在中国企业级AI市场，IBM也在找到新的机会。
过去几年，中国AI应用发展迅速，从企业知识库到AI智能体，从软件开发到智能办公，各类产品不断涌现。然而，IBM虽然拥有丰富的企业级软件、数据管理等技术，但这些如何与中国本土AI生态结合，一直是一个值得关注的问题。
11月5日，在2026 IBM中国企业级AI巅峰论坛上，IBM介绍了企业级AI开发平台Bob，并推出可本地部署的版本。IBM大中华区首席技术官翟峰介绍了Bob的定位，以及IBM如何面向国内企业，推动Bob在研发、制造和企业运营等场景中落地。
一番介绍后会发现，Bob的本地部署能力、对国产大模型和国产AI硬件生态的支持，以及IBM长期积累的企业软件技术，正在成为IBM进一步拓展中国企业级AI市场的重要切入点，加速进入中国企业核心业务。
从AI编程走向企业级AI Agent
当前，AI编程已经成为生成式AI应用最成熟的方向之一。从代码生成、错误检查到自动测试，AI正在改变软件开发方式。随着Agent能力不断增强，AI编程工具也开始从辅助开发走向自主执行任务，IBM Bob正是在这一背景下推出的产品。
与一般的AI编程助手相比，IBM希望Bob能够覆盖更完整的软件开发生命周期。例如，企业需要开发一个新应用，Bob可以根据需求生成开发计划，编写代码、执行测试，并结合企业现有IT环境，调用相关工具完成应用部署。
在现场演示中，IBM展示了利用Bob改造企业现有库存管理系统的过程。用户只需要提出将库存系统改造成智能体应用的需求，Bob就可以分析现有系统，生成开发方案，并按照计划完成代码开发、测试和部署。
整个过程中，开发人员只需要在方案确认、代码审核和应用上线等关键节点进行检查和授权。这意味着，Bob承担的工作已经超出了传统代码生成工具的范围，开始向能够执行完整开发任务的AI Agent演进。
更重要的是，IBM将自身在应用现代化、软件工程和安全管理等领域积累的技术与工具整合进Bob，让AI能够按照企业已有的开发规范和工作流程执行任务。对于拥有大量传统业务系统的企业来说，这一点尤其重要。
本地部署，让IBM Bob有机会进入中国企业核心业务
在媒体交流环节，翟峰反复强调了Bob本地部署版本的价值。对于普通开发者来说，使用AI编程工具通常只需要考虑效果好不好、代码质量高不高。但对于大型企业，尤其是制造业、金融和半导体企业来说，还要着重考虑数据安全问题。
这是因为，企业的软件代码、产品设计参数、研发文档和技术规范，往往都是重要的商业机密。如果使用云端AI编程工具，这些信息可能需要通过互联网传输到外部服务平台，给企业带来数据安全和合规方面的顾虑。
翟峰透露，在与中国制造业客户交流时，已经有企业明确表达了对本地AI编程工具的需求，希望进一步交流和试用。
这反映出，很多企业出于核心研发业务在安全上的顾虑而不敢用AI，而Bob本地版将开发终端、管理服务以及模型都部署在企业内部环境中。使用本地模型，企业能够在不连接外网的环境中使用AI开发能力。当然，如果业务允许，也可以连接云端模型。
这种灵活的部署方式，让企业能够在AI能力、使用成本和数据安全之间进行选择。对于IBM来说，本地部署模式为其AI服务进入中国大型企业的核心研发场景提供了新的机会。
支持国产大模型和国产AI芯片，IBM打造开放AI生态
Bob另外一个重要特点是有开放的模型架构。如今越来越多的企业开始使用国产大模型，并在本地数据中心部署推理服务。对于这些企业来说，是否能够使用已有的大模型和计算资源，直接影响AI产品的采购和部署决策。
在现场交流中，IBM技术人员明确表示，Bob并不要求企业必须使用IBM开发的Granite模型。企业根据需求，可以连接任何大模型服务，Bob支持GLM、Kimi、DeepSeek等国产大模型。
在底层基础设施方面，IBM同样强调开放性。借助红帽OpenShift等技术，IBM希望让企业能够在不同云平台、数据中心和硬件环境中部署AI应用。红帽全球副总裁兼大中华区总裁曹衡康明确提到可以支持沐曦的GPU芯片。
这种开放策略符合中国国情。因为很多企业都已经部署了不同厂商的服务器、GPU和大模型。对于企业级AI软件来说，能够兼容现有基础设施，与中国企业技术生态的结合就非常重要。
工业制造，正在成为IBM企业级AI的重要落地场景
如果说Bob解决的是企业如何安全、高效地开发AI应用，那么IBM在中国工业领域的实践，则展示了这些AI能力的落地图景。在此次论坛上，天合光能专家分享了AI应用经验。
天合光能是一家全球化的光伏制造企业，从2023年开始，就在生产制造环节实现AI视觉质检，目前已经在供应链、研发、营销、服务、财务和人力资源等领域落地了40多个AI应用场景。
与很多人谈AI就言必称大模型的情况不同，天合光能的专家认为在工业场景中，小模型依然具有很高的实用价值。例如，生产线上的视觉质检、生产排程优化等任务，当有明确的业务目标时，不一定需要参数规模庞大的通用大模型。
翟峰在媒体交流中也提到，视觉质检和生产排程优化已经是相对成熟的工业AI应用方向。不过，这些应用目前更多集中在某个具体业务环节，要进一步实现跨部门、跨系统的整体业务优化，仍然面临较大挑战。
这也反映出工业AI落地的一条现实路径，那就是尽量先从能够产生明确价值的业务场景入手，再逐步扩大AI的应用范围。当然，这也是很多企业落地AI的常见策略。
老系统改造，可能是Bob在中国市场的重要突破口
在媒体交流中，翟峰还提到了一个值得关注的现象——很多制造业企业对Bob感兴趣，并不是因为准备开发全新的AI应用，而是希望利用AI改造已有的软件系统。
大型制造企业通常拥有大量运行多年的业务系统，包括ERP、MES、供应链管理和研发管理系统。这些系统承载着企业的核心业务，但由于技术架构复杂、开发年代久远，改造成本往往很高。
与此同时，企业又希望让这些传统系统具备AI Agent能力，最好能够与新的智能体平台协同工作，而IBM在应用现代化领域经验丰富。通过Bob，IBM可以将这些能力整合为AI能够调用的工具和工作流程。
对于拥有大量传统IT系统的中国制造企业来说，这可能是一个更容易启动、也更容易体现实际价值的AI应用方向。
当然，真正实现企业级AI转型，仅靠技术工具还不够。
翟峰认为，当AI开始进入跨部门的核心业务流程时，企业往往会遇到组织管理和流程调整方面的阻力。因此，一些AI技术的落地进程还取决于企业领导层的判断和决策。
IBM在中国AI市场找到了新的切入点
过去几年，IBM在中国市场持续强调混合云、企业数据管理和AI治理等能力。这些技术对于大型企业十分重要，但在生成式AI快速发展的市场环境中，如何让客户看到具体的应用价值，始终是一个关键问题。
Bob的出现，让IBM有了一个更加直观的产品切入点。它可以帮助企业开发AI应用，也能够利用IBM已有的企业软件技术，解决传统系统改造、安全管理和开发流程自动化等问题。更重要的是，它能适应中国企业现有的AI基础设施和数据安全要求。
不过，Bob目前仍处于市场拓展阶段，其本地部署能力能否转化为规模化的客户应用，还有待观察。对于IBM而言，真正的机会在于利用自身长期积累的企业软件、行业知识和系统集成能力，帮助企业把AI真正用起来。
IBM正在尝试走出一条更符合中国企业实际需求的AI落地路径。
