1944年，无极4注册产业 电子管计算机MARK-1和MARK-2制成；1964年，划时代的System/360大型机面世；1981年，世界上第一台个人电脑发布；2011年，Watson在《Jeopardy！》节目中击败人类冠军，刷新了人们对于AI能力边界的认知……这一系列的技术创新背后，始终有一位“蓝色巨人”的身影。如今，这家企业正计划在2023年推出1000个量子比特的量子计算机，引领产业迈入全新的量子时代。这就是IBM。

      在110年的历史长河中，科技产业经历了翻天覆地的变化，有不少商业巨擘销声匿迹，也涌现出了无数的行业先行者。而在快速更迭的科技浪潮之下，IBM一直在通过不断的创新和转型持续保持竞争力，其底气来自于该公司的3000多位科学家、10万多位研发者，甚至还培养出了6名诺贝尔奖得主和6名图灵奖得主。2020年，IBM的科学家和研究人员共获得了9130项专利，数量位列所有企业之首。当然，IBM之所以能够在每一次科技变革的十字路口都能找到正确的方向，更重要的是在于果断的决策和笃定的执行。

      “从IBM的技术发展途径和策略上来讲，主轴一直是稳定的、统一的。”IBM大中华区科技事业部客户成功管理部总经理朱辉谈到，“我们认为，IBM现在已经是全球领先的混合云与AI技术的供应商，也秉承着一贯以来的理念，无极4最新注册链接 正在成为客户在数字化转型进程中值得信赖的合作伙伴。”IBM的这种转变是由上及下、由内而外的。市场销售层面，IBM形成了以数字化转型、混合云与AI能力为主轴的咨询服务体系，通过Technology Garage、Design Thinking Workshop等方式与客户共同创新，帮助客户运用最新的技术在产生新的业务价值的过程中，去发现、定义新的业务场景和MVP（最小可行性产品）。产品研发层面，将软件产品线基于客户使用场景集成打包，通过Cloud Paks以容器化的方式在任意平台上以微服务的方式进行交付。

      上述变化已完全融入到IBM日常的市场进入（Go to Market）策略中。在过去的12个月，IBM的云业务营收达到270亿美元，超过总收入的三分之一，全球有3200多个企业级客户在使用IBM的混合云平台，有4万用户在使用IBM的企业级AI技术。与此同时，这些企业也在思考如何在混合IT环境中取得更大的突破，例如：快速、简单、低风险、低成本的搭建混合云环境的基础架构；无极4平台注册地址 实现智能自动化，专注于高价值工作，提高生产力；利用AI使得数据价值最大化。根据IDC在2020年初的一份调查报告，有90%的企业数据或无从访问、或无法信任、或未被分析利用，导致企业在决策时受到较大的阻碍。面对着这些新诉求，IBM提供了一个AI赋能的数据架构——Intelligent Data Fabric。

      构建数据神经网络

      从20年前的数据仓库到10年前的大数据和数据湖，企业业务的演化促使着数据架构随之改变。起初，企业会将各个业务系统的数据抽取出来以中心化的方式放到数仓，并不需要复杂的数据架构和数据模型，原因是早期的数据量偏少。随着非结构化数据的涌入，大数据处理成为常态，企业对数据价值的重视程度与日俱增，开始寻找新的工具进行深度挖掘和元数据管理。由此，数据架构逐渐走向分布式和跨平台。不过，这又引发了新的问题：数据迁移的成本如何解决？研究人员怎样快速高效地找到正确的数据？数据安全又如何得到保障？

      Data Fabric给出了答案。“简单地说，就是在正确的时间，从任意位置，将正确的数据与正确的人连接起来，从而全面释放数据价值，加速企业的数字化转型。”朱辉解释称。进一步说，Data Fabric是以智能、安全和自服务的方式，动态地协调分布式的数据源，跨数据平台提供可信赖的数据，从而支持各种分析及应用场景。在工作方式上，Data Fabric并不是简单的点对点连接，而是像人脑一样构建了一个虚拟的“神经元网络”。

      对于那些担忧数据共享效率和可靠性的人而言，无论是从事技术岗位还是业务岗位，都能从Data Fabric中找到新的价值，从而将更多的精力放在数据分析上，避免由于数据访问限制而造成的数据分析偏差，数据的质量和处理过程也得到了大幅优化。这种转变离不开企业的自动化能力提升，一项针对企业AI采用情况的调研显示，疫情期间，将AI融入业务流程已成当务之急。在受访的IT专业人士中，有43%表示其公司加快了AI进程。在全球受访的IT专业人士中，近半数表示他们在评估AI供应商时，很大一部分是衡量供应商对流程进行自动化的能力。

      IBM Intelligent Data Fabric的自动化能力体现在四个方面：AutoSQL，无需移动数据，即可大规模实现自动化分布式查询，降低了人们对数据来源的掌握门槛；AutoCatalog，可以根据发现数据和分类的流程实现自动化，分类后建立自动化目录，维护来自不同数据环境数据资产的动态的实时目录，为跨企业内不同业务团队之间的数据实现轻松查找；AutoAI，实现模型训练优化的自动化，提高了准确性和可解释性；AutoPrivacy，实现企业内部敏感数据识别、监控，以及后续政策实施的自动化。