除了可信方面的問題，IBM認為，想要隨心所欲地使用生成式AI還是很困難的，想要在企業(yè)落地的話，還要具備企業(yè)就緒和開放可擴展這兩大要素。

在IBM大中華區(qū)首席技術官、研發(fā)中心總經(jīng)理謝東看來，企業(yè)手里的數(shù)據(jù)要如何利用起來，大模型要怎么選，要利用什么技術來開發(fā)大模型，要如何利用大模型開發(fā)出對應的應用，這些都是非?，F(xiàn)實的問題。

大體上，模型規(guī)模越大效果會更好，但站在企業(yè)的角度看，模型并非越大越好。謝東解釋說，因為，當模型規(guī)模越大時，成本也相應提高，此時，企業(yè)會看重模型是否能滿足企業(yè)的特定任務需求，如果可以滿足需求，那么出于成本的考慮，模型規(guī)模越小越好。

除此之外，想要在企業(yè)落地大模型，還需要了解企業(yè)的專業(yè)知識來解決具體的問題，而這些要解決的問題本身其實是不斷變化的，所以，就要求模型有持續(xù)學習的能力，讓系統(tǒng)能夠不斷學習和進化，能力能夠不斷擴展。

深度學習模型做不到這點，一個深度學習模型對應一個垂直的應用，而現(xiàn)在的基礎模型則完全不同，企業(yè)可以基于一個基礎模型演化出不同的應用。想要基于基礎模型來開發(fā)不同的應用需要新的工具，新的自動化方法來訓練、調(diào)試和部署模型，于是，IBM發(fā)布了watsonx。

IBM以前所未有的速度推出了watsonx

2023年8月22日，IBM在北京面向中國市場發(fā)布新一代AI與數(shù)據(jù)平臺watsonx，發(fā)布會上，IBM大中華區(qū)董事長、總經(jīng)理陳旭東坦言，IBM是以前所未有的速度推出了watsonx。

2022年年底，ChatGPT橫空出世，2023年5月，IBM在全球發(fā)布watsonx。對于IBM這種規(guī)模的公司來說，這種速度并不多見。

原因很簡單，IBM在人工智能領域的探索和貢獻可以追溯到上世紀五十年代。

從跳棋人機大戰(zhàn)到國際象棋人機大戰(zhàn)，再到2011年做知識競賽，再到2019年人工智能辯手，IBM從沒有放下這項以創(chuàng)始人名字命名的人工智能品牌。

watsonx 是IBM 的企業(yè)級 AI 和數(shù)據(jù)平臺，它可以幫助企業(yè)充分利用基礎模型和機器學習，減輕落地人工智能的工作負擔，使企業(yè)能夠更輕松地大規(guī)模開發(fā)、調(diào)整和部署企業(yè)就緒的AI，而且是值得信任的AI。

watsonx包含watsonx.data，watsonx.ai和watsonx.governance三大部分：

watsonx.data負責為人工智能準備數(shù)據(jù)，它提供的企業(yè)內(nèi)部數(shù)據(jù)的管理系統(tǒng)，可以高效地把數(shù)據(jù)喂給人工智能訓練系統(tǒng)。

watsonx.ai主要用來訓練、驗證、調(diào)優(yōu)、部署AI模型的，同時還可以用于開發(fā)人工智能應用。

watsonx.governance的主要功能是做企業(yè)級AI的治理和監(jiān)管，幫助企業(yè)實現(xiàn)數(shù)據(jù)合規(guī)和內(nèi)容合規(guī)，以滿足越來越多的行業(yè)監(jiān)管和法律要求。

watsonx如何幫助企業(yè)落地可信的生成式AI？

在數(shù)據(jù)準備，訓練模型，驗證模型，微調(diào)模型，把模型部署在應用和解決方案的過程中，watsonx發(fā)揮了什么作用呢？又是如何幫助企業(yè)落地可信的生成式AI？

為了減少AI幻覺，讓生成的結果更可靠，IBM有一整套工具和方法論。

從謝東的介紹中了解到，從數(shù)據(jù)準備階段開始，watsonx會確保數(shù)據(jù)是干凈合規(guī)的，數(shù)據(jù)本身的完整性要足夠，信息量也要合乎要求。

在訓練階段，watsonx會清楚地顯示用于訓練模型所有的數(shù)據(jù)，追蹤模型的每一個版本，甚至可以透明告訴用戶模型是由哪些數(shù)據(jù)訓練出來的，以此增強用戶對模型的信心。

在隨后的微調(diào)階段，watsonx可以監(jiān)督模型產(chǎn)生的內(nèi)容是否可用，是符合人的常識，是否符合人的倫理道德。

IBM的watsonx在整個流程里，都盡可能讓生成式AI生成更可信的內(nèi)容。

通常，AI流程都是從準備數(shù)據(jù)開始的，watsonx.data可以幫助企業(yè)將位于公有云、本地和其他基礎設施中的數(shù)據(jù)連接起來，讓企業(yè)輕松訪問到各種數(shù)據(jù)。

從謝東的介紹中了解到，IBM的watsonx.data已經(jīng)收集了數(shù)PB的數(shù)據(jù)，這些數(shù)據(jù)都被處理成了可用于訓練的形式。當然，在此基礎上，用戶可以加入自己的數(shù)據(jù)。

值得一提的是，所有存儲在watsonx.data里的數(shù)據(jù)，還都帶有每個文件的詳細元數(shù)據(jù)，還會創(chuàng)建數(shù)據(jù)的名片，這為數(shù)據(jù)的追溯治理提供了很大便利。

watsonx.data里的數(shù)據(jù)會按照不同類別進行分類，比如英語、漢語、德語等自然語言，以及Java、Cobol等編程語言做很多分類，還會對數(shù)據(jù)進行過濾，刪除重復數(shù)據(jù)、刪除含有仇恨、辱罵、不雅言論的數(shù)據(jù)，刪除含有私人信息的數(shù)據(jù)等等，準備好用于訓練的數(shù)據(jù)。

數(shù)據(jù)就緒后，開始用watsonx.ai來訓練模型。

watsonx.ai的基礎模型庫提供了基于可信數(shù)據(jù)訓練的基礎模型，用戶可以在五大類基礎模型中進行選擇。watsonx.ai還提供了訓練用的算力支持，可以使用IBM在公有云上構建的AI超級計算機Vela，它提供裸金屬級別的性能。

watsonx.ai會自動根據(jù)訓練所需的計算資源進行調(diào)整，隨著模型參數(shù)規(guī)模的不斷躍升，模型的訓練任務越來越復雜，需要成百上千個GPU工作數(shù)天甚至數(shù)月。為了簡化使用體驗，watsonx.ai利用了業(yè)內(nèi)人士熟悉的各種開源技術，還與Hugging face進行了合作。

訓練完成后，watsonx.ai還會運行一組全面的基準測試，用來評估模型在各種指標上的表現(xiàn)。一旦模型在基準測試中都達到閾值要求，它就被打包并標記為可以使用的狀態(tài)。并且，watsonx.ai會給每個模型創(chuàng)建一個名片，名片里會列出模型的所有細節(jié)。

在對模型進行微調(diào)時，用戶可以在watsonx.ai里設置微調(diào)的選項和方法，給模型指定要用于微調(diào)的數(shù)據(jù)和對應的Prompt（提示詞），用戶獲得模型在Prompt（提示詞）下生成的結果。經(jīng)過多輪微調(diào)后，用戶可以得到一組比較理想的提示詞和對應的微調(diào)后的模型。

最后在watsonx的幫助下，用戶可以將模型部署在公有云、本地或者邊緣設備當中，在模型部署后，watsonx.governance會持續(xù)監(jiān)控著模型，如果有任何可能影響模型使用或性能的變化被watsonx.governance看到了，就會觸發(fā)一個對數(shù)據(jù)和模型進行更新的進程。

zhupb