IBM首席执行官 Arvind Krishna 对当前人工智能热潮背后的一些最大假设泼了冷水，尽管他坚称这不是一个泡沫，并继续大力投资于生成式人工智能和量子计算。
人工智能数据中心的真实经济价值
Krishna最引人注目的观点涉及人工智能数据中心建设的经济学问题。他估计，用当前一代的加速器填满一座 1 吉瓦（GW）规模的 AI 数据中心，所需成本约为 800 亿美元。若按当前公告中所暗示的大致 100 吉瓦（GW）的容量规模进行扩展，他估计总费用将达到约 8 万亿美元。根据他的估算，仅用于资本服务的年利润就需要约 8000 亿美元，而这在他看来几乎是不可能实现的。他预计部分股权投资者会有所斩获，但大量债务将永远无法偿还。
同时，他辩称，基础的人工智能技术相较于先前的深度学习系统显然有了显著提升，一旦硬件、模型架构和软件优化能够在大约五年时间内将成本降低约 30 倍，它将能够释放企业生产力方面的“数万亿”价值。他认为，那些追求大规模发展的消费平台或许会面临非常复杂的结果，但技术本身并非泡沫。
通用人工智能（AGI）概率为零？
在通用人工智能（AGI）问题上，Krishna比当前多数 AI 领域领导者更为悲观。他认为，以大型语言模型（LLMs）为核心的现有技术路径，实现 AGI 的概率仅为 0% 至 1%。在他眼中，LLMs 是强大的统计引擎，且 “会长期存在”，但仅靠它们自身远远不够。他指出，任何通往 AGI 的路径都需要将 LLM 类模型与更明确的知识形式和推理能力相融合，且下一次突破性进展更可能来自学术界和国家实验室，而非一味追求更大规模 Transformer 模型的商业实验室。
Krishna还坦率承认了 IBM 过去在 AI 领域的失误：他将初代 Watson 进军医疗健康领域的尝试描述为 “不合时宜”，并坦言 IBM 当时试图在医疗这一监管最严格、难度最大的市场中，将 AI 作为一个整体系统进行销售。如今，他将 Watsonx 定位为重构后的模块化 AI 技术栈，专为企业工作负载设计 —— 客户需要的是可定制、可集成的构建模块，而非封闭的单一系统。
关于就业影响，Krishna预计 AI 将取代约 10% 的工作岗位，且主要集中在特定职能领域，但他强调更大的机遇在于利用 AI 让初级员工展现出资深专家的工作能力。他透露，IBM 内部一支 6000 人的软件团队采用了自家的 AI 编程助手后，4 个月内生产力提升了约 45%；而 IBM 正以此为契机招聘更多工程师、推出更多产品，而非削减员工数量。
量子计算
在探讨 GPU 之外的话题时，Krishna阐述了 IBM 对量子计算的看法，将其定位为继 CPU 和 GPU 之后的第三座计算支柱。他将量子处理器定位为针对那些在传统硬件上难以有效处理的难题的额外加速工具，而非替代品。他援引外部咨询工作成果表示，规模化的量子系统有望带来每年 4000 亿至 7000 亿美元的价值，其中科技行业可能占据其中的 20% 至 30%。他提到，实现“实用”系统这一目标的时间跨度为 3 至 5 年，相关早期工作已在金融、电池和材料等领域展开。
从战略角度来看，Krishna重申了 IBM 对混合和受监管环境的承诺。他认为大多数大型客户不会完全迁移到单一的公共云，尤其是在美国以外或金融和医疗等行业。IBM 的计划是成为这些混合、合规密集型部署的技术合作伙伴，同时寄希望于人工智能和后来的量子计算能成为其中的差异化因素。