5月以来，比特币开启疯涨模式，短短9个交易日，比特币涨幅逼近30%，史上首次突破1700美元。而从年初至今，比特币涨幅更是高达90％，成为今年全球表现最好的货币。面对比特币近期的大涨，Global Advisors Bitcoin Investment Fund主管Daniel Masters表示，比特币经过这波涨势之后，价格已完全反应，短期内可能跌回至1100美元，但是未来8-14个月内，有望站上4000美元。

史上首次涨破1700美元 比特币成为2017年表现最佳货币

比特币近期为何大涨？原因可能有3方面：

1、来自日本的比特币新增投资是短期比特币价格上扬的重要推手。日经新闻上周称，随着4月日本政府取消比特币消费税，以及日本投资者对比特币合法性的认识提高，已有超过十家日本公司成立数字货币交易平台。

2、另一虚拟货币“莱特币”(litecoin，一种类似于比特币的P2P货币）成功改变编码，投资者对比特币解决交易速度问题看到新希望。

上个月莱特币改变程式，启动隔离见证(Segregated Witness)，加快莱特币的交易速度。这让比特币气势大振，比特币的交易过程是矿工聚集到区块，区块会变成复杂的数学问题，矿工用高效能电脑解答问题，判断能否进行交易，等到其他矿工验证答案无误之后，交易将获许可，矿工可获得比特币作为奖励。

可是比特币每一区块的交易量有其上限，眼下交易量过大，严重拖慢速度。三月中一度传出可能分裂成两种比特币打对台，也就是所谓“硬分叉”(hard fork)，使比特币价格重挫。然而，莱特币的例子显示，无须采用激进的硬分叉，“软分叉”(soft fork)就能解决困扰，扩大区块容量。

Masters也指出，莱特币成功软分叉的例子，让投资者认为比特币也能实施隔离见证，提高容量。

3、投资者看好美国监管机构对比特币ETF放行也推动了比特币近期走高。

上月27日，美国证监会（SEC）宣布，正重审Winklevoss双胞胎兄弟发起的比特币ETF的申请，将在本月15日前做出决定。今年3月，出于对操纵价格和监管方面的担忧，SEC曾拒绝两起比特币ETF的申请。SEC公布重申后，比特币就在北京时间次日早间冲破了1300美元关口，随后一路大涨。

I．起源

当前人工智能异常火热，但事实上人工智能并非一个新的研究领域，它诞生于20世纪50年代。如果我们排除了从古希腊到霍布斯、莱布尼茨和Pascal的纯哲学推理路径，人工智能领域的研究正式开始于1956年在达特茅斯学院所举行的一次会议，当时最著名的专家聚集在一起针对智能仿真进行头脑风暴。

这次会议仅召开在阿西莫夫提出机器人三定律几年以后，更贴切地说，是发生在1950年图灵那篇著名的论文发表以后，论文中他首次提出了有思维的机器的概念和更被接受的图灵测试来评估这样的机器是否真的体现了智能的特性。

随着达特茅斯学院的研究小组公开发布在夏季会议上产生的内容和想法，吸引了一些政府资金予以支持非生物智能的创新研究。

II. 幻影

当时，人工智能似乎很容易实现，但事实证明情况并非如此。在六十年代末，研究人员意识到人工智能确实是一个很难的研究领域，最初的人工智能概念所带来的支持资金也开始逐步耗散。

这种沿着人工智能发展历史所折射出来的现象，通常被称为“人工智能效应”，并由两部分组成：

1. 总是不断承诺真正的人工智能在随后十年即将到来；

2. 人工智能每次解决了一个需要人类智慧的工作后，大家就说这根本不是用智能来做的，代表不了智能，于是智能的定义在不断的被重构。

在美国，美国国防部高级研究计划局资助研究人工智能的主要原因是想创造一个完美的机器翻译，但连续两件事破坏了这个想法，并开启了后来被称为第一个人工智能寒冬的阶段。

事实上，自动语言处理咨询委员会（ALPAC）于1966在美国进行了相关报道，其次是“光明山报告”（1973）评估了人工智能的可行性，剖析了当时的发展情况，并总结了人工智能并没有创造可以学习人类智慧的机器的可能性。

这两个报告是在输入给算法的数据有限并且机器计算能力有限的背景下起草的，造成整个人工智能领域的研究停止了十年。

III. 专家系统的进击

虽然在八十年代，英国和日本由于引入专家系统的概念，出现了新一波的资助热潮以支持人工智能研究，但这和以前论文（http://dwz.cn/5W1QTA）所定义的一样，基本上属于狭义人工智能的范畴。

实际上，这些程序只能模拟特定领域人类专家的技能，但这足以激发新的融资趋势。这些年来最活跃的是日本政府，意图创造第五代计算机，这间接迫使美国和英国恢复对人工智能研究的资助。

然而，这个黄金时代并没有持续太久，当投资目标没有得到满足时，一场新的危机随之开始了。1987年，个人电脑变得比人工智能多年的研究成果——Lisp机器更强大。这触发了人工智能的第二个寒冬，美国国防部高级研究计划局明确表态反对人工智能研究及其资助。

IV. 人工智能的回归

幸运的是，1993年，随着麻省理工学院COG项目使用动态分析和规划工具建立了一个人形机器人，寒冬结束了，这算是对美国政府自1950年以来对人工智能的所有资助有了一个交代。1997年深蓝击败棋手卡斯帕罗夫，使得人工智能又重回顶峰。

在过去的二十年中，学术研究已经做了很多工作，但人工智能最近才被公认为一个范式的转变。当然有一系列的原因让我们明白为什么现在有这么多的资金投入到人工智能领域，但是我们认为有一个特定的事件对人工智能过去五年的发展趋势具有决定性影响。

通过下图，我们注意到，在2012年年底以前，尽管人工智能取得了很大的发展，但是并未被广泛认可。这张图使用CBInsights Trends绘制，主要是通过人工智能和机器学习作为关键词来绘制发展趋势。

图 2012–2016年人工智能发展趋势

更详细地说，我在真正触发新一轮人工智能良好形势的特定日期画了一条线，即2012年12月4日，那天是星期二，一组研究者在神经信息处理系统（NIPS）会议上提出了让他们在几周前的ImageNet分类竞赛中获得第一名的卷积神经网络的详细信息。他们的工作将分类算法的精确率从72%提升到了85%，并设置采用神经网络作为人工智能的基础。

在不到两年的时间里，ImageNet竞赛分类部分的准确率已经达到了96%，比人的准确率95%略高一点。

这张图里的虚线也显示了人工智能发展的三个重要增长趋势，主要概述了三大事件：

1. 成立三年的人工智能公司DeepMind在2014年1月被谷歌收购；

2. 2015年2月未来生命学院8000多人联合署名的公开信和由DeepMind所发布的强化学习研究资料（Mnih et al., 2015）；

3. DeepMind神经网络科学家于2016年3月在《自然》所发表的论文（Silver et al., 2016），以及随后3月让人印象深刻的阿尔法狗大胜李世石（随之而来的是一连串让人印象深刻的成就，看一下Ed Newton-Rex的文章）。

V. 未来展望

人工智能在本质上非常依赖资金支持，因为这是一个需要长期投入的研究领域，需要耗费大量的人力和资源。

让人更加关注的是我们目前可能处在下一个高峰阶段（Dhar, 2016），但是这注定也将很快停止。

然而，正如其他人一样，我认为这个新时代有三点不同之处：

1. 在大数据方面，我们有了需要输入到算法中的大量数据；

2. 在技术进步方面，随着存储能力、计算能力、算法理解、更好更快的带宽、更低的技术成本等方面的技术发展，使得我们能够真正构建可以提取所需信息的模型；

3. Uber and Airbnb所引入的优化资源配置和提升效率的商业模式，充分体现了云服务（例如，亚马逊网络服务）以及绘图处理器（GPU）所运行的并行计算的科技魅力。

该项目西侧与北京目前最高的建筑国贸三期对望，用地面积11478平方米，总建筑面积43.7万平方米，其中地上35万平方米，地下8.7万平方米，建筑总高528米，建筑层数地上108层、地下7层（不含夹层），可容纳1.2万人办公，为中信集团总部大楼。

预计总投资达240亿元。

创下的世界之最：

1. 按*御8度地震烈度设防的世界最高建筑——528米；

2.全球地下室最深、层数最多的超高层建筑——地下8层；

3.全球底座面积最大的超高层建筑——6084平方米；

4.世界最大截面的多腔体钢管混凝土巨型柱——64平方米；

5.全球超高层建筑中最高最大的室内观光平台（净高约18米，挑空3层的无柱空间，360度俯瞰北京城）；

6.双轿厢电梯提升高度全球最大——508米；

7.施工用跃层电梯提升高度全球最高——514米，提升速度最快——4米/秒；

8.世界房建施工领域承载能力最高、面积最大、智能化程度最高的顶升钢平台--4800吨，1849平米，12个顶升支点。

BIM技术全周期应用

中国尊大厦造型独特、结构复杂、系统繁多，各专业深化设计重难点多，专业间协调要求高。施工阶段，项目所有专业全部采用BIM技术开展深化设计。

基于BIM的深化设计是用于形成和验证深化设计成果合理性的BIM应用。项目把BIM技术深入应用于建设过程中，实现工程的全关联单位共构、全专业协同、全过程模拟、全生命期应用。

手机之后国外各大巨头非常罕见的步调一致的在做同一件事情：智能音箱。而这一切最初的驱动力来自于Amazon Echo，但有意思的事情是Amazon Echo这产品根本没做任何的功能上的创新，听歌、看新闻、设闹钟、说笑话、控制家电等所有东西都可以在手机上找到替代品，它唯一的变化只是把语音交互的方式从近场升级为远场，并把精度和速度打磨到非常优秀的程度。只是这么一点点变化，似乎就要创造一个无比巨大的行业，那远场语音交互为什么有这么大的威力？

语音交互等价于远场语音交互

极端的讲法是世界上并不存在一种方式叫近场语音交互，语音交互基本等价于远场语音交互。事实证明过去很多年里各种近场语音交互的尝试（比如Siri）并没获得很好的进展，甚至简单实用的语音输入法也没能成为主流。从应用场景来看远场和近场的核心差别是拉开和语音设备的距离后，双手再也没用了。这样和触屏就可以彻底的差异化，可以彻底的发挥语音的快捷优势。想象下面的场景：

在微信里给一个人打视频电话，如果用手机那是下面这样的过程

如果变成远场语音，那核心步骤会变成两个

显然在这两种场景下便利程度是完全不一样的，这种便利理论上讲在近场的情形下同样存在，但核心点在于近场时就需要挑战用户根深蒂固的触屏习惯，这很难。触屏虽然大流行，但显然并没能在笔记本上挑战键盘鼠标的既有地位。这不单是偏好问题，也与各种应用与特定交互方式的绑定有关。触屏虽然好用，但并不能完全在Office上用起来，所以如果Office根深蒂固，那么键盘鼠标就根深蒂固。所以我们说，语音交互基本等价于远场语音交互，一旦它真的成为主流交互方式，培养了用户习惯，那反过来才可能在近场的场景（比如近场的Siri）下占有一席之地。

远场语音交互的核心技术

远场语音交互如果变的无处不在，那Amazon Alexa（以及同类产品）会变成新一代的Android，那个时候整个生态会像下面这样：

这个时候Alexa这样的系统同时覆盖了传统上Android和应用商店的角色，在其上面则会有新的今日头条、新的O2O等。而如果要把Alexa所依托的技术进行细分的话，那么基本上是三层：

• 前端的声学部分（算法+阵列）

• 识别

• NLU

这样一来远场语音交互就正好面临一大一小两个瓶颈：

• 第一个瓶颈是眼下就要解决的问题，即在语义仍然有限制的条件下，打造偏命令控制的产品，这个时候产品的ID很难拟人化（想想Echo，Airpods这些产品），一旦拟人用户的潜在期望就会无限拔高，你也就不可能做出非常满足用户体验的产品。

• 第二个瓶颈则具有一定的不确定性，具有探索性质，我们仍然还不知道什么时候自然语言理解中可以体现出真的智能，但确实只有这点做了突破，并且同计算机视觉进行融合才能真的做好拟人的机器人。

而为了解决第一个瓶颈事实上需要做好的事情有两个：

• 一个是前端声学算法软硬件的持续优化

• 一个是通过获取的数据重新训练云端的ASR

这个过程可以用下图橙色的部分来概括。

上述这个看着并不太长的链条其实复杂度非常高，它即跨越不同的学科（声学部分属于经典物理，识别部分则属于CS），也需要打穿软硬件。

在算法层面只是前端就需要处理大量经典问题，比如降噪、去混响、回声抵消、Beamforming等。加不加这些算法的音频信号差异极大，如：

（具体效果试听可以参照http://soundai.com/demo.html）

而我们经常说的麦克风阵列即使抛开算法不论，单只在硬件层次上也远不是标准品：

上图是一款强调通用性的麦克风阵列，通过USB连接可以随便连接到笔记本、PAD、手机上进行使用。同样的阵列还可以做成线性、L型、球形，最终的目的都是匹配特定的场景，让最终远场交互的精度最优。

如果进一步下探，那就会出现更为底层的选择，比如是用驻极体麦克风还是用MEMS的，是用数字的还是用模拟的。

再进一步挖掘，麦克风从特性上还可以进一步细分，比如：

所有上面这些点如果不能一一理顺，那就没法给用户输出一种综合性的体验，单点最优在远场语音交互这里价值很小，相当于必要不充分条件。只有能够综合，并且能够优化单点才真的能够解决当前产品落地中的实际问题。

（编辑友情提醒：声智科技即将推出的“远场语音交互课程”中，将会对Echo进行拆解并做技术剖析，有兴趣深入了解的，可以关注一下。传送门：实战特训：远场语音交互技术）

技术和商业上的正反馈

几乎所有大公司都感受到了远场语音交互背后的价值，所以纷纷试水：继亚马逊、Google之后，微软宣布了自己的智能音箱产品，预计苹果也会宣布自己的相似产品。但是远场语音交互的落地却可能比大家期望的要慢。核心点就在于技术-商业上的正反馈需要一定的启动周期。显然的技术不好用，产品体验就不好；而反过来产品没销量技术就缺乏打磨的场景，内容配套也就不会跟上。这种互锁状态就会形成一个冷启动周期，在这个周期里做技术的公司打磨自己的技术，在没那么大量的产品上落地，产品公司则接受技术现实，打磨自己的产品。这样一来整个远场语音交互很可能会跑下面的曲线：

这个过程是可以和过去很多商业现实验证的，比如2007年iPhone发布，小米手机则要迟到2011年，这期间的4年可以看成是智能手机的启动期，一旦这个市场启动后则进入一个高速增长期，小米手机的销量迅速从2012的700多万台增加到2014年的6000多万台。

远场语音交互的这个技术-商业正反馈当前还处在非常初期的阶段，亚马逊的Echo（各种型号）如果2017年的销量真的逼近2000万台，那基本上可以认为在美国，技术-商业的正反馈第一回合完成。而在国内，同品类产品销量都还处在几万、十几万量级的水平，这个技术-商业的正反馈远未完成。

当然这并非坏事，在格局已定的市场上，后来者是没有机会的；只有在这种充满未知的领域上，创业者才真的有颠覆性的机会。如果回退到20年前，联想、门户相对于现在的BAT都是巨无霸型公司，要资源有资源，要渠道有渠道，要人有人但很有意思的事情是BAT最终崛起了。

4月28日，乌镇智库在2017全球区块链金融（杭州）峰会上正式发布了《中国区块链产业发展白皮书》；《中国区块链产业发展白皮书》主要分析了区块链产业的全球和国内发展态势、区块链与其他FinTech领域的横向对比以及区块链的热点应用场景。

区块链——新一轮全球技术革命的肇始

区块链基于平等和信任的逻辑，是互联网思维的结构表达。区块链本身并非常规意义上的纯粹的技术创新，更多的是一种逻辑运用。它试图通过技术来实现共信力来替代公信力的安全信任机制。区块链以其去中心化、不可篡改、可追溯、匿名性、开放性等特性使其成为FinTech领域中的重要角色，也被认为是新一轮全球技术革命的肇始。

从全球区块链发展形势来看，联合国、国际货币基金组织以及多个国家政府先后发布了有关区块链的系列报告，探索区块链技术及其应用。与此同时，参与区块链技术创新和应用的创业企业也在快速增长，全球范围内的投融资活动仍然十分活跃。

2016年新增区块链企业数量，中国超越美国，全球第一

据统计，自2012年以来，全球从事区块链领域创业创新的公司数量以超过65.2%的速度快速增长；仅2016年，区块链领域就完成140次融资，融资总额超过4.5亿美元。繁荣的创投活动极大地促进了区块链技术的快速积累。近年来，区块链&比特币领域的技术发明专利数量快速增长。

在国内，政府机构、金融企业、互联网企业、IT企业和制造业企业积极投入区块链技术研发和应用推广，发展势头迅猛。与此同时，国内从事区块链领域技术创新和应用的创业企业数量也在高速增长，仅2016年，中国就有17家企业参与其中，这也使得中国取代美国成为全球新增区块链企业数量最多的国家。

80%的区块链初创企业集中于东部沿海省市

当然，从全球区块链产业竞争格局看，美国的领头羊地位短时间内仍然难以撼动。从区域分布来看，国内从事区块链创业的企业仍然集中于北京、上海、广东、浙江等东部发达地区，这些地区的企业数量占据全国区块链创业企业总数的80%，是名副其实的产业引领者。同时，这些地区也是区块链创投活动最频繁，科研产出最高的地区。

区块链产业规模仍有很大增长空间，应用前景广阔

然而，与其他FinTech领域相比，区块链产业在产业规模和技术积累方面仍有一定的差距。在全球范围内，区块链领域吸引的投资明显少于移动支付、P2P等热门领域；在技术发明专利申请数量方面，也远逊于移动支付领域。

从应用方面看，区块链天然具有重塑金融、网络安全、供应链管理等领域的基因。区块链技术公开、不可篡改的属性，具备改变金融基础架构的潜力，各类金融资产均可以被整合进区块链账本中，成为链上的数字资产，在区块链上进行存储、转移、交易，使其在金融领域的应用前景广阔；

同时，去中心化的方式改变了信息传播的路径，确保了数据来源的真实性，同时保证了数据的不可拦截，因此基于区块链的技术会从根本上改变信息传播路径的安全问题，这也使其在网络安全方面有着广泛的应用场景；数据不可篡改和时间戳的存在性证明的特质能很好地运用于解决供应链体系内各参与主体之间的纠纷，实现轻松举证与追责。区块链技术可以用于产品防伪。同时，数据不可篡改与交易可追溯两大特性相结合，可根除供应链内产品流转过程中的假冒伪劣问题。

综上，通过对区块链产业发展形势的梳理，可以发现：中国在区块链领域的全球竞争格局中相对领先，国内地区间发展极不平衡，领先地区的优势已基本确立。我们预计，区块链在未来数年仍将是创业创新的热点技术领域，值得持续的关注和期待。

没有任何一个科技企业能保证永不犯错。差别只是：有些犯了错的，永别了；有些犯了错的，会在沉寂之后重返舞台。IBM有着踏错点后重返巅峰的典故，但是这一次走向U型谷底，已经五年了……

究竟看错了什么？

过去的一周时间里，“股神”沃伦·巴菲特连续两次在公开场合提到了IBM。两次谈话中，他作为IBM股东传达出来的结论，都是果断离场。

在5月4日接受CNBC电视台采访时，巴菲特是这样说的：“我错了……IBM虽然是一家实力强大的公司，但他们也面临着同样强大的竞争对手。我现在对IBM的估值方式不同于六年前刚开始买入这家公司股票的时候了……根据我的重新评估，这支股票面临着下行压力。”

巴菲特转述两年前比尔·盖茨对自己的告诫，有一句话令人印象深刻，“IBM越来越不像科技公司了，这一点令人很难过。”

字面背后的含义，远比“IBM在云计算领域的竞争对手太强大”，“沃森的盈利前景还不够明朗”等，更透出骨子里的失望。他坦承，自己另一位好朋友，亿万富翁投资者斯坦利·德鲁肯米勒也曾经提醒过他：不要投资IBM。

图注：据说过去几年比尔盖茨不止一次告诫巴菲特对于IBM需要谨慎。

而在5月6日伯克希尔·哈撒韦公司52周年的那场股东超级“大派对”上，巴菲特被听众提问关于IBM的话题，他再一次表示“投资IBM是我错了。”不过，巴菲特这一次提到了苹果，并指出卖出IBM而买进苹果的股票，是因为在他看来，“苹果公司更像一家消费品公司，而不是科技企业。我们可以用护城河理论去分析苹果公司的商业模式——IBM和苹果的客户是不同的，这是两个不同决策下的项目。”

这是老先生用将近6年的时间，投资了130多亿美元（约8100万股），换来了对科技企业的投资经验。他同时提到了IBM在全球云计算市场的最大竞争对手亚马逊，并坦言“错过亚马逊的投资机会非常失败”。

与上一次谈话表达的观点不同，这一次，巴菲特直接点出了关键词“商业模式”。IBM的商业模式在六年前被巴菲特看好，他当时为了投资IBM，走访了众多IBM的大型商业客户，从用户那里了解到了IBM在IT领域的“护城河”。

判定IBM难以被撼动的实力后，他开始逐步买入IBM，而这几年时间也是其对一个企业商业模式彻底了解的过程。现在，承认自己“看错了”的巴菲特已经减仓三分之一，下一步或许就是清仓。

巴菲特表达出这一态度的背后，是IBM四月下旬晒出的2017年第一季营收财报，以及连续20个季度（五年）营收下滑的成绩单。

巴菲特对于IBM商业模式的理解，是基于投资人的角度，六年时间的观察和持股，说出来的话比任何资深行业分析师或是技术专家都要来的深刻。

我们不想将这五六年时间里，IBM的技术、市场、营销、业绩作出一个宏观的分析，这些工作自然有顶级商业杂志会在若干年后进行总结。我们只想通过一位IBM离职员工的一段回顾，聊聊IBM的商业模式为何会导致这连续五年的消沉，这一场旷日持久的转型，究竟能给我们带来哪些启发？

起大早，赶晚集

论理念，IBM无愧于伟大这个词。记得早在2008年，IBM就提出了智慧地球，后来又逐步进化到智慧城市，这种对趋势的把握和理念的领先，至今都是令人震撼的。

几年前从IBM纽约州研究院离职的A君是一位技术大牛。在被懂懂笔记软磨硬泡N多次后，终于聊起当年在美国的那段工作经历。实际上，很多离开IBM的老员工，都是带着感恩的心情离开的，但是几乎90%的人，都认可这个观点，IBM在很多趋势拐点到来时，都是起了大早、赶了晚集。

“我很感谢IBM当年能给我这个机会，能够接触到全世界最领先的科技。 在IBM纽约研究所的工作经历，让我亲身体会到了智慧城市战略推进过程的点点滴滴。”

A君一聊起IBM，感怀中仍透露出无比的惋惜。“我亲身经历了，IBM把一个伟大的战略，由于执行力和商业理念的失误，导致起了个大早，赶了个晚集。”

图注：2008年IBM提出智慧地球战略。

在A君看来，IBM在2008年开始提出“智慧系列”，背后的战略是非常具有前瞻性的，可以说是对未来ICT产业的发展，做出的一个明智的预判。当时，“云计算和大数据”都还在襁褓中，但是IBM清楚意识到了，数据的爆发，将使得“分析”成为关键技术，更值钱的，是分析过后的决策。

当时IBM的考量是，硬件产品会越来越不值钱，跳出低端硬件市场的红海，包括将X86服务器卖给了联想等举措，都是在甩掉包袱，快步前进。

“IBM在当时已经判断到，未来的社会将是一个数据化的社会，数据迅速积累起来之后，全社会面临的问题就是如何从海量数据中获取价值，那么分析能力就是核心。”

因此，IBM提出了“分析为先”，数据分析能力将成为智慧地球（城市）发展的核心关键点。

这样的理念，在当时是绝对超前的，也正是对于数据分析以及商业趋势的预判，当2008年国际金融风暴造成了全球经济衰退时，IBM提出智慧地球计划和发展思路，开始推动“从客户角度出发，解决实际需求和价值导向”的产业解决方案，在金融危机爆发后的两年，IBM的运营与业绩并没有收到影响，而且营收稳步上升。

A君回忆，作为智慧地球和智慧城市的核心研发部门，IBM成立的B.A.O（商业分析与优化）部门，开始对智慧城市进行技术层面的解读和挖掘。“我们团队的职责就是如何从海量、多维度的数据里面（包括视频、声频、图像和文本），如何将来自探头、感应器、天文气象等等数据源里的数据，汇总在一起，挖掘、分析出最有价值的信息，向各行业提供管理、决策、建议、预判等可操作性的结果。”

说到这里，懂懂笔记脑海中自然浮现出了智慧城市版本的智能交通场景。云计算、大数据和人工智能，嗯，IBM这是要翻天的节奏啊。

这么领先的理念，各国政府、行业客户自然会被IBM的智慧大旗一挥之下，心神向往啊！但是，IBM选择了一个领先业界10年的战略决策，却用了一个百年传统老店的商业模式去行动：就是让客户接受自己的先进理念，但是推销的是自己的高端机器和软件（DB2）。

“回想当年，如此全新的商业理念，让公司内部无数工程师和技术研发人员为之兴奋，但是当商业运作运转起来时，却仍是卖硬件和数据库。两者是不匹配的，势必没有长久的生命力。”A君很冷静地分析。

曾经，IBM智慧城市的经典案例被全球各大媒体报道，引为经典。但是，近两年来，很多“经典”都偃旗息鼓，悄无声息了，问题出在哪里？

就以新加坡作为一个案例吧。IBM从2011年开始与新加坡陆路交通管理部门进行合作，A君的团队通过对新加坡中央商务区所有地面交通情况进行分析，对交通信号灯进行了动态调整，避免了交通堵塞。A君表示，这个项目因为信息化程度高、疏堵效果良好，在当时取得了巨大的成功。后来福布斯、CNN等媒体都专门到新加坡对项目进行了专题报道。

但是，后来智慧交通项目在新加坡的推广却并不像IBM希望的那样“顺利”。

究其原因，是陆路交通管理部门如果想持续进行这样的智慧管理与运营，需要首先缴付巨额的支出，巨大的成本让相关部门望而却步了。试想，如果供应商把服务和软硬件产品捆绑在了一起，而你在购买硬件以后还要面临很重的运维成本压力。对任何客户而言，都是一道难题。

“我只需要那颗明珠，但是你却把很多鹅卵石也放在一起，要我统统收下。”结果不言而喻。

在A君看来，如果当时IBM全面发力云计算尤其是公有云市场，坚持通过云计算技术及云服务模式向用户提供计算能力、软件及业务功能——而不是一堆硬件和软件的捆绑，今天的结果是完全不一样的。

可以说，捆绑过度，结果就是客户的远离和业绩的衰退。在当时的IBM，如果想在内部推动或者改变商业模式是一件很难的事情，也绝不可能是一两个技术大牛、或者部门总监能够推动的事情。

ABC的短板难补

图注：2014年IBM发布的沃森健康（Watson Health），被称为转型之举。

商业模式因技术驱动在快速变革，可是IBM却贻误战机，不断犯下大错。

从捆绑销售到把服务提供给客户“租用”，让蓝色巨人思考了很久。所以，IBM在专利申请、技术研发人员、工程师方面的领先，并未成为产业变革拐点到来时的助力，观念领先的竞争对手在过去这几年得占先机。

而2008年左右就开始推动私有云的IBM，在云上同样演绎了起大早、赶晚集的剧情。而在发现市场趋势风向后，IBM开始在公有云市场进行大手笔“买买买”，包括2013年6月以数十亿美元收购公有云服务商SoftLayer，以及之后几年收购数据库公司Cloudant、云服务解决方案提供商Bluewolf、10亿美元收购医学图像数据公司Merge Healthcare……包括前不久宣布收购Verizon云计算和主机托管业务的大手笔，都是补课的过程。

懂懂笔记统计，过去这六年IBM共进行了近40多笔与云计算相关的并购，是用钱来换时间，补齐云计算、大数据领域缺乏人才和经验的短板。

如今，智慧地球和智慧城市系列已经逐渐淡出公众的视线，云计算、大数据和人工智能组成的ABC融合模式（AI+BigData+Cloud），已经被越来越多的互联网巨头开始提及。如今IBM大力推动的，则是“认知商业时代”的到来。实际上，所有玩家的关键词都集中在了AI上。

而向用户提供人工智能的服务能力，不仅在于AI技术的领先，还要有云和数据的支撑。这取决于过去几年，服务商在云计算运营服务方面的经验，和通过服务行业对海量数据的积累与掌握，脱离开云和数据，AI是一纸空谈。

2017年4月底，亚马逊CEO贝索斯在一年一度的“致股东信”中，强调AI尤其是机器学习将是亚马逊下一个阶段研发的重点。同时确定这一举措将保持亚马逊的优势地位，维持领先于竞争对手的局面。同时，亚马逊正在研究“人工智能即服务”，并将人工智能的基本工具提供给云计算和开发者社区。

在今年3月10日举行的Cloud Next大会上，谷歌也宣布，向开发者推出机器学习引擎（CMLE），而且部分AI技术已经被应用于谷歌多个云计算产品中，包含了语音、视觉、视频等七种数据接口。而谷歌云首席科学家李飞飞对此表示：“我们最重要的目标之一，是让机器学习变成各种体量、各种行业或者是各种复杂性的组织的一个转型工具。”

这两家，已经不约而同把AI作为云计算服务的主要卖点。但是，在拥抱大数据（而非卖存储数据的机器）和拥抱公有云方面已经落后的IBM，能否用钱买回这几年失去的实践经验。

即便是明星沃森，在医疗领域也需要不断地学习和训练，并且要通过大量的数据和资金来帮助沃森完成学习和训练的过程。但是，有多少行业用户能陪太子读书到无怨无悔？

今年2月底，外媒曝出德克萨斯大学MD安德森癌症中心与沃森合作项目终结，从侧面反映出了一些问题。

来自得克萨斯大学的行政系统公布的一份审计结果显示，IBM沃森医疗和MD安德森的合作自2013年10月启动以来，MD安德森已经为此投资超过6200万美元。但是，并没有正规的购买规则被制定出来。报告同时解释道：“这里所述结果不应被解释为对其系统在当前状态的科学基础或能力的意见。”有媒体这样评价，报告的内容实际上并没有否认沃森的功能不行，只是“太烧钱”了。

期待巨人走出谷底

图注：IBM公司CEO罗睿兰

或许，这些年来IBM不断地买买买会有一定的效果。IBM公司CEO罗睿兰3月22日在拉斯维加斯InterConnect大会上宣布，云服务将在IBM业务中占据更大比重（目前云服务占全部营收的17%），数据中心也将进一步扩容。

她同时强调，将在中国成立新的数据中心，尤其是三月中旬与中国企业万达的合作都将成为亮点。罗睿兰对于IBM的云服务显然是寄予厚望的，她希望这个服务能力为企业云业务提供有力帮助，并指出服务的核心就是Watson人工智能强大的认知能力。

但是很明显，两周前（4月24日）IBM在佛罗里达州举行股东大会上，股东们更关心的公司未来的起色。

回到文章的起点。为什么在几周之内，巴菲特下决心买出手中三分之一的IBM股票？因为，这些金字塔顶尖的人，看到的是一个预兆。

IBM有技术实力，有多年的IT行业积累，有大量的行业客户，有遍布全球的数据中心，有耀眼的专利申请，当然还有明星沃森（Waston）……

但是，对待商业模式的理解，对待趋势变化的反应，IBM未来几年的发展，不被产业内嗅觉最敏锐的人所看好。这个U型探底，是否已经到了尽头，谁也说不好。

不是攥着一手好牌的人，都能最终赢钱。上世纪90年代，被称为“饼干销售员”的CEO郭士纳，曾经拯救过一次蓝色巨人，用一年多时间将亏损80亿美元转变为盈利30亿美元（1993～1994年）。如今，已经入职近5年的CEO罗睿兰，将用多长时间把IBM从谷底带出？