IBM CEO：AI竞争不看预算，看业务流程"通电"没有

「我们对概念验证没兴趣，我们要在现场创造价值。」——沙特阿美这句话，把一场技术大会变成了商业模式辩论现场。

IBM Think 2026首日，CEO阿尔温德·克里希纳（Arvind Krishna）用这句话开场：AI时代的赢家和输家差距正在拉大，差距不在于谁拥有最多的AI，而在于AI嵌入业务流程的深度。这不是技术升级，是运营模型的换代。

正方：AI-first企业的三个信条

克里希纳把过去到未来的桥梁拆成三个向量。第一个向量直击痛点：大多数企业还在边缘使用AI，机会窗口不会永远敞开。

IBM内部数据被拿出来当证据——45亿美元的生产力提升。这个数字的潜台词是：AI不是成本中心，是增长杠杆。组织打算把生产力收益再投资到新产品、新服务和新收入流。

沙特阿美被树立为样板。这家公司的表态很直接：不要试点，要现场价值。具体做法包括强调领域专业知识、培训中小企业、用AI压缩周期时间。关键词是"可衡量的价值"，不是技术炫技。

麦肯锡最近一份报告被引用，探讨AI运营模型长什么样。报告的核心判断：这种组织变革非比寻常，需要近十年才能完全展开。目前只有初创企业可能符合新模型范式。

第二个向量是混合云成为默认设置。数据无处不在，所以AI必须被带到数据所在之处。IBM把弹性视为核心竞争力——单点故障是真实风险，混合产品必须极度可靠。

主权和治理被绑进混合叙事。IBM的产品动作被串联成一条线：OpenShift、HashiCorp收购、Confluent（6500多家企业客户，40%的财富500强）。目的是把实时流数据拉进AI基础，与watsonx.data配对。

Elevance Health作为运营层面的客户证据出场。具体场景：面向会员的虚拟助手，使用数百个数据点帮助会员理解福利和成本；通过数据共享层（很可能是Snowflake）实现供应商互操作性；智能体监控支付完整性（欺诈、浪费、滥用）。

反方：旧指标还在拖后腿

克里希纳的论证里藏着对现状的批评。预算规模、团队规模——这些传统内部指标正在失效。问题是大多数企业还在用它们衡量AI投入。

IBM把当下定义为"第零天"时刻：AI已经到来，但企业使用方式仍停留在边缘。这个判断的刺耳之处在于：如果你还在数人头、算预算，可能已经输在起跑线。

麦肯锡报告的十年时间线更残酷。组织变革需要近十年，而机会窗口不会永远敞开——这两个时间尺度存在根本冲突。

混合云叙事也有张力。数据无处不在是事实，但把AI带到数据所在之处意味着复杂度指数级上升。弹性、可靠性、主权、治理——每个词背后都是工程债务。

Elevance Health的案例展示了一种理想状态：虚拟助手、数据共享、智能体监控三位一体。但"数百个数据点"的整合成本、供应商互操作性的协调难度、支付监控的误报率——这些被藏在成功案例背后。

判断：运营模型换代比技术更难

克里希纳的核心论点经得起拆解。AI从"技术倡议"转向"商业模式"——这个判断与现场案例形成呼应。沙特阿美不要试点要现场价值，Elevance Health把AI塞进会员服务和支付监控的具体环节。

但麦肯锡的十年时间线提示了执行难度。组织变革的速度远低于技术迭代速度，这是结构性矛盾。IBM的45亿美元内部收益是自家数据，外部企业能否复制存疑。

混合云作为默认设置的论断，需要放在IBM的商业利益中考量。OpenShift、HashiCorp、Confluent——这些产品组合构成IBM的护城河。数据主权和治理的强调，恰逢全球监管收紧，时机选择本身是一种商业策略。

更关键的判断在于：AI竞争正在分层。一层是模型能力，一层是运营嵌入深度。克里希纳把赌注押在后一层，这解释了为什么IBM不谈参数规模，谈业务流程"通电"没有。

对25-40岁科技从业者的实用指向：如果你所在的企业还在用预算和团队规模衡量AI投入，需要警惕。检查三个信号——是否有AI嵌入的具体业务环节（而非试点项目）、是否有生产力收益的再投资机制、是否有跨数据源的实时流整合。三个信号缺两个，可能还在"第零天"的幻觉里。