IBM，把所有的技术路线都走错了

Ariers

（1）开题
方向和路线，这两个词对于中国人来说是傻傻分不清。

方向对，路线不对，也是枉然。

（2）云计算

我记得2008年的时候，云计算这个词刚刚热起来。谷歌在搞GAE（大家还能想起不），AWS在搞虚拟机。

我有两个另外的经历：

1999年使用过网易的虚拟Web空间服务、2000年使用过中国万网的虚拟主机服务

2004年使用过VMWare的虚拟机产品

很多人知道虚拟机都主要来自VMWare，其实虚拟机的技术与思想，最初就是发源于IBM。因为IBM当年发明出S/360大型主机，性能非常高但价格也非常昂贵，怎么能做到一台主机供多个人并行用而不是排着队串行用？IBM就发明了虚拟机技术，每个用户占用一个限额的计算与存储资源，S/360大型主机可以最多支持16个用户并行用。这个思路一直影响到IBM的今天。

2006年AWS发布云计算商用服务，用的就是虚拟机技术，给用户出租计算资源和存储资源。

后来，谷歌在GAE技术路线走错的情况下痛定思痛，在2015年把技术开源出来，设立CNCF基金会，主打容器技术和K8S，起了一个新名词叫云原生。

从本质来讲：AWS是把一台高性能服务器切割成N份，走的是IBM最早大型主机的思路。谷歌走的是分布式计算的技术路线，把N台廉价x86 PC服务器用分布式调度管理平台（如K8S）组织起来。这就是技术路线之争。

真是十年河东十年河西。一开始，谷歌的GAE云计算业务赶不上AWS的云计算业务，现在，云原生技术思想在业界流行（其实这个技术路线对于大多数企业都不适用，但就是因为云原生这个词流行了）。

而IBM呢，还是坚信自己50年前的技术路线是对的。所以在云计算时代卖大型主机，在大型主机里内置虚拟机技术。

很多人奇怪，在容器和K8S大行天下的时候，为啥IBM并购红帽？

就是因为红帽起家于Linux操作系统。在云计算时期上半场，大家纷纷流行用虚拟机技术。而Citrix选择了XEN开源虚拟机技术，那红帽就选择了KVM开源虚拟机技术。而Citrix和制造中端服务器的Dell走的比较近，而且Dell还并购有VMWare，那么IBM要在大型主机里内置虚拟机技术，遍看业界能选择的只有红帽的技术+营收最合适。

可惜，现在流行的技术路线是：云原生技术。

而IBM选择的技术路线是：虚拟机技术。

当然，这也无可厚非，IBM一直围绕的就是大型主机。

（3）大数据

在关系型数据库出现之前，业界有很多各种类型的数据库，如层次技术数据库、文档型数据库等等。

1970年，IBM的研究员E.F.Codd博士发表了关于关系技术数据库论文。

不过，最早把关系技术做成商用产品的是Oracle，而不是IBM。从科研到研发，这是有巨大鸿沟的。

关系数据库一度称霸80年代、90年代、2000年代。

但是互联网，有另外的需求：

即时通信数据怎么存、怎么检索、怎么计算处理

日志数据怎么存、怎么检索、怎么计算处理

海量用户数据怎么存、怎么检索、怎么计算处理

社交网络关系数据怎么存、怎么检索、怎么计算处理

网页数据怎么存、怎么检索、怎么计算处理

图片数据怎么存、怎么检索、怎么计算处理

音乐视频流数据怎么存、怎么检索、怎么计算处理

所以，在大数据这个词还不流行的时候，还有一个词很流行，叫NOSQL。

我记得在2006年的时候特别流行NOSQL，什么KV数据库、文档数据库、图数据库...。

后来，2009年雅虎为了做海量检索引擎，倒逼做了海量数据存储平台，这就是Hadoop。不过Hadoop的思路都来自2004-2006年互联网巨头谷歌开源的三篇论文，于是才有了后来的HDFS分布式存储、MR分布式计算调度、Hbase这种OLAP 列技术数据库三大技术。

但是MR这种非实时的分布式批处理计算调度技术不满足互联网的快速要求，于是在2014年业界又出现了Spark和Flink这两类实时流处理技术。这两项技术我在当年的ADO/JDO、PB DataWindows、Python Pandas Dataframe这些老技术身上看到了太多的影子。

我现在也在做大量的数据处理工作，我反而也是越来越喜欢使用Excel文档数据格式、Python Pandas Dataframe、ES搜索引擎这些技术。

是的，存量市场仍然庞大。但是新的增量市场在我说的以上。

不过我也理解IBM的选择，因为IBM面对的是老牌实业企业，哪里有什么即时通信数据、日志数据、海量用户数据、社交网络关系数据、网页数据、音乐视频流数据。

（4）人工智能

人工智能这个词是被在1956年由麦卡锡与明斯基举办的达特茅斯暑期研讨会后被引爆业界的。那次会议，参加者还有香农，不过麦卡锡和明斯基当时人微言轻，请香农去其实是为了拉大旗镇场子，香农待了两天就走了。不过参加者还有IBM的两位研究员。也就是说，IBM研究人工智能，那也是相当相当早啊。

计算机这个东西，有三位先驱：图灵、香农、冯诺依曼。

图灵和香农在二战期间短暂会面交流合作过，都是为了通信信号加解密、密码加密解密。他们过去都是依靠人算，辅助使用计算尺等工具。他们与敌人互相攻防争分夺秒，希望有更快性能的、能更复杂计算的工具。这就是图灵和香农对计算机发明的初衷。

他们也交流过计算机的未来，除了能做复杂的计算处理以外，最好还能让计算机做数学题证明、机器翻译，甚至是语音对话-文本对话、图像识别。

大家想想：数学题证明、机器翻译，是不是和密码加密解密很像。

大家想想：这是不是和比特币数字加密货币挖币解数学方程组思想很像。

大家想想：这是不是和Transformer编码器解码器思想很像。

人工智能技术，IBM还是有高光时期的。那就是1997年的深蓝，赢了国际象棋大师卡斯帕罗夫。

但是，人工智能有三要素，过去人工智能一直卡在这个三要素的不可能三角里面才发展缓慢。

人工智能三要素是：数据、算法模型、算力。

算力，Intel最擅长数值型计算。虽然在数值型计算方面也有技术路线之争，有复杂指令CISC架构、精简指令RISC架构，有低价格的多任务分时轮换假并行架构、有多核分布式调度真假并行架构、也有多路真正并行架构。

但是，现在大模型适用的算力是图形-并行计算。

没办法，谁让这次第三次人工智能热潮，发源于2009年的李飞飞那1400万图片识别库，发源于2012年辛顿用大模型技术刷这个榜而引爆的。

很多人把图形-数值计算混淆、复杂指令和精简指令架构混淆、串行-并行处理架构混淆，三者六项豆子麻子混在一起谈就谈不清了。

为啥这第三次人工智能热潮是英伟达这个90年代就创业做显卡的公司一飞冲天了呢？就是因为这次热潮的技术路线选择了图形计算。

而IBM擅长的是数值计算。即使是1997年的深蓝，也走的是数值计算的技术路线。

再说说算法。在Transformer这个容器模型出现之前，大家都非常钻研精妙的各种专有算法模型，这是处理自然语言的算法、这是处理语音的算法、这是处理图片识别的算法...。但是2017年Transformer这个容器模型出现了，过去搞各个精妙的专有小模型的全都完蛋了。再精妙的小模型，也比不上傻大粗的可以海量随便堆叠的可以暴力美学的容器大模型。Transformer本身没什么太神奇的地方，但是就如同集装箱一样就如同标准砖块一样，可以让你凭借这块标准砖块垒摩天大楼。过去专有小模型没法傻大粗地无限堆叠做大，人们不相信暴力美学也能产生看起来的智能。所以IBM一直走的技术路线就是：专有精致小模型。

最后说说数据。IBM有数据吗？没有。IBM又不是互联网公司。谷歌有网页数据、视频数据，Meta有社交数据。IBM只卖产品，自己并不生产数据也不运营数据。

（5）最后

很多人佩服IBM不管咋样，都活了超过一百年了。能超过一百年的巨型企业，怎么说也有让人佩服的地方。

我个人把IBM这100多年这样分：

老沃森为代表-打字机时代：1911-1961。老沃森一个人就顶了IBM百年的前50年。虽然老沃森1956年就去世了，但他代表的IBM时代却并未随他去世而改变。

小沃森为代表-计算机时代：1961-1991。这又是30年过去了。虽然小沃森在1981年就退休了，但是他代表的IBM时代却并未随他去世而改变。

郭士纳为代表-IT服务时代：1991-现在。这又是30多年过去了。虽然郭士纳在2001年就退休了，但是他代表的IBM时代却并未随他去世而改变。IBM虽然从2010年以后一直试图再回归技术产品公司，但是，嘿嘿嘿，不遂人愿啊。

这样来看，好像百年也挺容易的。看看IBM从郭士纳、彭明盛、罗睿兰，这不30年也就过来了？