IBM是中國人非常熟悉的一家資訊科技公司。它不但主宰了計算機行業在PC出現之前的曆史，而且親手創造了PC産業。雖然在1980年代一度陷入危機，但是從1990年代開始，IBM在Louis Gerstner的上司之下成功回到了一線巨頭的位置（盡管仍然遠遠落後于Microsoft這樣的新一代公司）。IBM對人工智能(AI)的投資可以上溯到1990年代，很多人至今還記得“深藍”超級電腦在國際象棋中擊敗人類的報道。2010年代，IBM又推出了Watson這個“基于自然語義的人工智能解決方案”，試圖以此為支點徹底改造人類的商務和政務活動。
然而，2022年7月的IBM，市值僅有約1100億美元，遠遠低于以蘋果、谷歌、亞馬遜為代表的網際網路巨頭。IBM Watson早已淪為曆史遺迹，現在人們印象最深刻的是Alphabet (Google)開發的Alpha Go在圍棋中擊敗人類的一幕；Alphabet與Amazon、Microsoft一道，成為了新的人工智能三巨頭（有人認為Meta是第四巨頭）。無論人工智能在今後二十年能發展到什麼階段，IBM的受益程度将注定小于Alphabet這個後輩。
IBM和Alphabet在人工智能領域的此消彼長，原因固然很多，但最根本的原因是：前者沒有找到最合适、成本效益最高的應用場景，而後者找到了。是以，Alphabet是在沿着阻力最小的路徑前景，基礎研發和應用之間形成了良性循環；而IBM的驚世豪賭則以慘敗告終。“後人哀之而不鑒之，則使後人複哀後人也！”
毫不誇張地說，越是前沿、越是不接地氣的研究方向，IBM的存在感往往就越強；如果一項研究項目還停留在實驗室裡，那它很可能就是IBM精通的項目。當下最典型的例子是量子計算(Quantum Computing)，被學術界視為傳統（電子）計算機的潛在颠覆者，但是離大規模實用還非常遙遠。IBM Q System One不但是世界上第一部基于線路(Circuit)的量子計算機，而且是第一台投入商業營運的量子計算機。雖然實際商業價值非常有限，這個成就仍然得到了無數媒體的報道，并且必将在IBM印發的各種PPT當中反複被強調。
IBM Q System One, 世界上第一台量子線路計算機
熟悉曆史的人不妨大膽預測：一旦量子計算開始大規模投入實用，IBM的領先地位即使不喪失，也會大打折扣。這家老牌科技公司有能力維持基礎研發投入，卻總是在尋找應用場景上落後于那些更新潮、更靈活的公司——以前是Microsoft, 現在是Alphabet。我們不需要尋找遙遠的例子，隻需要回顧IBM Watson這個高開低走的大型泡沫就足夠了。
機器學習(Machine Learning, ML)是人工智能的一個重要分支，而且從1990年代開始逐漸發展為一個獨立的研究領域。在這份研究報告中，我們沒有必要讨論二者的微妙差別，隻需要了解機器學習更重視大資料、強調通過海量資料的訓練去自動提高算法精度即可。沿着這條道路發展下去，算法可以代替人類解決越來越多的智力問題，就像機器已經代替人類解決了大部分體力問題一樣。有人将機器學習視為下一次工業革命的核心技術，并非沒有道理。
IBM不可能缺席如此重要的前沿技術。早在2006年，它就啟動了Watson項目，目标是在自然語義下實作複雜的人機問答。也就是說，使用者可以以日常語言向計算機提問，無需将其轉換為代碼，即可獲得專業的、可了解的回答。2011年1-2月，IBM Watson取得了一個萬衆矚目的開局：在美國曆史最悠久的電視智力競賽節目“Jeopardy!”當中擊敗了兩位人類冠軍，并獲得了100萬美元的大獎。同年，IBM宣布Watson已經達到了醫學院二年級學生的知識水準。
雄心勃勃的IBM決定利用Watson改造整個西方世界最複雜、資源浪費最大的行業——醫療，而且一上來就聚焦于難度最高的癌症診療。2013年，包括德克薩斯大學MD Anderson癌症中心在内的三家大型醫療機構與Watson簽約合作；IBM市值的曆史最高點，也恰好出現在這一年（比現在高25%）。2015年，Watson Health正式成為了IBM旗下的一個獨立部門。與此同時，Watson在教育、交通、工程、政務、天氣預報等領域也得到了一定的應用。人們有理由相信，IBM将成為機器學習産業化的最大受益者之一。
然而，IBM Watson此後的曆史，給“技術泡沫”這個詞做出了最佳注腳。從2018年開始，每年都有大批醫療機構與Watson解約；2019年，IEEE Spectrum發表了一篇文章，詳細論述Watson為何不能完成自己的承諾；2021年，IBM終于決定出售Watson Health的大部分資産，由于買家興趣平平，直到2022年才出售完成。綜合看來，Watson的失敗完全是可以了解的：
- 對癌症治療的建議效果不佳。具體而言，Watson的治療建議與人類專家建議的一緻性較低，導緻許多醫院拒絕予以采信。當然，人類專家的建議未必就是對的，可是在癌症治療這種大事上，沒有人敢輕易用人工智能否定人類專家。此外，Watson的适用場景有限，隻對肺癌等常見癌症有比較高的精度。
- 無法融入已有的醫療資訊和資料系統。在MD Anderson癌症中心，Watson甚至無法接入電子病曆系統；在英國，Watson也經常無法讀取實際病曆。原因一方面在于監管（病人隐私保護），另一方面在于醫療系統的複雜性。讓Watson接入所有醫院的醫療資訊系統(HIS)簡直是難于登天！
- 無法直接代替醫生的勞動。Watson Health的設計初衷是減輕醫生的工作負擔，但由于技術和倫理的雙重原因，它無法代替醫生發表診斷意見，隻能為醫生提供參考。結果，在許多醫院，Watson淪為昂貴的“年輕醫生教育訓練系統”，資深醫生的工作量并未得到很大緩解。
說到底，IBM選擇醫療作為突破口，本來就錯了，因為醫療涉及到太多既得利益，又有太多倫理問題；選擇癌症診療作為細分市場突破口，更是大錯特錯，因為醫療機構對于癌症這種重症的治療手段必然是非常保守的，很難相信人工智能；選擇以自然語義提供癌症診療建議，更是人為增加難度，妄想一步登天。事實上，直到2020年，醫療機構仍然在抱怨Watson對日常語言的了解能力不足！
IBM對Watson從希望到絕望的全過程，形象地展現在其年報中：2012年僅提及8次Watson，此後逐年劇增至2016年的131次，然後又一路回落至2021年的6次。值得一提的是，2020年Watson有過回光返照的勢頭，可那是由于疫情期間個人使用者大量使用Watson語音助手所緻，與“高大上”的醫療服務沒有關系。
假如IBM沒有選擇醫療這個極難改造的行業作為突破口，而是從一開始就聚焦于教育、交通等相對容易改造的行業，或許Watson的命運會大不相同。換一個角度想，IBM可不可以把Watson做成純粹的消費應用，例如智能家居産品或智能機器人？畢竟，“自然語義識别”對消費者有很強的吸引力，即使是Siri和Alexa這種半吊子智能語音助手都能赢得使用者青睐，何況是水準更高的Watson？可惜，曆史不容假設。好高骛遠、一味追求改變人類曆史的結果，就是成為人類曆史的笑料。
可惜的是，自從2005年出售PC業務以來，IBM基本失去了消費級業務，也就失去了對消費市場的感覺。可以看到，IBM幾乎從來沒有認真地在零售、家電等消費行業推廣Watson。2017年，IBM收購了一家廣告代理公司，企圖利用Watson指導廣告投放——可是與Google、Meta高度成熟的精準投放技術相比，IBM又能有什麼優勢？就算IBM想把Watson技術帶進千家萬戶，也要首先找到一個To C科技巨頭作為合作夥伴。可想而知，Apple、Amazon、Microsoft應該都不會對此十分感冒。
由此可見，Microsoft在2007-14年的困難時期，堅持不放棄消費級業務，反而一次又一次對智能硬體市場發起沖擊，又是何等高瞻遠矚。那是進入21世紀以來Microsoft與IBM市值差距最小的時期，也是兩家走上根本性道路分歧的時期。附帶說一句，IBM可能是曆史上的所有資訊科技巨頭當中，唯一一家從未認真考慮開展任何消費網際網路業務的公司。
當IBM在Watson押下重注之時，Google（後來更名Alphabet）的廣告業務正處于黃金時期，而且這個黃金時期至今尚未結束。2011年，即Watson首次公之于衆的那一年，IBM的營業收入是Google的2.82倍，淨利潤則是後者的1.63倍；到了2021年，即IBM拼命尋求出售Watson Health的那一年，它的營業收入僅相當于Alphabet的27%，淨利潤則僅為後者的6%。
與癌症治療這種“地獄級難度”的應用場景相比，網際網路廣告投放堪稱“簡單難度”：在這個場景裡，監管和倫理問題要少得多，做出成效要容易得多，也不存在大量盤根錯節的既得利益。作為全球最大的搜尋引擎、地圖和網盟服務商，Alphabet自己掌握着終端消費者，也就掌握了機器學習技術的整個實用鍊條。機器學習的進步，既提升了廣告推送的效率，進而取悅了廣告主；也提升了搜尋結果的精度，進而取悅了消費者。IBM在醫療、交通等場景未能實作的良性循環，在廣告場景卻比較順暢地實作了。
2022年1月，IBM終于以約10億美元将Watson Health的大部分資産出售，一個時代劃上了句号；它同時宣布将改變戰略，從此聚焦于“混合雲和AI政策平台”。事到如今，也沒有什麼更好的選擇了，因為IBM的财力已經不足以支援如此巨大的野心。在人工智能和機器學習領域，Alphabet即便在基礎研發方面的實力，至少也不遜色于IBM。假設前者希望重複IBM Watson在醫療行業的冒險，雖然不一定能成功，但成功的希望很可能稍大一些——至少它可以多撐上一段時間。
恩格斯《在馬克思墓前的講話》中提到：“人們首先必須吃、喝、住、穿，然後才能從事政治、科學、藝術、宗教等等；是以，直接的物質的生活資料的生産……便構成基礎。”對于企業而言，基礎研發是比較進階的工作，必須以前台業務部門提供現金流、應用場景和生态系統支撐。這個道理本來是非常直覺、不言自明的，遺憾的是，無論在美國還是中國，真正了解的人似乎不多。