IBM是中国人非常熟悉的一家信息科技公司。它不但主宰了计算机行业在PC出现之前的历史，而且亲手创造了PC产业。虽然在1980年代一度陷入危机，但是从1990年代开始，IBM在Louis Gerstner的领导之下成功回到了一线巨头的位置（尽管仍然远远落后于Microsoft这样的新一代公司）。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。
