IBM：人工智能 （AI） 解决方案， IBM 业财一体化平台,赋能企业降本增效 IBM 智能运维 IBM 智能运维三驾马车，以应用为中心，全面智能地实现对企业IT运维问题

IBM AI开发堆栈分为三个部分：watsonx.ai、watsonx.data和watsonx.governance。这些watsonx组件旨在协同工作，也可以与第三方集成一起使用，例如来自HuggingFace的开源AI模型。此外，watsonx可以在多种云服务（包括IBM Cloud、AWS和Azure）和本地服务器上运行。

带有watson.ai、watsonx.data和watsonx.governance的IBM watsonx平台

Watsonx平台以即服务的形式交付，支持混合云部署。数据科学家借助这些工具就可以对自定义AI模型进行快速工程设计和调整，随后这些模型成为企业业务流程的关键引擎。watsonx.data服务使用开放表存储以允许将多个来源的数据连接到watsonx的其余部分，管理用于训练watsonx模型的数据的生命周期。

watsonx.governance服务用于管理模型生命周期，在使用新数据训练和完善模型时对模型应用进行主动治理。

该产品的核心是watsonx.ai，开发工作就在这里进行。如今，IBM自身已经开发了20种基础模型（FM），它们具有不同的架构、模式和规模。除此之外，还有在watsonx平台上可用的HuggingFace开源模型。IBM预计一些客户将自己开发应用，由IBM提供咨询服务以帮助选择正确的模型、对客户数据进行再培训，并在需要时帮助加速开发。

运行在Red Hat OpenShift上的IBM watsonx.ai软件栈

IBM花费三年多时间研究开发watsonx平台。IBM甚至构建了代号“Vela”的AI超级计算机，研究构建基础模型的有效系统架构，并在发布watsonx之前构建了自己的模型库。IBM充当AI平台自己的“客户0”。

与使用标准以太网网络交换机（而不是使用更昂贵的Nvidia/Mellanox交换机）的传统AI超级计算机相比，Vela架构的构建更容易、成本更低，如果客户想在他们的环境中运行watsonx，则可能更容易复制。此外，PyTorch还针对IBM Vela AI超级计算机架构进行了优化。IBM发现在Vela上运行虚拟化只有5%的性能开销。

IBM watsonx支持IBM基于Red Hat OpenShift的混合云战略承诺。watsonx AI开发平台在IBM云或者其他公有云（如AWS）或客户场所运行，即使存在不允许使用公共AI工具的业务限制，企业也可以利用这一最新的AI技术，IBM真正地把领先的AI和混合云与watsonx结合在了一起。

watsonx是IBM的AI开发和数据平台，用于大规模交付AI。Watson品牌下的产品都是具有AI专长的数字劳动力产品，其他Watson品牌产品包括Watson Assistant、Watson Orchestrate、Watson Discovery和Watson Code Assistant（以前的Project Wisdom）。IBM将更加关注Watson品牌，已经把以前的Watson Studio产品整合到watsonx.ai中，以支持新的基础模型开发和访问传统机器学习功能。

基础模型和大型语言模型

在过去的10年中，深度学习模型基于每个应用中的大量标记数据进行训练。这种方法是不可扩展的。基础模型和大型语言模型接受大量未标记数据的训练，这些数据更容易收集，然后可以使用这些新的基础模型来执行多项任务。

对于这种利用预训练模型执行多项任务的新型AI，实际上使用“大型语言模型”这个术语是有些不当的。使用“语言”，则意味着该技术仅适用于测试，但模型可以由代码、图形、化学反应等组成。IBM对这些大型预训练模型使用的术语更具描述性，也就是“基础模型”。通过使用基础模型，训练大量数据以生成特定的模型，然后可以按原样使用此基础模型，或者针对特定进行调整。通过为应用调整基础模型，还可以设置适当的限制并直接使模型更有用处。此外，基础模型还可以用于加快非生成式AI应用（如数据分类和过滤）的迭代。

许多大型语言的规模很大，而且规模越来越大，因为这些模型试图对每种数据都进行训练，以便可以用于任何潜在的开放领域。在企业环境中，这种方法通常是矫枉过正的，并且可能会遇到扩展方面的问题，而通过正确地选择合适的数据集，并将其应用于正确类型的模型，则可以让最终模型变得更高效，这个新模型也可以通过IBM