11月5日，2026 IBM中国企业级AI巅峰论坛在北京举行，近200位IBM客户与合作伙伴代表到场。论坛以“AI为先 商业焕新”为主题，IBM大中华区董事长、总经理陈旭东，IBM咨询大中华区及韩国总裁陈科典，IBM中国科技事业部总经理侯淼，红帽全球副总裁兼大中华区总裁曹衡康，IBM大中华区首席技术官翟峰等到场发言，天合光能副总裁兼流程数字化负责人赵宏雷、火山引擎副总裁赵文婕、美团硬件流程IT负责人豆庆华参与了对话环节。整场讨论落在同一个问题上：企业如何跨过AI投资的回报拐点，从零散试点转向可管控、可复用、收益可验证的应用体系。

一、八成企业的信心，与不到两成的答案

IBM在会上引用的一项面向企业管理层的调研显示，近八成企业高管相信AI在未来五年内会带来真实的经营收益，而能够说清收益“从何而来”的高管不到两成。这组数据的意义在于，它把企业AI的处境描述得相当具体：投入在增加，但对回报的计算方式并没有同步建立起来。

在IBM的判断中，企业级AI落地的阻碍并非技术本身，而是从数据基础、业务流程到组织管理的整套经营及运营模式的重塑。陈旭东把AI落地与历史上的技术变革放在一起比较，认为其本质都是利用新技术对企业组织和流程进行重构，难度不亚于“二次创业”，离不开企业负责人的长期思考和亲自推进。他提到，企业最根本的需求仍然是降本增效和增收扩张，而多数AI应用目前集中在降本一端，投资回报上的不确定性很大。

基于服务本地客户的经验，IBM把企业需求归为经营、运营、管理三类，并为每一类给出了对应的破局方向。

表1  三类AI应用需求及其破局关键

三类需求对应不同的投入顺序，但共享同一个前提：数据与流程的基础工作无法跳过。运营类的“数字化补课”被单独列出，原因是没有信息化、数字化的基础，AI落地便缺少依托。在此基础上，企业既可以打通内部系统，也可以梳理和优化业务流程。

在随后的对话中，陈旭东与赵宏雷探讨了如何推动AI从局部应用走向组织级变革，话题涉及人机协同、智能运营、AI与能源业务的融合，以及双方在战略、技术和业务价值上的合作。

二、数据、工作负载、自动化与混合云

IBM对企业级AI运营能力的界定由四个部分组成，而不是某一个模型或某一款应用：Data、Workload、Automation与Hybrid。按IBM的表述，四者共同构成一套完整运营模式，支持AI发现问题、解决问题、规模化推进并持续进化。

其中，Data为AI提供实时的业务上下文，使AI能够“看见”业务、理解业务并辅助决策；Workload让AI真正执行和推进业务，打通智能应用开发、系统集成和多智能体编排，覆盖从规划、设计、编码、测试到部署、运行、治理、观测的完整生命周期；Automation推动IT运营向自主化演进，通过整合应用、事件、监控、日志、基础设施图谱和生态工具，构建自主、智能化的IT运营平台；Hybrid保障企业对AI的自主控制，支持本地与云端模型的灵活选择和切换，统一管理数据、模型、智能体、身份及机密，在安全与自主的前提下适配不同的工作负载和部署环境。

翟峰的看法是，企业要实现AI的规模化应用，关键在于构建覆盖这四个方面的运营能力：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。按这一路径，AI将从辅助工具转变为能够理解业务、执行任务并持续优化的企业生产力。

陈科典把问题指向组织侧。他认为，构建AI为先的企业，不只是部署更多模型或智能体，更需要企业同步调整管理能力和工作方式：CFO要开始理解Token经济，管理好AI投入的成本与业务回报；CHRO要重新设计人与数字员工的协作模式；CIO要把安全、权限和责任嵌入系统与流程；CEO则要确保AI真正改善客户体验并支持业务增长。IBM咨询的做法，是把行业经验、业务流程洞察与技术能力结合起来，从真实业务场景出发统筹数据、工作负载、自动化和混合云基础架构，在开放生态中选择合适的技术，通过持续的尝试、验证和推广，使AI从零散应用变成可管控、可复用、可衡量的运营能力。

这一判断在对话环节得到延伸。陈科典与赵文婕以“构建AI为先的企业”为主题，围绕AI带来的发展机遇、从个人提效迈向组织级提效的关键路径，以及智能体、企业知识、业务流程与AI基础设施之间的协同展开交流，并讨论了咨询能力与技术能力如何互补。

红帽的位置在基础设施层。曹衡康表示，企业要推动AI从试点走向规模化，关键不只是采用更强大的模型，而是建立一套能够持续生产智能、并让智能安全融入业务的运营模式。红帽以在开源、开放混合云及企业级平台领域的积累提供技术底座，使企业能够跨虚拟机、容器、GPU、公有云、私有云及边缘环境一致地运行和治理AI，同时保留更换模型、Agent及运行环境的选择权。

三、从技术底座到业务场景

侯淼把上述思路落到具体的业务面上。IBM面向中国企业梳理出智慧经营、智慧运营、智慧研发、智慧生产、智慧供应链五个场景，以AI平台（ONE AI）、数据平台（ONE DATA）和混合云基础设施（ONE CLOUD）构成统一技术底座，贯通算法、模型、智能体、数据治理、算力、存储、安全及IT运营等能力。他的判断是，企业AI正在从局部探索迈向规模化落地，价值能否释放，取决于可信数据、模型与智能体能力是否被嵌入经营、运营、研发、生产及供应链等核心流程。

论坛上披露的两项进展指向同一方向。IBM Bob的本地部署版本已落地中国市场，可在本地机房、私有云、自主云以及物理隔离的离线环境中部署，把AI软件开发能力留在企业自有环境，覆盖代码生成以及软件交付与现代化的全流程；IBM对此的表述是“让AI走向数据，而非迁移数据来适应AI”。另一项是IBM与阿里云延续并拓展围绕Confluent产品及技术的合作，扩展Confluent组件与云消息队列Kafka版（ApsaraMQ for Kafka）的集成，为后者的客户提供Confluent Connector能力，基于Apache Kafka Connect连接数据库、消息中间件、企业应用和云服务，使分散在不同系统中的数据持续进入实时数据流。

已有的实践被用来支撑这条路径。宝马集团通过Confluent Cloud建成覆盖全球31家工厂的实时数据流平台，连接数百个应用，每日处理超过10亿个事件，并把数万个物联网传感器产生的数据实时提供给不同团队，以全托管服务实现零停机运行。百度智能云借助IBM Storage Scale、IBM磁带库及IBM Storage Defender构建冷数据存储架构，与同等规模的磁盘存储相比耗电量降低超过90%，投入使用10个月后的评估显示整体成本节省达84%。作为自身技术的“零号客户”，IBM通过watsonx产品组合把AI应用于供应链、采购、人力资源及税务等核心流程，累计实现超过45亿美元的生产力增益，其中供应链与采购流程每年节省26000小时工时，物流成本在三年内降低30%，人力资源相关运营预算降低40%。

在最后一场对话中，侯淼与豆庆华结合前沿创新项目，讨论了企业在软、硬件协同研发中的流程和管理挑战，以及如何通过持续优化跨团队协作与研发管理，把实践沉淀为可复制的能力。

从论坛呈现的内容看，IBM给出的路径并不复杂：先补齐数据与流程的基础，再以统一的平台承载模型、智能体与混合云基础设施，最后把能力嵌入具体的业务场景。难点在于，这套运营模式要求企业的财务口径、人力分工、安全边界与客户体验目标同时调整，推进节奏取决于组织自身的准备程度，而非某一项技术的成熟度。对正在评估AI投入的企业来说，2026年的问题或许不是要不要用AI，而是能否在内部说清一笔投入的回报从哪里来、又由谁负责。