IBM首席執行官 Arvind Krishna 對當前人工智能熱潮背后的一些最大假設潑了冷水，盡管他堅稱這不是一個泡沫，并繼續大力投資于生成式人工智能和量子計算。

人工智能數據中心的真實經濟價值

Krishna 最引人注目的觀點涉及人工智能數據中心建設的經濟學問題。他估計，用當前一代的加速器填滿一座 1 吉瓦（GW）規模的 AI 數據中心，所需成本約為 800 億美元。若按當前公告中所暗示的大致 100 吉瓦（GW）的容量規模進行擴展，他估計總費用將達到約 8 萬億美元。根據他的估算，僅用于資本服務的年利潤就需要約 8000 億美元，而這在他看來幾乎是不可能實現的。他預計部分股權投資者會有所斬獲，但大量債務將永遠無法償還。

同時，他辯稱，基礎的人工智能技術相較于先前的深度學習系統顯然有了顯著提升，一旦硬件、模型架構和軟件優化能夠在大約五年時間內將成本降低約 30 倍，它將能夠釋放企業生產力方面的“數萬億”價值。他認為，那些追求大規模發展的消費平臺或許會面臨非常復雜的結果，但技術本身并非泡沫。

通用人工智能（AGI）概率為零？

在通用人工智能（AGI）問題上，Krishna 比當前多數 AI 領域領導者更為悲觀。他認為，以大型語言模型（LLMs）為核心的現有技術路徑，實現 AGI 的概率僅為 0% 至 1%。在他眼中，LLMs 是強大的統計引擎，且 “會長期存在”，但僅靠它們自身遠遠不夠。他指出，任何通往 AGI 的路徑都需要將 LLM 類模型與更明確的知識形式和推理能力相融合，且下一次突破性進展更可能來自學術界和國家實驗室，而非一味追求更大規模 Transformer 模型的商業實驗室。

Krishna 還坦率承認了 IBM 過去在 AI 領域的失誤：他將初代 Watson 進軍醫療健康領域的嘗試描述為 “不合時宜”，并坦言 IBM 當時試圖在醫療這一監管最嚴格、難度最大的市場中，將 AI 作為一個整體系統進行銷售。如今，他將 Watsonx 定位為重構后的模塊化 AI 技術棧，專為企業工作負載設計 —— 客戶需要的是可定制、可集成的構建模塊，而非封閉的單一系統。

關于就業影響，Krishna 預計 AI 將取代約 10% 的工作崗位，且主要集中在特定職能領域，但他強調更大的機遇在于利用 AI 讓初級員工展現出資深專家的工作能力。他透露，IBM 內部一支 6000 人的軟件團隊采用了自家的 AI 編程助手后，4 個月內生產力提升了約 45%；而 IBM 正以此為契機招聘更多工程師、推出更多產品，而非削減員工數量。

量子計算

在探討 GPU 之外的話題時，Krishna 闡述了 IBM 對量子計算的看法，將其定位為繼 CPU 和 GPU 之后的第三座計算支柱。他將量子處理器定位為針對那些在傳統硬件上難以有效處理的難題的額外加速工具，而非替代品。他援引外部咨詢工作成果表示，規?；牧孔酉到y有望帶來每年 4000 億至 7000 億美元的價值，其中科技行業可能占據其中的 20% 至 30%。他提到，實現“實用”系統這一目標的時間跨度為 3 至 5 年，相關早期工作已在金融、電池和材料等領域展開。

從戰略角度來看，Krishna 重申了 IBM 對混合和受監管環境的承諾。他認為大多數大型客戶不會完全遷移到單一的公共云，尤其是在美國以外或金融和醫療等行業。IBM 的計劃是成為這些混合、合規密集型部署的技術合作伙伴，同時寄希望于人工智能和后來的量子計算能成為其中的差異化因素。