您当前的位置: > 财商

IBM翟峰:重塑AI运营模式,构建可管控、可复用、可衡量的企业级AI能力

来源:IBM China 时间:2026-11-17

作者:翟峰,IBM大中华区首席技术官

北京2026年11月17日 美通社 -- 企业正在进入智能体快速增长的时代。根据Gartner的预测1,到2028年,全球《财富》500强企业平均投入使用的AI智能体将超过15万个,较2025年的不足15个大幅增长;同时,目前仅有13%的组织认为自身已经建立必需的智能体治理机制。

IBM大中华区首席技术官-翟峰
IBM大中华区首席技术官-翟峰

今天,一家企业或许还可以逐一管理有限数量的模型、应用和智能体,但随着AI深入经营、研发、生产、供应链和IT运营,智能体的数量、类型和部署位置将迅速增加。届时,真正的挑战将不再是能否开发一个AI应用,而是企业能否管理成百上千个智能体,让它们安全协作、持续学习,并真正承担业务任务。

这也是企业从“使用AI”迈向“AI为先”的关键分水岭。AI原生企业可以从创立之初就围绕AI设计组织、流程和系统;对于拥有大量既有应用、数据和基础设施的传统企业而言,转型则复杂得多。它们不仅要引入AI,还要思考如何让AI理解业务、主动发现问题、协调资源、推进任务,并将实践中形成的经验沉淀为可复用的技能。

如果每一个智能体都从零开始,每一个业务部门都重复建设,企业部署的智能体越多,技术与管理复杂度反而可能越高。只有建立统一的运营机制,让一个智能体获得的经验能够被其他智能体复用,并对智能体的行为、权限、绩效和风险进行持续管理,AI能力才能从单点应用转化为企业资产。

因此,企业AI规模化的核心问题,并不是选择哪一个模型或更换哪一种工具,而是能否形成一套可管控、可复用、可衡量的企业级AI运营模式。

企业AI需要一套新的运营模式

传统软件主要面向人提供功能,而未来越来越多企业应用将直接面向智能体。应用可能调用AI,也可能被AI调用,甚至自身演变为智能体。这种变化不仅发生在应用层,还会贯穿数据、开发、集成、运维、安全和基础设施。

在这一背景下,企业级AI运营能力并非单一模型或应用,而是由数据(Data)、工作负载(Workloads)、自动化(Automation)和混合云基础架构(Hybrid)共同构成的完整运营模式,支持AI发现问题、解决问题、规模化推进并持续进化。

这四项能力彼此依存:Data为AI提供实时业务上下文,使其能够“看见”业务并理解业务;Workloads让AI进入核心流程,真正执行和推进业务;Automation帮助企业管理日益复杂的IT环境,推动运营走向智能化与自主化;Hybrid则确保AI能够跨模型、基础设施和部署环境安全运行,同时始终处于企业控制之下。

Data:让AI理解实时业务上下文

企业并不缺少数据,真正稀缺的是AI能够理解和使用的实时业务上下文。

孤立的数据只能告诉AI发生了什么,完整的业务上下文才能帮助AI理解为什么发生、可能产生什么影响,以及下一步应当采取什么行动。企业因此需要连接ERP等核心IT系统、生产线上的OT系统,以及设备、物联网和机器人产生的时序数据,将实时流数据与历史数据结合起来,按照客户、订单、库存、采购和物流等业务域构建上下文。

这意味着,面向AI的数据架构必须从静态分析走向实时理解。传统数据湖、数据仓库和湖仓主要服务于报表与批处理任务,但当智能体开始在企业中执行任务,它们需要掌握业务的当前状态。如果不同系统在不同时间更新,智能体就可能基于过时甚至相互矛盾的数据作出判断,并将错误进一步传递到后续流程。

为此,IBM在2026年11月正式推出Confluent Streamhouse,通过持续捕获、处理、治理和提供企业当前状态,让智能体、应用和分析系统能够基于受治理且一致的信息进行判断和行动。它并非取代既有数据仓库或湖仓,而是在其基础上增加实时运营层,将批量分析时代的数据架构延伸到智能体时代。

Confluent数据流平台目前已形成Stream、Connect、Process、Govern和Query五项能力。其中,Query可以将实时业务上下文直接提供给智能体、应用和分析系统;Real-Time Context Engine通过模型上下文协议向智能体提供当前业务信息;Lightning Tables则为应用提供低延迟的SQL和API访问,帮助企业在业务状态发生变化时及时响应。

作为IBM数据战略的重要组成部分,Confluent将实时数据流与IBM的应用集成、数据治理、人工智能和混合云能力结合起来。其价值不只是让数据流动得更快,更重要的是让智能体在采取行动的瞬间,能够理解业务正在发生什么,并基于当前事实而非过期信息作出判断。

当然,实时连接不等于AI已经理解业务。企业仍需做好主数据管理、数据治理、知识图谱、业务指标和本体建模等基础工作,将业务语义沉淀为机器能够识别的上下文。只有将可靠的数据与明确的业务语义结合,AI的分析和行动才可能真正进入经营决策。

Workloads:让AI从回答问题走向核心任务

让AI理解业务只是第一步。企业投入AI的最终目的,是让它进入核心工作负载,真正执行任务并推进业务。

这要求企业打通三个关键环节。首先,提高智能应用开发和交付效率,覆盖规划、设计、编码、测试、部署和运行。其次,充分利用多年积累的ERP、CRM、MES、WMS和PLM等核心系统,通过MCP、API、消息中间件和应用集成能力,让智能体安全调用既有系统。最后,对大量智能体进行统一编排、部署、运行、治理和观测,协调智能体之间,以及人与智能体之间的协作。

由IBM Bob、IBM Integration和watsonx Orchestrate构成的能力闭环,分别对应智能应用构建、企业系统连接与多智能体编排。IBM Bob支持从规划、设计、编码、测试到发布的软件开发过程;IBM Integration负责连接企业应用和数据;watsonx Orchestrate则对智能体进行编排、部署、运行、治理和观测,使AI应用能够从开发顺利进入企业级运行。

对金融、电信、医疗和制造等行业而言,开发工具本身还必须满足数据属地、安全与治理要求。IBM Bob自托管部署方案支持企业将AI软件开发能力部署在本地机房、私有云、自主云乃至物理隔离环境,无需将敏感源代码、应用上下文和数据迁移至第三方平台,同时可以根据业务敏感程度灵活调用本地或云端模型。

其背后的原则是,让AI走向数据,而不是迁移数据来适应AI。这不仅关系到安全与合规,也决定着企业能否真正掌握自己的软件资产、业务知识与智能能力。

随着智能体从回答问题走向执行任务,企业管理智能体的方式也必须改变。企业不仅要判断智能体能否完成某项技术任务,还要衡量它是否实现了预期业务目标、是否在授权范围内运行,以及其行为是否符合企业的安全、治理和监管要求。智能体管理由此从一项技术能力,逐渐成为企业运营能力的重要组成部分。

2026年11月,在Gartner®首次发布的《2026年AI智能体管理平台魔力象限》报告中,IBM获评为“领导者”2。这份行业认可的背后,是IBM在业务成果衡量、全球监管适应能力和集成治理等方面的持续投入。

Automation:让IT运营跟上智能体的增长速度

当智能体数量快速增长,企业原有的IT运营方式将面临新的压力。智能体可能分布在公有云、私有云、本地数据中心和边缘环境中,其背后的计算、存储、网络、身份、权限和机密都需要持续管理。依赖人工处理告警、分配资源和修复漏洞,将难以适应智能体规模化运行的速度。

因此,企业不仅要让业务“AI为先”,IT运营本身也必须率先实现智能化和自动化。基础设施需要以标准化方式交付,安全风险需要被主动发现,计算资源和成本需要动态优化,解决问题的经验则应沉淀为可以反复调用的自动化流程。

在IBM的自动化软件产品布局中,HashiCorp Terraform可以通过基础设施即代码管理本地与多云资源,使IT资源配置具备版本控制、审批、回退和复用能力;HashiCorp Vault负责智能体身份、权限和机密管理,明确不同智能体能够进入哪些环境、访问哪些资源。基于IBM Concert构建的自主IT运营平台,则可以整合应用、事件、安全、日志、监控告警和基础设施数据,形成全局上下文,并连接AIOps、安全防护、FinOps和业务连续性等能力。

在这一模式下,AI不只是发现故障,还可以分析影响范围、提出修复方案、生成自动化脚本,并交由相关人员审批。解决方案完成验证后,还可以沉淀为可复用技能。当类似问题再次出现时,系统能够自动调用已有经验,使IT运营从被动响应走向主动预测,并进一步向自主运营演进。

自动化的价值因此不只是减少重复操作,而是把一次性的问题解决过程转化为企业可以持续积累和复用的运营能力。

Hybrid:在开放选择中保持AI自主

企业不会只使用一个模型、一个智能体或一种云。未来的企业AI环境必然是开放、异构和混合的,不同工作负载也会对性能、成本、安全、数据属地和监管合规提出不同要求。

通用场景可以调用云端模型,涉及核心知识产权和敏感数据的任务则可能需要本地部署;部分推理工作负载需要运行在数据中心,另一些则要下沉到工厂、门店和设备所在的边缘环境。企业需要在本地与云端之间灵活选择模型和算力,同时对数据、模型、智能体、身份和机密进行统一管理。

以Red Hat Enterprise Linux和Red Hat OpenShift为基础的混合云能力,可以支持AI工作负载跨不同环境部署和运行。企业不必被限定在单一模型、云平台或基础设施中,而能够根据不同工作负载选择合适的技术路径,在保持开放性的同时,确保安全、治理和运营控制权始终掌握在自己手中。

这背后是一个关系企业长期竞争力的问题:企业是在不断租用外部智能,还是在形成并掌握属于自己的智能资产?

AI自主并不意味着拒绝云端服务,也不意味着闭门造车。它意味着企业在开放生态中仍然拥有选择权、迁移能力与控制能力,可以决定模型在哪里运行、数据能够被谁访问、智能体可以采取哪些行动,并在技术与业务变化时保持调整空间。

以持续创新完善企业级AI能力体系

企业AI竞争的下一阶段,比拼的将不再是谁拥有更多模型和智能体,而是谁能够把分散的技术能力转化为一套可管控、可复用、可衡量的运营体系。具体而言,关键在于构建覆盖Data、Workload、Automation和Hybrid的企业级AI运营能力,为AI提供实时业务上下文,打通智能应用开发、企业系统集成与多智能体编排,并以自动化和混合云能力支撑安全、可控的运行。

IBM正在围绕这一完整运营模式持续推进技术创新。在Data层面,Confluent Streamhouse为智能体和应用提供实时、可信、经过治理的业务上下文;在Workload层面,watsonx Orchestrate与watsonx.governance连接多智能体编排、运行管理、业务成果衡量及治理责任;在Automation和Hybrid层面,IBM通过自动化、开放混合云和灵活部署能力,为企业AI规模化运行提供安全、可控的技术基础。

基于这一完整运营模式,IBM更希望打造的是一个开放、多元的企业级创新生态,帮助中国企业将AI从辅助工具转变为真正理解业务、执行任务并持续优化的“生产力引擎”。

关于IBM

IBM 是全球领先的混合云、人工智能及企业服务提供商,帮助超过 175 个国家和地区的客户,从其拥有的数据中获取商业洞察,简化业务流程,降低成本,并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过 4000 家政府和企业实体依靠 IBM 混合云平台和 Red Hat OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。了解更多信息,请访问:https:www.ibm.comcn-zh

媒体联络人

崔守峰,shou.feng.cui@ibm.com

1 Gartner Identifies Six Steps to Manage AI Agent Sprawl, 2026年4月。https:www.gartner.comennewsroompress-releases2026-04-28-gartner-identifies-six-steps-to-manage-artificial-intelligence-agent-sprawl
2 IBM named a Leader in the 2026 Gartner® Magic Quadrant™ for AI Agent Management Platforms,2026年11月。 https:www.ibm.comnewannouncementsibm-named-a-leader-in-the-2026-gartner-magic-quadrant-for-ai-agent-management-platforms