移動互聯，改變了我們的日常生活狀態，改變了工作狀態。一個人平均每天檢視手機150次。無論你管這個時代叫什麼——數字時代、「網路+」時代、移動網路時代、CAMSS時代，形容的都是同一個現象——人類歷史上從未有過的一種現象。
2009年，雲端計算成爲熱詞；2012年，大數據被提出。
當初媒體、企業、分析機構都給出過的氣吞山河的想像，顛覆一切的氣魄：《雲端計算是終極的顛覆式創新》、《雲分析將無處不在》、《雲端計算一鼓作氣顛覆一切》、《雲勢不可擋》、《雲時代，跨時代，顛覆的世界您準備好了嗎？》、《雲端計算顛覆全球產業發展模式》、《又一次顛覆性變革，大數據！》、《大數據塑造未來IT》、《大數據是如何顛覆傳統行業的？》、《大數據顛覆你的價值觀》、《大數據時代，人類生活面臨顛覆》……
然而幾年過後，雲端計算、大數據究竟發展的怎麼樣？
2015年IBM中國，調研了中國17個行業的257家企業，發現：
網路企業的上雲率47.7% ，傳統行業15.6%。
中小企業的上雲率不足23%，大型企業的上雲率則更低。
根據調研報告，部署和使用雲端計算最多的行業爲：網遊、手遊、在線教育。在擔負著國民經濟、創造巨大價值的行業，雲端計算並沒有發揮其巨大的潛能。
企業對雲端計算的顧慮包括：穩定性差、不能滿足基礎效能的需求、服務差、網路接入困難、和傳統IT系統無縫整合能力差、在多個混合雲環境內平滑遷移的成本高、增值服務模塊不能滿足需求、開發成本高、支援語言少，學習成本高……
那麼「大數據」的現實呢？
移動數據、網路、物聯網、穿戴式設備帶來了海量數據，過去兩年產生的大數據是人類歷史上產生數據的總合。但是對企業而言，大數據是難言之隱：「大數據如水漫金山，而企業卻在水中乾渴而死」。
一個重要的原因，有80%的數據爲非結構化數據，都不能被電腦「看懂」，只能靜態地存在那裏，無法使用。這些「非結構化」實時數據成長飛快，佔到全球數據總量中的一大部分——到2020年將問鼎44ZB大關，但它們中的60%下一秒就失去了價值。
所以數據的價值不在於體量，而是能否從中獲取出洞察，並創造價值。而直到今天，能透過分析大數據、產生洞察、所能夠帶來的價值，微乎其微。
試想一下：
未來兩年，醫療衛生數據將成長99%，其中88%的醫療衛生數據都將是非結構化數據，包括電子病歷(EMR)、化驗結果、醫學影像、影片以及病患傳感器等。
未來兩年，政府和教育數據將成長94%，其中84%是非結構化數據，包括各類傳感器，建築物、道路、公共音檔/影片數據。
未來兩年，傳媒業數據將成長97%，其中82%是非結構化數據，包括書籍、雜誌、報紙和其他出版物，以及影片、影視作品、影像製品及在線遊戲等。
這樣海量的數據是不可能再用人工編程的方式來分析這些數據，而是要依靠機器學習。
這就是繼製表計算時代、編程時代之後的「認知計算時代」！
IBM在認知計算領域耕耘了近40年，兩個標誌性的事件：1997年，IBM的深藍電腦，戰勝國際象棋世界冠軍卡斯帕羅夫；2011年，IBM的Watson在美國智力競賽節目《Jeopardy!》上戰勝人類冠軍，獲得了100萬美元的獎金。這是IT史上的里程碑事件。
今天，IBM的認知計算技術是兩個部分結合：視覺、聽覺、語言相關的感知技術，理解、推理、發現的認知技術。這和市場上普遍意義的人工智慧是有區別的，很多的人工智慧產品只能實現感知技術的一個部分，或幾個部分，比如仿視覺的影像識別系統，仿聽覺的自然語音識別系統，一問一答的對話技術（絕大多數人工智慧產品是無法做到有「指示代詞」的多輪對話）。
而IBM認知商業的競爭優勢在於感知技術上能夠實現認知的部分：理解、推理、學習。
什麼叫理解：人和人的對話，有時不用字斟句酌地說得那麼明白，互相都能透過詞語背後的意涵、文化底蘊，把意思理解到位。這是因爲，對話的雙方有著類似的「語義數據儲備」。相反，如果「聊不到一起」，也是因爲對話雙方「語義資料庫」不匹配。比如有人說「我在國貿有300平米的房子」，機器識別的只是地名「國貿」，面積「300平米」，但是生活在北京的人能理解到什麼？這是位土豪啊！這就是理解的差別。
什麼是推理：多層邏輯關係，比如我們無法搜尋出「2015國際網路大會所在城市的氣溫」、「中國科技大學所在城市的人口數量」。大家可以嘗試一下。人可以很輕易的理解一句話裏兩層以上邏輯，推理出結果，但機器做不到。《Jeopardy!》節目上的Watson是能夠在進行三層邏輯推理後，快速給出答案的。
什麼是深度學習：人類無法透過推理和理解，處理海量資訊，也很難在海量資訊裏獲得關聯性的洞察，但認知計算透過機器學習，可以發現人類所無法發現的未知。
今天，IBM提出的「認知商業」，已經不是一個科幻想像的原型、一款用來展示的「概念車」，而是具備50種技術、28個API（未來一年將達到46個API）、五大能力的成熟產品，在五大行業——醫療、金融服務、教育、零售、法律實踐，與幾十家企業、機構合作，提供專業知識、創造行業價值和社會價值、解決企業問題。
比如，Watson爲一個亞裔癌症患者建議治療方案。它閱讀了3,469本醫學專著，將近24萬8千篇期刊論文，評估了69個治療大綱，分析了61,540個臨牀實驗數據，以及10萬6千多份臨牀醫學報告，並根據病患的基因圖譜和環境數據，最後提出了三個最優選的治療方案——這一切用時僅17秒。
比如，Watson或許可以讓人類實現「零癌」的可能。
過去的幾十年經過研究人們已經發現，一種基因的蛋白，P53，與癌症的關係非常密切：如果p53保持活性，它會判斷DNA變異的程度，變異較小，p53就促使細胞自我修復，若DNA變異較大，p53就誘導細胞凋亡；但如果p53與其它蛋白的相互作用，發生突變，其空間構象發生改變，失去了對細胞生長、凋亡和DNA 修復的調控作用，p53就會由抑癌基因轉變爲癌基因。
從1992年發現第一次發現蛋白激酶與p53之間的作用關係後，人類找到33種可能與之有關係的蛋白激酶。找到33種並不代表研究成功，需要進一步地驗證這種蛋白激酶與p53如何產生作用。然而，找到每一種蛋白激酶是如何作用於p53，純粹靠運氣。更何況，未來還有400多種蛋白激酶需要逐一「靠運氣」不斷測試。
關於蛋白激酶的文章有24萬篇，關於p53的研究論文有7萬篇，如果讓一位頂尖的科學家，以每天10篇論文的速度，細讀並理解所有研究，大概需要85年。如果考慮到每30秒就會有一篇新的科學文章發表，那這位科學家還要再花85年，讀新產生的研究著作……
而Watson用了幾個星期，就根據以往的研究，把範圍縮小到了7種與改變p53關係最爲密切的蛋白激酶，以及如何作用於p53的。
習近平主席宣佈，在今年啓動了精準醫療計劃，政府15年內投入600億人民幣。認知計算在醫療領域的商業應用的本質，就是精準醫療的本質——沒有針對不同患者體質、基因圖譜、不同病毒、不同藥物的醫療，只是基於經驗的機率事件。
未來，認知計算在醫療領域的價值將會表現在兩方面：個性化醫療，病患的健康管理。
從走進醫院開始，集中整合病患的基因數據、家族病史數據、環境數據、臨牀病例、研究成果、藥物數據，綜合考慮每一步醫療干預的風險、治癒的幾率，並定製藥物，所以每位病患治療的過程應該都是獨特的路徑和方法。中國的醫療資源極度匱乏，相信以後Watson能夠成爲醫生的助手，輔助臨牀診斷決策系統，讓非三甲醫院的社區醫院、鄉鎮醫院都能達到國際專家的水準。
從病患走出醫院開始，要讓病人管理自己的健康，Watson可以幫助決策如何鍛鍊、食用什麼食品輔助治療；一旦發生異常數據，如何判斷是否需要就醫；哪種習慣和行爲可能會導致慢性病的發生。
今天，IBM的認知商業，不是談論一種科幻想像，也並不想討論「機器和人的關係」這類哲學問題，或是造一個陪伴聊天的機器人，而是關注認知計算所能帶來的商業價值，關注整個商業世界的改變。這是後移動互聯時代、後大數據時代的命題。
陳黎明
IBM大中華區董事長