IBM董事长兼首席执行官阿尔温德·克里希纳（Arvind Krishna）。图：视觉中国
【财新数据专稿】“AI那个时代已经过去了（I think that that has passed for AI）。”在贝恩公司官方播客《Winning with AI》中，IBM董事长兼首席执行官阿尔温德·克里希纳（Arvind Krishna）对贝恩合伙人Sarah Elk与学者吴恩达说。
他说的“过去的时代”，是企业对人工智能，尤其是大语言模型，无边界、大范围“撒胡椒面”式试验的狂热期。自2022年底生成式AI在全球掀起风暴以来，从硅谷科技新贵到华尔街金融巨头，几乎所有世界500强企业都在内部火速成立创新孵化小组。但克里希纳看来，这种因对技术未知而恐慌产生的盲目试探，正把企业拖入资源高度分散的泥潭。当生成式AI在特定工作流中的生产力价值已经充分证明，若还把目光停留在边缘场景的技术试验层面，就是决策层战略定力严重缺失。
在英伟达以算力构建绝对霸权、微软与谷歌携云基础设施与闭源大模型两分天下的当下，曾经的IT霸主IBM似乎退居聚光灯边缘。在这场轰轰烈烈的AI军备赛中，克里希纳能否带领一百一十多岁的“蓝色巨人”重拾往日荣光？
终结AI“撒胡椒面”试验
技术革命浪潮往往遵循相似周期，从技术破局期的集体狂欢，到摸索期的广泛试水，再到深水区的残酷洗牌和价值回归。生成式AI也是如此。克里希纳指出，面对新技术，由于缺乏深度信任和对确定性回报的把握，企业管理者最初往往倾向于设立大量边缘小项目进行安全测试。
但在当下，上述探索已成累赘。克里希纳受访时算了一笔账，一家在技术转型上每年拨出两亿美元预算的大型跨国企业，这笔资金若集中运用在三到五个关键场景，完全足以推动实质性的生产力爆发。但在实际操作中，为了平衡各业务诉求，企业往往将预算切碎，分散给上百个内部小型试验项目。
克里希纳认为，这就是典型的“平庸陷阱”。每个小型孵化团队只能拿到两三百万美元和三到五名工程师，这点资源根本无法深入打通底层工作流和复杂的数据链条，遑论建立规模化落地的能力。他反问道，如果不是切碎给100个小项目，而是集中上百名核心人员、投入1500万至2000万美元攻坚关键业务并彻底打通规模化应用，哪种方式更有可能成功？能够看到的是，绝大多数企业至今仍困在第一种分散试验的泥潭里。
“领导者应当将投资集中在少数几个高影响力的领域，而不是将资源分散到几十个实验项目中去。”克里希纳强调，领导者的艺术就在于拥有足够的定力，找准少数几个能彻底释放AI潜力的场景，并将资金、顶尖团队和适配技术毫无保留地压上去，实现规模化爆发，而不是在边缘业务上进行微小产出的自嗨。
他以IBM内部自身的人力资源系统改造为例。过去，一名普通员工仅仅为了开具一份“在职/工作证明信”，流程就要在员工、直线主管、HR伙伴与后台支持中心之间辗转多套老旧系统，涉及整整17个不同的人工处理节点，耗费近一小时的人工流程。在引入AI代理后，系统基于员工身份自主核验数据并自动生成凭据，原本繁琐的人工流程被压缩到了15秒内完成。以上这种对关键流程的连根改造，是IBM践行集中资源、去除流程冗余的一次有效尝试。
沉没成本往往是大企业在转型决策时最大的包袱。克里希纳在访谈中直言不讳地指出，“在六个月内承认投入偏离预期并果断认错转向，永远胜过耗费三年时间去等待一个注定平庸的结果。”
先破后立抓住“混合云”机遇
克里希纳出生于印度军人家庭。1985年，他获得印度理工学院坎普尔分校电气工程学士学位，后于美国伊利诺伊大学厄巴纳香槟分校获博士学位，师从美国工程院院士、通信网络与随机系统领域的泰斗布鲁斯·哈杰克。
1990年，克里希纳以研究人员身份加入了久负盛名的IBM托马斯·J·沃森研究中心。在职业生涯早期，他的研究与业务范畴从早期的商用无线网络系统研发，一路延伸到底层数据库架构、信息管理以及安全软件业务组，并在相关技术领域陆续取得了15项专利。
作为老牌IT硬件巨头，IBM的核心业务是企业级IT基础设施。公司长期靠销售大型机、存储设备等专有硬件赚钱，配套的机房运维与线下技术支持，构成了其大半收入来源。
2013年，克里希纳出任IBM系统与技术集团开发与制造部门总经理，统管底层芯片、服务器与存储的研发。彼时，随着英特尔x86标准芯片席卷全球数据中心，IBM长期依仗的封闭软硬件体系被打得节节败退。
在此背景下，克里希纳带领工程团队推进了一系列激进的改革。
过去，IBM自主研发的高性能POWER芯片从不外售，只能绑定在自家的高端服务器中整机交付。但随着英特尔靠着物美价廉的通用芯片横扫全球，IBM的封闭生态几乎被逼到了死角。
克里希纳打破了这一数十年不变的铁律。他主导研发了新一代处理器，随后做出了一个在传统硬件派看来近乎“砸自家招牌”的决定，把IBM长期严加保密的芯片设计图和底层控制代码全部公开，甚至免费授权给外部伙伴。IBM借此拉拢谷歌、英伟达等巨头组成了开源芯片联盟，试图联合全行业的力量跟英特尔正面抗衡。
回头看，OpenPOWER虽然最终未能阻挡英特尔在通用x86服务器市场的统治，但让克里希纳摸索出了跳出传统硬件绑定、向高毛利软件与服务转型的可行路径。
经此一役后，克里希纳的战场从硬件底层转向了软件与云。2015年后，他先后统管IBM系统研发与云计算业务，并迎面撞上了科技巨头之间惨烈的公有云混战。
彼时，亚马逊AWS和微软Azure已经在公有云赛道建立起巨大壁垒，起步迟缓的IBM在正面战场胜算渺茫。但克里希纳在大型政企客户的需求中发现了另一条路。
当时，银行、电信等跨国巨头面临一个两难选择，一方面，他们想用公有云的弹性算力降低成本，另一方面，又受限于数据合规和安全要求，必须把核心资产留在自己的私有机房里。这种横跨外部公有云与自有私有机房的折中格局，是大型银行与跨国企业在监管红线下的特殊产物。由于两端系统互不连通，企业跨机房调配算力与数据的成本极高。
克里希纳断定，这种必须兼顾两头的“混合云”才是IBM真正的机会。与其去争夺公有云的算力租赁，不如做横跨两端的超级连接器。
但想要打通不同机房的技术隔阂，IBM还缺一套被全行业认可的通用软件标准。2017年7月，克里希纳带着论证方案走进高层例会，当场向时任首席执行官罗睿兰提议直接收购软件公司红帽（Red Hat）。罗睿兰随即拍板并启动并购谈判。2018年10月，IBM宣布以约340亿美元现金、每股190美元收购红帽，交易于2019年7月9日完成交割。
红帽旗下的企业级操作系统与OpenShift软件，解决了机房割裂的问题。过去公有云巨头与企业本地机房的底层规则完全不同，软件无法跨平台流动。红帽提供了一套能安装在所有硬件和云平台上的中立系统，把外部公有云与自有服务器统一成标准化的运行环境。企业应用从此能在不同云之间自由调度，IBM也借此重新稳住了大企业核心客户。
2020年4月，克里希纳正式接任首席执行官。面对停滞的业绩增长曲线，他迅速做出了两个关键决断：砍掉低毛利苦力，重构赚钱闭环。
首先是分拆减负。2020年底，他决定将占公司近四分之一营收的传统IT代管业务整体剥离，并在次年将其打包为独立上市公司勤达睿（Kyndryl）。 这块业务原本负责常年在机房里替客户修机器、做巡检，虽然每年能带来近190亿美元的流水，但雇佣了近9万人，利润微薄且年年萎缩。将其打包分拆并送去独立上市后，IBM就此卸下了沉重的低毛利包袱。
另外，克里希纳给咨询团队换了赚钱逻辑。当时IBM在公有云正面战场面临强敌AWS和微软Azure。克里希纳没硬碰硬，也不逼顾问死推自家卖不动的硬件和专有系统，而是让他们帮客户落地微软或亚马逊的云。客户买谁的云，IBM咨询团队都到客户现场，专门解决旧机房和多套新系统拼接打通的工程难题。咨询团队每帮企业做完一次系统改造，就顺势把红帽的开源操作系统作为底层标准装进客户机房。
这令原本一次性结清的顾问外包合同，变成了红帽软件持续的高毛利订阅费。IBM借此摆脱重资产硬件商的旧标签，走上“咨询引流、软件收租”的新赛道。
Watson的创伤与watsonx的重生
在公众和媒体的记忆中，IBM似乎“很早”就点燃了人工智能的火种。
1997年，IBM超级计算机“深蓝”在纯算法暴力的穷举博弈中，击败了国际象棋世界冠军卡斯帕罗夫，在全球引发了第一轮硅基智能震撼。2011年，IBM研发的认知计算系统Watson参加了美国老牌智力问答节目《危险边缘》，在面对充满隐喻、双关和复杂语境的题目时，Watson以压倒性优势战胜了两位人类常胜将军。这让外界第一次见识到了，计算机在跨领域知识推理和自然语言理解上的惊人能力。
这场胜利让IBM声名大噪。管理层顺势把Watson投入实际业务，重点押注医疗健康领域，这就是曾经轰动一时的“Watson Health”项目。彼时的IBM雄心勃勃，想用一套无所不能的庞大通用智能系统，去攻克肿瘤看诊、癌症靶向药研发等医学难题，却严重低估了医疗行业的特殊性——临床规范的边界在哪里？当AI给出的靶向药建议导致患者死亡时，谁来承担监管与法律责任？医院里从挂号、化验室对接到病案归档的实际运转流程有多么封闭繁复？
面对高度非结构化的临床病历、严格的医疗合规监管红线以及封闭繁复的医院实际诊疗工作流，缺乏垂直专业积累的技术方案，在现实中很难行得通。IBM在医疗健康领域的探索最终以收缩告终。2022年，IBM将Watson Health相关医疗数据和分析资产出售给Francisco Partners，并由后者组建独立公司Merative。
这次挫折让克里希纳意识到，在强监管的高风险行业，技术无法脱离具体的业务边界与合规要求单独存在。这也直接决定了他随后确立的产品策略。
当OpenAI的GPT系列、Anthropic的Claude以及谷歌的Gemini都在朝着万亿参数、试图打造AGI的方向狂奔时，克里希纳锚定了一条极度务实甚至显得有些“反潮流”的技术路线，他避开了基础大模型的烧钱游戏，将IBM的重要研发资源投向了规模相对较小、强调企业场景适配和部署效率的Granite模型家族，并将其纳入watsonx企业级AI平台。Granite家族中的多款模型及相关工具以开放许可方式发布，支持企业进行定制化部署和使用。
做出这种调整，是因为大企业采购AI有着完全不同的考量。大型金融机构和电信运营商在采购AI时的逻辑与C端消费者完全不同。于他们而言，更加关注的是投入产出比与合规风险。超大规模的通用模型虽然智力表现惊人，但其单次调用和推理的算力成本堪称吞金兽。且通用模型至今“机器幻觉”仍无法根除，这让视合规为生命的银行业风控合规部门退避三舍。没人敢把亿万资金的审批权交给一个可能随口胡编乱造的黑盒大模型。
与之相对，全面开源的Granite小模型更契合政企需求，既能让企业在本地用私有数据低成本微调，又具备决策可审计与侵权兜底保障，正好解决了数据安全与合规上的后顾之忧。
但对企业而言，仅有一个只能作答的模型是不够的，如何让AI真正在业务里“干活”更为关键。为此，IBM推出了人工智能代理平台watsonx Orchestrate。该平台扮演着企业IT架构的“神经中枢”，一方面连接AI大脑，另一方面打通企业沿用多年的SAP、Salesforce及Oracle等底层老旧系统。借助这一中枢，AI得以真正长出“手脚”，能够自主完成跨部门调取凭证、三要素比对并自动触发审批等复杂的连贯动作。
重心转向软件
在企业级软件市场，技术往往只是敲门砖。要把这套新工具卖进跨国巨头的业务链，IBM面临着更复杂的现实阻力。
现代大型企业的底层IT架构往往极其复杂且存在迭代滞后。以银行业为例，部分拥有上亿用户的全球性银行，其账务系统至今仍运行在上世纪70年代的大型机环境中。
这使得企业在技术升级时陷入两难，一方面，这些旧有系统承载着核心业务，受限于“零停机”的安全红线，底层代码极难轻易重构；另一方面，面对海量激增的新业务数据，企业又急需引入先进的AI技术来提升处理效率。在这种底层架构与前沿技术存在巨大代差的情况下，简单地采购最新AI软件往往会面临严重的兼容阻碍。这无异于在老旧的蒸汽机上强行加装涡轮增压器，由于系统根本无法平滑咬合，最终难以真正运转。
面对企业庞大的遗留系统包袱，克里希纳沿用了此前推广红帽的成熟打法，以驻场咨询服务进入，替客户化解底层适配难题，顺势将自家的软件套件深植其中。
在金融场景中，这套商业路径的运转尤为清晰。以大型银行引入AI优化结售汇流程为例，新落地的AI应用必须调用底层数据才能工作；但受限于零容错的安全底线，银行绝不允许外部新软件直接接入核心账务系统。
面对上述矛盾，IBM驻场架构师团队采取了“非侵入式”改造。他们避开对历史底层架构的直接触碰，转而在系统外围部署中间件、封装API接口。等于是在不惊动老系统的前提下，为AI单独架设了一条安全的数据通道。此举既帮客户规避了系统宕机风险，让AI顺利落地工作，也顺理成章地达成了实质性的产品绑定，为IBM换来了长期的软件订阅收入。
随着企业将核心业务逐步分散到多个公有云与自有服务器中，异构环境带来的运维复杂度陡增，IT支出与云账单也面临失控风险。为了接管这种复杂的混合架构，克里希纳开始借助资本并购快速扩充软件工具。
IBM先是在2023年斥资46亿美元收购IT成本管理软件Apptio；随后又出资约64亿美元拿下多云自动化运维巨头HashiCorp。这两笔收购将跨云环境下的成本监控与自动化运维工具补齐，进一步充实了IBM的软件产品线。
上述收购迅速体现在了IBM的账面盈利上。即便近年来连续吞下多家高估值软件公司，并砸出超83亿美元的研发费用，IBM的钱袋子不仅没有吃紧，反而越发充裕。依靠源源不断的软件订阅费，再加上内部利用AI工具省下了45亿美元的营运开支，IBM的自由现金流达到近147亿美元。
IBM已经不再是那个单纯依靠倒腾笨重大型机的硬件销售商，其营收重心已倾斜至软件业务。财报显示，2025年其675亿美元的总营收中，软件收入按固定汇率计算增长了9%，占据了公司总收入的45%。
巨头夹缝中的现实挑战
克里希纳的经营风格偏向务实，这为IBM在群狼环伺中找到了一块安身立命之地，但不能忽视的是，IBM在这波席卷而来的AI浪潮中，没有走在前列。
IBM首先失去的是对底层硬件算力的控制权。在生成式AI领域，英伟达不仅掌握GPU核心架构，还通过CUDA开发者网络和NVLink高速互联系统，形成了很难绕开的生态壁垒。大模型训练和推理对异构计算芯片依赖很深，而IBM虽然有自己的算力中心，也能在云端提供特定服务，但因为没有底层芯片和生态的议价权，它在AI基础设施层的利润只能被上游拿走。
其次，在云时代的规模化和破圈能力上，IBM面临被微软、亚马逊AWS和谷歌压制的风险。这三家公有云厂商算力池庞大，有全球数据网络，还掌握着数十亿消费者和小微企业的流量入口。微软靠Office在办公场景的统治力和与OpenAI的深度联盟，能把新模型直接推到全球数亿台电脑上；亚马逊则靠Bedrock平台，几乎吃掉了大部分初创公司的云端部署红利。
相比之下，IBM虽在头部大型企业市场根基很深，红帽产品也能在亚马逊和微软云之间无缝运行，但缺少C端爆款和现象级AI体验，很难在技术快速演进的年代争夺年轻一代AI原住民开发者的注意力。
另外，在模型的基础能力和认知层面，IBM也有局限。克里希纳一直主张在企业场景下，专有小模型“更香”。可是一旦面对需要深度逻辑推理，或是处理更复杂的通用型任务时，Granite与主流前沿大模型相比，能力差距依然明显。IBM选择放弃万亿参数的超大模型赛道，确实省下了动辄数十亿美元的算力成本，但也等于退出了对人工智能边界的探索。
尤为令人不安的隐患在于，IBM正在面临严重的业务“自我蚕食”。
过去，庞大的全球咨询团队是IBM接触大客户、拿下数字化订单的核心渠道。顾问们主要靠给企业出具冗长的诊断报告、做繁重的软件部署，借此按人头和工时赚取高昂的服务费。
但如今出现的一个商业悖论是，生成式AI最擅长的恰恰是自动写代码和做测试。过去高级工程师熬夜几天才能干完的活儿，AI几分钟就能搞定。这意味着，AI工具越智能、干活越快，就越会直接冲击IBM自家依靠“人海战术”按工时赚钱的传统咨询收入。
在2025年财报中，IBM咨询业务收入按固定汇率罕见持平。除了宏观环境下政企客户大幅缩减自由裁量型IT咨询开支、将预算挤压转向硬件算力采购之外，AI自动化工具对传统工时计费模式的隐性冲击与重塑，也开始显现。截至2026财年第二季度，IBM仍在加速推进以软件、混合云和企业级AI为核心的业务组合，IBM将2026年全年按固定汇率计算的营收增速预期下调至4%至5%，低于2025年6%的实际增速，显示公司整体增长有所放缓。
客观来看，克里希纳已经完成了IBM的第一阶段转型。他通过大刀阔斧剥离传统低毛利IT运维业务，并依托红帽搭建起兼容各大云厂商的标准化软件平台，成功把IBM从一家重资产的传统IT服务商，变成了一家靠“混合云软件”赚钱的高毛利公司。
克里希纳接下来必须向投资者证明两件事，一是其主推的watsonx和AI代理工具，到底能不能切实搞定大型政企客户庞大且老旧的底层IT架构；二是这些AI新业务落地的订单，能否在未来两个财年内，实质性地拉动公司核心利润率的增长。
而面对公有云巨头的持续下沉与算力生态的制约，单纯退守垂直领域，究竟足以让IBM在AI浪潮中站稳脚跟，还是一种被动防守下的权宜之计？克里希纳能否带领IBM打赢这场突围战，真正的考验才刚拉开序幕。