AI公司正在争夺驱动企业智能的基础设施、数据与软件层的控制权。
英伟达在加速计算领域依然遥遥领先，但AMD、博通等挑战者也在积极布局，市场需求或许足以支撑多方共赢的局面。与此同时，IBM正面临压力，需要证明其软件、数据和混合云资产能够在新兴AI技术栈中占据一席之地。
theCUBE Research执行分析师约翰·弗里尔认为，未来的竞争优势将来自于将专有数据和领域知识转化为能够推理和执行工作的内部系统。
"企业未来的护城河，是公司的大脑，是它所拥有的数据，"弗里尔说，"这些数据能否以可推理的方式组织起来——构建智能系统、执行系统、智能体系统？它们能否进行推理？"
在最新一期theCUBE Pod节目中，弗里尔与theCUBE Research首席分析师戴夫·韦兰特探讨了IBM的执行挑战、英伟达的基础设施领先优势，以及AMD和博通日益增长的市场机遇。两人还就开放与封闭AI模型、Token经济学，以及构建企业智能系统的竞赛展开了深入讨论。
IBM面临AI执行考验
IBM股价的大幅下跌引发了外界对企业AI采用进度慢于预期的猜测。弗里尔和韦兰特认为，IBM的表现更多反映的是公司自身的产品组合与执行问题，而非整体AI市场的健康状况。
当前大部分基础设施支出流向了超大规模云服务商、新兴云服务提供商和芯片厂商。IBM的大型机与基础设施业务与这一趋势契合度不高，而其较新的AI产品尚未充分增长，不足以抵消老产品所承受的压力。
"他们的基础设施业务与行业浪潮不同步，他们还在做大型机，"韦兰特说，"每次行业变革中，新业务的增长总是追不上旧业务的衰退，我认为IBM现在就是这种情况。"
IBM拥有参与企业AI所需的许多资产，包括Red Hat、watsonx、治理软件和丰富的数据产品组合。缺失的是一个能够将数据、情境、推理和应用整合在一起的统一智能系统。Databricks、Snowflake和各大超大规模云服务商已在争夺这一位置。韦兰特认为，IBM拥有所有组件，但尚未将其整合成一个具有同等影响力的平台。
"他们拥有所有原材料，但没有以这种方式把它们组合在一起，"他说，"他们的软件产品组合本可以做到。在我看来，他们只需要更清晰的聚焦。"
弗里尔不赞成拆分IBM的呼声，认为IBM的问题主要是执行力的问题。企业客户在重建数据管道、为智能体工作负载准备基础设施期间，可能也在推迟软件层面的决策。
"我认为IBM没有什么根本性的问题，问题只在于执行力，"他说，"我认为他们本可以在智能系统上更专注于数据。所有的零件他们都有，这只是聚焦的问题，对吧？"
英伟达领先，挑战者同样有机会
英伟达凭借GPU、网络、软件和机架级架构，依然是加速计算领域的主导力量。韦兰特预计，英伟达将保持75%至80%的AI加速计算市场份额。但这种主导地位并不妨碍AMD和博通寻找机会。AI基础设施的需求增长足够迅速，竞争者无需取代英伟达，也能发展出规模可观的业务。
AMD通过图形加速器、网络和系统能力，已突破传统CPU业务的边界。对赛灵思、Pensando Systems和ZT Systems的收购，帮助其转型为更广泛的基础设施提供商。
"（AMD CEO苏姿丰）基本上是在把英伟达20年的生态系统建设压缩到5年内完成，"韦兰特说，"当你想到这一点时，她的成就确实令人叹为观止，因为她意识到自己必须以英伟达的速度前进。"
博通则通过定制芯片和网络走出了一条差异化路线。弗里尔预计，随着企业寻求更小、更经济、能在超大规模数据中心之外运行的推理系统，更多替代方案将相继涌现。
"AMD和英伟达的产品都会有销路，英伟达尤其如此，因为它是行业领头羊，"弗里尔说，"但企业客户必须开始考虑AI基础设施的预算问题，因为他们没有那么多资金。"
企业竞相构建智能系统
最大的价值或许最终沉淀在基础设施层之上。企业需要将专有信息、领域知识、模型和应用整合成能够推理与行动的系统。
这个企业"大脑"将需要关系型数据库、向量数据库和图数据库，以及受治理的数据管道，还有与通用模型协同工作的专用模型。弗里尔质疑，企业为何要将这些智能能力全部外包给少数几家模型提供商。
"如果你是一家企业，需要构建未来20年的竞争优势，就必须打造公司自己的大脑——公司的智识、智能和认知能力，"他说。
弗里尔和韦兰特认为，OpenAI、Anthropic等前沿模型公司需要向软件领域深入扩展，并围绕专用模型构建生态系统。开放权重模型也将加剧竞争，尽管在能力和效率上可能尚无法与前沿系统完全抗衡。
与此同时，企业正对AI成本变得更加审慎。关注点正从消耗Token的数量，转向衡量AI产出有效结果的效率。弗里尔认为，企业可能会开始使用"Token价值比"，将模型消耗与可衡量的业务成果挂钩。这一转变可能催生AI领域的"财务运营"模式，让组织能够实时监控支出、性能与回报。
"现在，你可以实时地将价值与结果对应起来——比如，你开发了一个应用，人人都在用，很好；或者你开发了一个应用，没人用，"弗里尔说。
人类员工仍将参与其中，但角色将发生转变。人们不再事必躬亲，而是负责管理情境、验证输出结果、监督AI系统运行。弗里尔和韦兰特认为，最终胜出的将是那些能将基础设施、智能能力和人类判断力整合成可靠运营模式的企业。
Q&A
Q1：IBM在企业AI领域面临哪些挑战？
A：IBM的主要问题在于执行力，而非资产缺失。其基础设施业务（如大型机）与当前AI基础设施投资浪潮契合度较低，新AI业务增长尚不足以弥补老业务的下滑。尽管IBM拥有Red Hat、watsonx、治理软件和丰富数据资产，但尚未将这些资产整合成一个统一的企业智能平台，在与Databricks、Snowflake及超大规模云服务商的竞争中处于相对被动地位。
Q2：英伟达在AI芯片市场的领先地位会被AMD或博通取代吗？
A：短期内不太可能。预计英伟达将保持75%至80%的AI加速计算市场份额。但由于AI基础设施需求增长迅速，AMD和博通无需取代英伟达也能获得大量市场机会。AMD通过收购赛灵思、Pensando等公司拓展了产品线，博通则专注于定制芯片和网络。企业预算有限，也在推动对更经济实惠推理系统的需求。
Q3：Token价值比是什么？企业为什么要关注它？
A：Token价值比是一种衡量AI使用效率的方式，将模型消耗的Token数量与实际产生的业务价值相关联，而不是单纯统计Token消耗量。随着企业对AI成本越来越敏感，这一指标可以帮助组织实时监控AI支出与业务回报，判断某个AI应用是否真正创造了价值，从而优化AI投资决策，避免无效的资源浪费。
