人工智能（AI）技术，被认为是引领新一代科技革命与产业变革的战略性技术与重要驱动力量。
当前，随着AI技术发展成熟，AI应用已逐渐渗入到我们生活的方方面面，并产生积极影响。比如，利用AI人脸识别技术，即可快速实现身份验证、账户登录及订单支付等，从而提供了更加快捷的购物体验；有了自然语言识别处理技术的加持，无需任何按键操作，只需动动嘴，手机上的智能语音助手，即可帮助完成拨打电话、播放音乐、发送信息、获取路线等操作，从而也带来更便捷的使用体验。而且，在疫情防控期间，AI技术在助力人员筛查、辅助诊疗、物资调配乃至疫苗研发等方面也发挥了非常重要的作用。
与此同时，也正是看到了AI技术的优势、价值与潜力，越来越多的企业开始尝试将AI技术注入其业务系统及流程，以提高企业研发、生产、运营与决策等的效率，提升企业竞争力。
比如，将AI技术应用于研发设计，利用机器代替人工建模，以提高研发设计效率；
将AI技术应用于质量缺陷检测，以确保产品品质，提升产品合格率；将AI技术应用于设备维护，以实现预测性维护，减少停机时间；
将AI技术应用于供应链优化，以提升供应链的可视性，降低供应链中断风险；
将AI技术应用业务流程管理，以实现端到端的智能自动化，推动组织和流程的高效率运转，让员工专注于更高的价值创造等等。
然而，相比于消费级AI应用已逐渐转入规模化落地阶段，并已深刻影响我们的生活，企业级AI应用的落地却面临着“知易行难”的困境。
企业级AI应用落地难
根据埃森哲调研，过去三年，年营业额超过10亿美元的受访中国企业中，近半数在人工智能领域的总投入超过3.5亿元人民币；近八成高管认为必须借助人工智能技术实现企业增长目标。在他们中间，有一部分领军者已经收获了可观的回报；但值得关注的是，仍有过半数的企业，却依然止步于试点阶段，难以将人工智能推广到整个企业。这表明，如何加速AI技术在企业中的落地应用，将AI应用规模化，最终实现企业的AI愿景，是当前企业在AI应用过程中普遍面临的问题。
那么，为什么AI应用在企业中难以落地？究其原因，一方面是因为企业级AI与消费级AI存在明显的区别：消费级AI级应用主要用于满足个人/消费者的特定需求，而企业级AI应用则主要是用于解决企业乃至行业的问题，更倾向于利用AI技术分析为业务、为流程乃至为整个企业及企业上下游产业链服务，这就使得企业对AI的要求更高，企业级AI应用部署和落地的难度也更高。另一方面则是因为企业在实现AI应用规模化的过程中还面临着AI人才与技能、AI应用现代化以及数据治理等诸多挑战。这具体表现在：
• 缺乏AI人才与技能：AI技术本身具有一定的复杂性，因为它是综合性的学科，涉及到脑科学、神经生理学、心理学、语言学、逻辑学、认知（思维）科学、行为科学和数学以及信息论、控制论和系统论等许多学科领域，且其作为新兴学科，市场上的AI人才数量并不多，甚至面临巨大缺口，这也使得企业面临AI人才与AI技能缺口。而且，企业在应用AI时，还要懂业务、懂大数据和物联网等知识，这些也是企业比较缺乏的。
• 难以实现AI应用现代化：所谓“现代化应用”，可以理解为一种弹性的、支持多云的微服务架构，由虚拟机、容器和无服务器功能的协调发布组成，它可以从根本上应对速度、成本、可靠性与安全性、远程部署等挑战，为企业提供切实价值。随着企业纷纷踏上云化之旅，将业务系统向云端迁移，AI应用也需实现现代化，但仅仅依靠企业自身，却往往难以实现。
• 缺乏数据治理能力：鉴于AI项目对高质量数据的高度依赖，数据质量和数据管理问题至关重要。AI和机器学习工具依赖于数据来训练基础算法。获得清洁、可信且有意义的数据对于AI计划的成功至关重要，但企业却往往缺乏数据治理能力。此外，企业中所普遍存在的数据孤岛、云孤岛等孤岛效应，也妨碍了AI应用在企业中的部署和落地。
IBM加速企业级AI应用落地
作为混合云与人工智能领域的全球领导者，以及值得信赖的技术合作伙伴，IBM正致力以其集全公司与生态之力打造的开放、安全且贯穿企业级AI能力的混合云平台—— IBM Cloud Paks，加速企业级AI应用落地，帮助企业实现AI的大规模应用，进而实现企业AI的愿景，提升企业竞争力。
IBM Cloud Paks把IBM引以为豪的100多个软件产品（如Maximo（企业资产管理）、Sterling Supply Chain（供应链管理）、Engineering Lifecycle Management（工程全生命周期管理）、Planning Analytics（产销协同）、Cognos Analytics（商业智能）、SPSS（数据统计分析、挖掘与预测建模）等）与红帽OpenShift相结合，实现容器化，一方面可以弥补AI人才与技能缺口，轻松实现AI应用现代化；另一方面也能很大程度上消除客户把关键业务负载迁移上云的安全顾虑。
作为企业级AI赋能的软件组合，IBM Cloud Paks完成了与业务、IT操作、开发和管理服务的集成，以灵活的交付方式提供给客户，让其可以根据需要，一次构建应用，随处运行和部署。IBM Cloud Paks建立在红帽OpenShift平台之上，这是一个拥有最丰富的开源生态系统的企业容器平台，不仅可以帮助客户加快创新和提升效率，还能够整合和连接跨多个云的应用、数据和服务，智能地管理和保护企业跨环境的数据与应用。
而且，IBM也在持续强化其语言、视觉和AutoML产品组合，其中包括IBM Watson Assistant、IBM Watson Discovery、IBM Watson Natural Language Understanding、IBM Watson Studio AutoAI、IBM Maximo Visual Inspection及更多产品，为开发者提供易于使用的工具，帮助他们快速构建人工智能解决方案。
如今，众多知名企业和组织都在借助IBM的行业专长、产品与解决方案来加速企业级AI应用，以实现大规模的AI应用部署与落地，提升自身竞争力。比如，香港应用技术研究院利用IBM Engineering Systems Design Rhapsody 软件进行需求驱动的分析和设计，通过在系统开发中使用基于模型的系统工程 (MBSE) 来构建数字孪生的应用，这不仅将软件系统集成到物理设备所需的时间减少了40%，而且也通过构建数字孪生的应用将开发成本缩减了30%。此外，基于模型的系统开发也使得团队在生命周期的早期收集并验证客户需求，并在处理未来设计变更时更为敏捷。
美国钱尼尔能源（Cheniere Energy）公司与IBM顶级业务合作伙伴Cohesive Solutions通力合作，通过部署IBM Maximo Asset Management解决方案来完善资产管理，在升级的萨宾帕斯设施上实现了复杂资产的维护转型，以及企业层面的卓越运营。
图源：联想集团
联想正在使用IBM Sterling Supply Chain Insights来提高整个供应链的可视性，快速预测、评估和降低供应链中断的风险。借助基于人工智能的风险管理方法，联想可以将供应链中断的平均响应时间从几天缩短到几分钟。值得一提的是，联想在Gartner公布的“2021年度全球供应链25强”榜单中排名第16位，也是中国唯一上榜的高科技制造企业。
此外，商务时装品牌Lily通过与IBM合作，借助IBM Sterling Order Management System，打通了线上线下的供应链、生产、销售数据，使商家可以对海量数据进行建模分析，更清晰地了解行业趋势、规划新品设计，为客户提供了更优质的服务体验。
总之，人工智能技术正在推动传统产业发展模式发生变化，带来供应链以及生产、分配和消费流程的重构，并成为企业构建未来核心竞争力的关键。在此背景下，IBM着力打造AI支持的混合云平台，并帮助企业快速安全地使用数据构建和部署企业资产与设备管理、供应链管理以及复杂工程开发生命周期管理等人工智能（AI）应用，进而推动企业实现AI应用的规模化，加速企业数字化转型，提升企业竞争力。
了解更多
点击进入专题页面https://m.e-works.net.cn/report/202107IBMclould/IBM.html#AIApps，详细了解IBM如何加速企业AI规模化部署，并帮助企业实现高效的数字化的企业资产与设备管理、供应链管理，以及复杂工程开发生命周期管理，进而为企业创造更大业务价值。
原创文章，作者：kepupublish，如若转载，请注明出处：https://blog.ytso.com/171215.html