机器人天空-为机器人开发者和爱好者服务的确，硬件被英伟达的GPU和谷歌的TPU抢尽了风头，算法上比不过DeepMind庞大的论文量，应用落地也比不过微软、百度范围更广。IBM在这个人人高举AI大旗的年代，多少显得有些尴尬。
可要说IBM在人工智能上毫无建树，那可是太冤枉了。或许你曾经被百度大脑、搜狗机器人在综艺节目的表现所惊艳，那么你应该知道，早在2011年，IBM的超级计算机“沃森”曾在问答节目《危险边缘》中击败两位人类选手，拿下历史最高分。
从那时起，或者更早，沃森就成了IBM冲击AI大时代的生力军。
IBM Watson核心能力：解读非结构化数据
沃森以此来自于IBM公司创始人托马斯·J·Watson的名字，准确来说沃森是一种“平台”或“系统”，拥有理解、推理、学习等等多种能力。从上个世纪开始，IBM就在人工智能领域不断探寻，能和人类交流、提炼信息的沃森只是成果之一。
别说比别人早一步登上问答节目，就连棋牌类人机大战的戏码，IBM也早就玩过。在1997年，IBM的计算机程序“深蓝”就曾在国际象棋的战场上战胜了棋王卡斯帕罗夫。
而从深蓝到沃森的变化，正是IBM在AI方向上最关键的选择。
有人说深蓝是沃森的前身，这话对也不对。深蓝的应用范围是象棋，很围棋一样，是一种数字游戏，深蓝还拥有480颗专门为象棋打造的芯片——极有可能为了暴力穷举。沃森的应用则在于人机对话问答，所处理的都是语言、声音甚至是图片。而相比深蓝的硬件形态，沃森已经超脱了禁锢，进化成了技术平台。
最为关键的一点是，沃森专注的是理解非结构数据。
理解什么是非结构化数据，要先知道结构化数据。结构化数据存在于ERP系统与数据报表之中，是经过标注的、存在于数据库之中的数据。所以非结构化数据，自然就是那些只能用。txt、。MP3、。avi等格式储存的数据。
所以，沃森的理解、分析、提炼和推理，可以建立在自然语言和图片之上。
认知计算与人工智能，究竟是话术差异还是技术差异
这样看来，沃森更像是一个巨大且牛逼的数据处理平台，可在这个一切建立在数据之上的时代，又有哪个人工智能产品不是这样呢？
在遥远的2011年，IBM好像还没准备好让沃森站上人工智能这个风口，相反，IBM为沃森提出了一种非常新鲜的概念：Cognitive Computing——认知计算。
公认认知计算的解释是这样的：“认知计算代表一种全新的计算模式，它包含信息分析，自然语言处理和机器学习领域的大量技术创新，能够助力决策者从大量非结构化数据中揭示非凡的洞察。认知系统能够以对人类而言更加自然的方式与人类交互；认知系统专门获取海量的不同类型的数据，根据信息进行推论；从自身与数据、与人们的交互中学习。
这么看来，的确很难分辨所谓认知计算和人工智能之间的关系，尤其是弱人工智能，两者之间的定义非常相似。都是建立在数据之上，利用NLP、机器学习等等技术赋予机器自学习、自进化的能力，让它们能够更好的服务于人类。
在Google搜索Cognitive Computing，结果也大多跟IBM有关，现在看来，有关认知计算的一切似乎都是IBM一场失败的造词计划。
难道就是因为话术选择的不慎，就让IBM在AI时代落后于人吗？
沃森的成绩单，其实没有想象中那么差
抛开技术概念的相似，IBM的认知计算，还是和目前很多企业涉猎的人工智能有一些差别的，而这些差别存在于市场辖定之中。
像亚马逊、微软等等企业对于人工智能研发到一定程度上之后，都会落地到一个具体的民用级产品中——Echo、小冰、特斯拉……虽然不能说清这些企业的目标市场究竟在哪，但都在C端市场中做足了姿态。
和前一段大家都跟风人工智能音箱的原因一样，你不这么做，就好像不在这个战场。
或许是来自咨询管理的基因，IBM从一开始就把目标明确在了企业级市场。在2014年IBM中国论坛上，IBM提出把“借助数据协助行业转型”作为转型的主要方向之一。这其中的逻辑也很简单：认知计算建立于数据之上→IBM拥有大量企业数据，自然一拍即合的推出了适用于企业的服务。
而且IBM一上来就选了几块难啃的硬骨头：医疗、金融和营销，不过沃森的表现，并不像某些分析师说的那么不堪。
在医疗领域，沃森的动作最多、声量也最大。
训练沃森治疗癌症、和安德森癌症中心等等医疗机构合作，一时间引起了不少媒体的关注。在医疗领域，沃森最具优势的是对资料的查找、提炼速度，据称沃森可以每秒阅读八亿页的资料。快速处理数据、辅助医生进行诊疗，这一切只是看上去很美。实际上和安德森癌症中心合作了五年，双方没能推出一款可以实际应用的工具，最终安德森中心支付赔款，终止了和IBM的合作。
（IBM礼宾机器人）
相比医疗，沃森在金融这条路上明显走的更加顺利。
推出银行网点服务机器人、发布金融云、辅助智能投顾等等，虽然大多还是一些细小的工作，但搭上Fintech这趟车一定不会出错。而且IBM在收购金融企业时出手很大方，过去有Promontory和Algorithmics，未来恐怕还会有更多。AI+金融已成大势，加上IBM和银行一向亲密的关系，或许将成为沃森的主场。
在营销方面，沃森能发挥的空间更广。
AI+营销这个话题，多多少少有些老生常谈了。据说沃森每天学习9节IBM思考营销项目中的课程，初步目标是“懂得如何为每一位客户量身定做创意内容”。目标虽然远大，可目前沃森所做的还是老一套——学习用户历史消费数据，做出智能推荐。去年，沃森就和The Northface合作了一把，通过用户浏览历史、当地天气等数据推荐给消费者合适的外套，VentureBeat统计，这一广告点击量达到了90%。相比医疗和金融，AI营销领域限制少、容错率高，可以给沃森更广阔的发展空间。
生于创新，死于原罪？
IBM今天的局面，其实来源于B端服务级企业的原罪。体量巨大、有稳定营收，即使看中了AI市场，转型起来也很困难。一直服务B端市场，掌握的数据有天然限制，购买数据打入C端市场/研发B端AI技术两个选择在天平上摇摆不定。IBM的选择看似是一条容易的路：利用原有数据开发产品，然后让长期合作的企业级用户买单，可从实际操作看来，企业没那么容易买账。
而长期投入B端市场、选择了不讨喜的“认知计算”话术，为IBM带来的后果就是错过了抢占大众心智的黄金时期。不过好在IBM的技术底子还在，就算沃森当前表现平平，未来也不难和谷歌、微软、亚马逊一战。
（曾经在舞台上打败过人类的Watson）
需要警惕的，反而是国内很多B端服务企业，转型时没有IBM的本事还得了IBM的病，以为企业级市场会永远欢迎自己，连最基本的技术创新能力都已经丧失却还想着吃老本。要知道在这个人工智能技术飞快发展的时代，走错任何一步都可能是死局。