close
工智能業趨勢題特寫

人工智能帶來 1.2 萬億美元競爭力 IBM Watson 為客戶創造商業價值

IBM 全名是「國際商業機器」,不過隨著業務重心轉移,IBM 硬件業務愈來愈少,反而商業軟件及雲服務已成為業務的重心。IBM 希望透過由 Watson 人工智能為重心,推出結合區塊鏈、資訊保安等服務來提升在雲端市場的競爭力。在早前的 IBM Interconnect 大會上,IBM 找來不少現有 Watson 用家站台分享案例,「人工智能」和「認知運算」將作為 IBM 最重要的武器來挑戰 AWS 等玩家。

 

大摩:IBM Cloud 被市場嚴重低估

據調查機構 RightScale 雲計算市場的年度報告(RightScale 2017 State of the Cloud Report),Amazon Web Services(AWS)仍然是市場主宰,獨佔 57% 公共雲的市場份額,緊接其後的是 Microsoft Azure 和 Google Cloud,而且兩者的市佔也有所提升。

誠然現在愈來愈多公司追求多重雲(Multi Cloud)的環境,並非「有你無我」的零和遊戲,但 IBM Cloud 仍未追上競爭對手也是事實。不過就像大家所知,IBM 近年最表現出色的正是人工智能 Watson,而這也成為 IBM 提升雲服務競爭力的殺手鐧。

早前筆者出席 Google Cloud Next 大會時就提到,Google 希望用人工智能和機器學習作為 Google Cloud 的增值服務,而筆者這次在 IBM Interconnect 大會上不僅看到同樣的思路,也看到 IBM 在商業科技上「實而不華」的一面。相比於其他對手,IBM Watson 已經非常成熟,有大量的企業客戶上台分享商業應用案例經驗。

 

Forrester:沒運用人工智能每年將損失 1.2 萬億美元收入

三月中時摩根士丹利(Morgan Stanley)發表了有關雲運算市場的報告,雖然報告仍認為 AWS 和 Azure 是最大玩家,但卻認為 IBM Cloud 被市場嚴重低估,把 IBM Cloud 和阿里雲列為「最具潛力」的玩家。摩根士丹利認為,2020 年 IBM 的公有雲業務將以年複合增長率 33% 成長至 30 億美元規模,甚至看好其股票目標價格從 187 美元調升至 212 美元。

摩根士丹利看好 IBM 的正是認知運算(Cognitive Computing)和人工智能。據 Forrester Research 最新發表的報告更直言,未來三年內利用人工智能、大數據和物聯網技術深入挖掘市場洞察的企業,將可從沒使用這些技術的同行每年搶到 1.2 萬億美元收入。報告認為人工智能將迅速融入分析和業務決策流程,讓企業具備強大、實時、場景化的市場洞察力並從這場洞察革命中受益。

Forrester 更預測,今年企業在人工智能產品和技術上的投資,將比去年增長至少三倍。隨著認知運算產品日益普及,愈來愈多企業引入人工智能到決策之中,協助挖掘從未留意過的洞見,在實時洞察的基礎上作出更敏捷高效的業務決策。而在 IBM Interconnect 大會上就有大量的企業案例反映這一點,甚至把「Watson」一字作為標榜,反映 IBM 在認知運算產品上已有極大的品牌價值。

AT&T 物聯網方案運用 Watson 預測潛在的機器故障

IBM主席 Ginni Rometty 在主題演講就指「IBM Cloud 是下一個時代企業的平台」(The IBM Cloud is the platform for the next era of business),而且更找來很多客戶來證明這一點。相比其他對手在學術、科研或消費市場來談人工智能,IBM 非常強調人工智能的商業價值,站台的企業包括 AT&T、Salesforce、H&R Block、加拿大皇家銀行(RBC)等,而且談的都是實實在在已經實踐中的經驗。

AT&T 行政總裁 Randall Stephenson就表示,正與 IBM 合作通過利用多款 Watson 產品,包括 Watson IoT Platform、IBM Watson Data Platform、IBM Machine Learning Service來協助 AT&T 企業客戶實現有數據洞察的物聯網。他表示AT&T 的物聯網已連結了超過 3,000 萬部裝置,有能源公司就利用 AT&T 的物聯網分析解決方案,從數百口井中獲取數據並通過機器學習來幫助預測潛在的機器故障。

 

而三月時便宣布與 IBM 結盟全球戰略伙伴關係的 Saleforce 行政總裁 Marc Benioff 則表示,正與 IBM 合作結合 Watson和 Salesforce Einstein 的客戶深度洞察能力,本為 CRM 人工智能的 Salesforce Einstein 可結合Watson分析更多如天氣變化等非結構數據,通過對數據的採集、推理及推薦來加速決策,協助 Saleforce CRM 用戶提升客戶滿意度。

 

運用 IBM Watson 提供建議、八成半客戶成功爭取退稅

另一家站台的公司是 Unwire.pro 也報導過的稅務諮詢公司 H&R Block。由於美國稅制遠比香港複雜,稅務諮詢公司可協助美國國民找出最省錢的報稅方式,而H&R Block 就通過機器學習來分析7.4 萬份聯邦稅率檔案和 60 年的案例,並利用 Watson 來回應客戶在免稅、退休金等方面的專業建議。H&R Block行政總裁 Bill Cobb 表示使用 Waston 前約有 74% 客戶獲得退稅,使用後這數字就達到 85%,升幅明顯。

 

而作為加拿大最大銀行的加拿大皇家銀行(RBC),集團業務主管 Bruce Ross 就表示該公司把自己看成是「掛著銀行招牌的 IT 公司」,希望通過運用敏捷、數據、分析、認知運算 API 來改變研發文化。其中一個具體呈現就是採用 IBM Cloud 和 BlueMix 來加速開發金融服務應用,而 RBC 更為此培訓認證了 500 多個 Bluemix 開發人員,同時更在過去半年把 20 年的業務數據加到 RBC 的數據湖中,運用認知運算從中發掘洞見。

 

IBM Forum 2017 展示更多 Watson 亞洲應用案例

上述的案例都在北美,但其實在亞洲已有不少 Watson 的應用案例,早前香港 IBM 就舉行 IBM Forum 2017,展示了一些在中國和香港已經部署的 Watson 應用。IBM 香港總經理戴澤棠就指今天已是認知時代(Cognitive Era),全球每年產生的數據都呈幾何級數增長,而且來自物聯網裝置、社交網絡等非結構數據(Dark Data)就佔多達 80%,這些數據依靠傳統方式是很難分析的,而認知運算就打開了這大門。

戴澤棠強調,人們不需要擔心人工智能取代人類,因為 IBM 相信人工智能是增強人類的智能,即未來不會是「人 vs 機器」,而是「人和機器」的合作。戴澤棠就提到 Unwire.pro 曾報導過的案例,IBM 在中國為 21 家醫院提供 IBM Watson 腫瘤解決方案,並成立「浙江省中醫院沃森聯合會診中心」,利用 IBM Watson for Oncology 輔助醫生判斷病症,為中國的腫瘤病人帶來更好治療。

而在香港的應用案例就是去年Unwire.pro 報導過的創龍智能眼鏡 MAD GAZE,為 VTC 的汽車維修課程提供 AR 輔助教學。MAD GAZE 運用了 Watson 的「圖像辨別」和「語音、文字轉換」的 API,當學徒透過智能眼鏡觀看汽車引擎時就會自動識別並顯示維修步驟,同時會把指示讀出來,學徒甚至能用聲控指令操作或發問,透過語音向 IBM Watson 查詢,減少學生學習障礙。

 

總結:逐步把 Watson 商業應用帶來香港

戴澤棠預言人工智能在未來兩三年會用更快的速度擴張和滲透,他笑言如果是以前的 IBM,會在實驗室裡把產品精益求精後才會推出,但在認知時代就不同,透過跟不同的客戶合作,利用機器學習可以創造出更多之前未想像過的應用,因此不同行業都能利用 Watson API 去嘗試新概念,在實踐中不斷改進。

他認為香港是相當先進的城市,會積極採用新技術提高競爭力,其中在金融和零售領域會發展得更快。過去幾年 IBM 已在不同行業測試人工智能的應用,相信在不久將來就會有更多案例,其中就預告了會在今年夏天公布跟一家本地銀行的合作,但就沒有透露更多詳情。

隨著多家雲端廠商都競相研發人工智能和認知運算產品,未來兩三年相信會有更多類似案例出現。採用人工智能企業的競爭力將開始拋離沒有採用的企業,Forrester Research更指前者每年將比後者賺多 1.2 萬億美元的營收,這差距更會愈來愈明顯。IBM 在人工智能領域是先行者,這為她帶來不少優勢,雖然筆者不敢肯定大摩的股價預測是否準確,但相信 IBM 前景是樂觀的。

n-350x500

 

 

作者:Boris Lee
Unwire.pro 資深編輯。在企業 IT 科技報道範疇有十多年經驗。

 

 

 

Tags : aicloudCognitive ComputingIBMIBM BluemixIBM Watsonmachine learningSilde
Boris Lee

The author Boris Lee

Unwire Pro 資深編輯,在企業 IT 科技報道範疇有十多年經驗。近年專注報導香港初創企業、本地資訊科技業界發展。
訂閱 unwire.pro 電子報
最新科技趨勢每日直達郵箱
Your Information will never be shared with any third party.