”迈向“智能经济”的示范样板。
（IBM 大中华区科技事业部车库创新团队经理 张珣）
IBM 大中华区科技事业部车库创新团队经理张珣表示，随着“AI深耕”稳步推进，IBM正将watsonx、自动化平台、全局数据架构等核心能力，深度融入研发、生产、供应链、营销与服务等真实场景，与各地合作伙伴持续打造安全、灵活、可落地的企业级AI解决方案。她分享了多个国内行业客户的最新实践，为AI驱动的效率提升、成本优化与全球合规运营提供了参考样本：
· 研发协同：某头部新能源车企通过部署IBM ELM工程生命周期管理解决方案，实现了从需求提取到系统设计、开发、测试的全流程数字化管理，显著提升研发效率与合规性，年节约成本超过200万元。提取需求和实体的时间缩短95%，每个规范耗时从一周降至18分钟；识别冲突需求的时间减少98%，从12小时压缩至仅25秒；需求审核周期从24小时缩短至1.5小时，合规达标率也大幅提升，帮助企业在全球市场中实现了高质量快速交付。
· 设备管理：某生物医药企业借助IBM Maximo资产管理解决方案，构建了覆盖设备全生命周期的数字化运维体系。通过统一设备管理、智能监测、AI维修助手和库存优化的四步策略，实现从被动维修向主动维护转型：设备故障率下降35%，平均修复时间降低25%，备件库存减少3万件，运维人力节省15%。每年节省超300万元成本，且全面满足GMP、GDPR等全球合规要求。
· 供应链优化：某消费电子半导体企业通过部署IBM业财一体化平台Planning Analytics和CPLEX排程工具，构建了覆盖战略规划到执行落地的全面预算与产销协同体系。供应链可视性提升至95%，预算编制效率提高30%，生产计划执行率提升至90%，传统手工排产作业实现自动化，人员负荷下降50%。整体产能年均提升10%，企业市场响应能力与运营韧性显著增强。
· 核心业务集成：某知名新能源车企采用IBM webMethods混合集成平台，成功实现内部11个核心系统与外部750多家经销商的协同，打通供应链数据流。平台日均处理约60万次请求，全年支撑超1000万条数据交互，轻松应对业务高峰，为“内外一体化”运营提供稳定支持，整个平台仅需2名运维人员管理。
· 跨云协作、安全合规：某全球最大的零售商之一通过采用HashiCorp的基础设施即代码(IaC)、零信任安全和服务网络解决方案，成功构建了一个安全、合规、自动化、跨多云的全球化技术底座：全新业务环境的部署周期从2到3周缩短至4小时以内，全策略的全局部署与更新效率提升约 300%，相关基础设施成本降低40%。此外，借助HashiCorp的服务网格能力，客户成功将覆盖全球 192 个国家和地区的业务节点纳入统一的服务网络进行管理。
深耕中国四十余载，IBM始终与本土企业共同成长。面对新的市场趋势和技术浪潮，IBM深知真正的智能不是“炫技”，而是在真实业务场景中可靠运行，并创造真实的业务价值。IBM将以深厚的技术积淀、开放的全栈架构和领先的全球实践，携手更多中国企业解锁新的AI生产力和增长引擎，共赢“AI+出海”新时代。
