IBM 与 OpenAI 扩大安全企业 AI 合作伙伴关系

IBM 与 OpenAI 于 8 月 13 日宣布建立战略合作伙伴关系，将 GPT-5.6 和两款智能体产品引入复杂、受监管的企业工作流。这则消息通过 Google News 触达了许多读者，但公告背后存在更关键的竞争关系：IBM 必须证明，其咨询、治理和安全能力层能在能力日益增强的 OpenAI 产品周边创造价值。

两家公司计划将 GPT-5.6、Codex 和 ChatGPT Work 嵌入 IBM Consulting Advantage，这是 IBM 顾问用于交付 AI 项目的平台。IBM 还将成立专门的 OpenAI 业务团队，配备数千名顾问和工程师，并推动其获得专家级认证。

这种组合使模型合作演变为一场围绕企业 AI 部署控制权的竞争。OpenAI 正在构建直接面向客户的产品、合作伙伴计划和部署专业能力。IBM 则押注于大型组织仍将需要集成商，将这些产品与遗留系统、内部数据、安全控制措施及受监管流程连接起来。

Microsoft、Accenture、McKinsey、BCG、Capgemini、Dell 及其他合作伙伴已经在争夺这类工作的不同环节。因此，IBM 进入的是一个拥挤的市场，同时还要面对投资者对其在 AI 支出周期中自身定位的疑问。

IBM 与 OpenAI 的协议究竟改变了什么

该协议让 IBM 更深入地获取 OpenAI 技术，同时也让 IBM 负责将这些技术转化为受控的业务运营。

根据双方的战略合作伙伴关系，合作将覆盖三个相互关联的领域：工作流重构、应用现代化和网络安全。

IBM 计划将 OpenAI 模型和产品整合到 IBM Consulting Advantage 中。该平台为 IBM 咨询团队及其客户整合了 AI 智能体、行业专属资产和安全能力。

首要目标是将既有业务流程转化为适配 AI 的工作流。IBM 将财务、采购、客户运营和人力资源确定为首批应用领域。

在实践中，这项工作早在智能体接收提示词之前就开始。顾问必须梳理流程、权限、数据来源、异常处理路径和审批要求，随后决定哪些步骤可由 AI 系统执行，哪些则需要人工复核。

这一运营层面十分重要，因为大型企业很少会把知识保存在单一、整洁的知识库中。政策可能存在于文档系统中，而交易则位于专用应用程序内。决策还可能依赖资深员工掌握的未成文惯例。

连接这些碎片往往比选择模型更困难。这需要数据访问、身份管理、流程重构、测试，以及安全团队与业务团队之间达成一致。

第二个重点是应用现代化。IBM 表示，其团队将把 Codex 和 ChatGPT Work 与 IBM 的行业及工程专业能力结合起来。

Codex 是一款旨在处理软件开发任务的智能体，包括代码审查、测试和代码库分析。ChatGPT Work 则是一款更广泛的智能体，可跨文件、应用程序、浏览器和业务工作流运行。

IBM 可以利用这些产品检查旧有应用、记录依赖关系、提出修改建议，并协助测试。不过，生成的变更仍需根据业务规则和生产环境约束进行验证。

第三个重点是网络安全和 AI 风险管理。IBM 与 OpenAI 已于 6 月通过 Daybreak Cyber Partner Program 开始合作。

此前的合作推出了一项应用安全服务，具备对代码库的只读访问权限和受限执行能力。受限执行限制了智能体在被分配任务期间可访问或更改的内容。

IBM 表示，该服务能够识别潜在漏洞，并分析超出传统代码扫描范围的可利用攻击路径。该服务还与 Project Lightwell 相连；后者是 IBM 与 Red Hat 推进的一项项目，并获得了 50 亿美元承诺的支持。

8 月协议扩大了这层安全合作关系。IBM 打算将 OpenAI 能力与 IBM Autonomous Security 相结合，后者是一项用于协调安全分析和响应的多智能体服务。

新的合作伙伴关系还改变了 IBM 在 OpenAI 合作伙伴体系中的地位。IBM 将加入 Elite 层级，OpenAI 将该层级留给在销售、技术能力、联合项目和部署经验方面满足要求的合作伙伴。

IBM 将部署通过合作伙伴网络培训的专业团队。这些团队预计将直接与处于受监管且运营复杂环境中的客户合作。

这不只是转售安排。IBM 正投入交付人员、内部资产以及其在企业控制方面的声誉。OpenAI 则获得 IBM 的客户关系和实施能力。

公告未披露财务条款、客户承诺或营收目标，也未说明首个客户部署项目。这些缺失使其商业规模尚未得到验证。

Google News 的标题为何在 IBM 的困难时点出现

Google News 版本呈现的是一则合作故事，但业务背景使其成为 IBM 的一次执行力考验。

IBM 在警告其初步第二季度业绩将低于华尔街预期一个月后宣布了该协议。该警告发布后，公司股价大幅下跌。

IBM 预计季度调整后每股收益为 2.93 美元，营收为 172 亿美元。根据这份业绩预警，FactSet 调查的分析师此前预计每股收益为 3.01 美元，营收为 178.6 亿美元。

首席执行官 Arvind Krishna 表示，客户在预期价格上涨前将支出转向服务器、存储和内存。他还承认，IBM 在该季度未能足够迅速地适应变化。

IBM 随后于 7 月 22 日公布了完整的第二季度业绩。公司重点提及支持 AI 就绪环境的软件产品，包括 Red Hat、watsonx、HashiCorp 和 Confluent。

因此，这项合作到来之际，IBM 正试图证明自己能够在基础设施采购之外获取企业 AI 支出。咨询服务、工作流重构和受治理部署提供了一条路径。

压力来自技术栈的两端。基础设施供应商竞争计算、存储、网络和数据平台方面的支出。模型公司则越来越多地直接销售应用和部署服务。

OpenAI 就是其中一家模型公司。其企业战略如今已不再局限于为开发者提供应用程序编程接口，即 API。

ChatGPT Work 可以跨业务应用和文件执行操作。Codex 正从编程扩展到研究、报告、反馈分发，以及跨业务系统协调等工作。

OpenAI 还运营 Frontier，这是一个用于运行受治理企业智能体的平台。Frontier 将智能体与数据仓库、客户系统和内部应用连接，同时增加权限、审计和评估机制。

这些产品让 OpenAI 更接近传统上由系统集成商协调的工作。同时，OpenAI 也需要集成商，因为模型访问能力无法解决组织复杂性。

其合作伙伴网络反映了这种需求。OpenAI 已向该计划投入 1.5 亿美元，并设定目标：到 2026 年底，帮助 30 万名顾问获得认证。

IBM 拟议成立的业务团队符合这一战略，但它并未进入一个没有竞争的市场。Accenture、Bain、BCG、McKinsey、PwC、Capgemini 及许多科技公司都已参与其中。

这形成了一种不同寻常的关系。IBM 和 OpenAI 需要彼此来触达大型客户，但它们的产品和服务可能存在重叠。

IBM 希望掌握企业模型周边值得信赖的集成层。OpenAI 则希望其产品成为智能体执行有用工作的运营层。

当这两种角色保持互补时，合作便能顺利推进。当客户询问谁应控制智能体编排、工作流上下文、评估、治理和持续商业关系时，紧张关系就会浮现。

IBM 还必须将该协议与其其他联盟区分开来。该公司已经与 Microsoft 合作，并通过 IBM Consulting 支持 Azure OpenAI 部署。

其更广泛的战略倾向于混合环境和模型选择。这一定位可以让担忧依赖单一供应商的客户感到安心。

然而，增加一项合作并不会自动形成差异化。IBM 必须将技术访问转化为可重复的部署、可衡量的成果，以及客户无法在其他地方自行组装的安全实践。

对买方而言，这一时点带来了一个实际问题：IBM 是在成为混合模型企业 AI 的控制层，还是在成为 OpenAI 的另一个分销渠道？

答案将取决于已部署的系统，而不是公告通过 Google News 获得的传播范围。

IBM 正将集成作为缺失的一层进行销售

IBM 的核心论点是，企业 AI 已经成为集成问题，而非模型访问问题。

IBM Consulting 全球高级副总裁 Andy Baldwin 将挑战概括为大规模安全集成。他的观点与 OpenAI 建立大型合作伙伴网络的解释一致。

组织可以从多家供应商获得能力强大的模型。更困难的工作，是将这些模型与数十年来积累起来的流程连接起来。

银行不能简单地将一个智能体接入每个内部系统。它必须定义智能体可以读取哪些客户记录、可以发起哪些交易，以及何时必须由员工批准其操作。

政府机构还必须考虑记录保留、采购规则、无障碍要求和法律审查。电信服务提供商则在网络运营和客户数据方面承担不同的义务。

零售部署会带来另一组约束。处理采购的智能体可能需要库存、供应商、定价和合同信息，但不应获得对所有系统不受限制的访问权限。

这些要求有利于拥有集成和行业经验的企业。IBM 的业务覆盖 175 多个国家和地区，为关键基础设施、金融、电信、医疗保健和政府领域的组织提供服务。

其既有客户关系可以缩短需求梳理和采购周期。现有的 IBM 软件和 Red Hat 环境也可以提供技术切入点。

IBM Consulting Advantage 为公司提供了共享的交付平台。IBM 可以利用它在不同项目中打包工作流、可复用智能体、治理检查和安全控制措施。

这种方法比仅按定制咨询工作收费更具杠杆效应。可复用组件能够缩短实施时间，同时帮助 IBM 保持一致的运营模式。

该合作伙伴关系还支持 IBM 的应用现代化业务。许多组织希望 AI 智能体能够与那些从未为自动化推理或自主行动而设计的系统协同工作。

在智能体能够安全地修改应用程序之前，团队必须了解依赖关系、接口、测试覆盖范围和未记录的业务行为。这类分析所耗费的时间可能比生成新代码更多。

据 OpenAI 表示，Codex 可以加速部分工作。IBM 则可以贡献架构知识、变更管理能力，以及对生产部署的问责机制。

一次务实的合作可能从一个遗留的理赔应用开始。Codex 可以梳理选定的代码库并提出测试建议，而 IBM 顾问则负责验证依赖关系和监管要求。

随后，ChatGPT Work 可以帮助团队汇集文档、分析工单，并在经批准的系统之间协调迁移任务。生产变更的最终决策权仍由人工负责人保留。

这一模式说明了企业上下文为何重要。智能体是否有用，取决于其获得的信息质量，以及被允许执行哪些操作。

组织还需要保存重要决策的长期记录。一个可搜索的 AI knowledge base 可以帮助团队在人工与 AI 工作流之间留存政策、技术发现和项目背景。

IBM 的机会在于将这些上下文与受治理的执行相连接。它可以围绕模型行为定义权限、可观测性、评估标准和升级路径。

该公司的混合战略还带来了另一项潜在优势。一些客户需要让工作负载靠近受监管数据或现有基础设施，而不是部署在单一公有云中。

OpenAI 一直在扩展自身的部署选项。例如，其与 Dell 的合作让 Codex 能够更贴近混合环境和本地环境中的数据与系统。

这一对比表明，IBM 不能仅依靠混合部署。硬件供应商、云平台、咨询公司以及 OpenAI 本身都在满足同样的客户需求。

IBM 需要证明，其集成层在不同模型和基础设施选择下依然有用。如果它过度依赖 OpenAI，买家可能会质疑其独立性。

IBM 战略最强的版本，是在适合的场景使用 OpenAI，同时保留政策控制和可移植性。最弱的版本，则是在客户可以直接购买的产品之外再包装一层咨询服务。

IBM 的专属业务部门需要通过参考架构和真实客户成果来证明前一种更强的版本。

安全的企业 AI 带来控制权取舍

赋予智能体足够权限以完成有价值的工作，也会带来企业所担心的权限、身份和问责风险。

一个只负责起草文本的助手，对运营的影响有限。一个连接到代码、采购、客户记录或安全系统的智能体，则可能改变实际结果。

这构成了该合作关系的核心取舍。更多访问权限会提升实用性，但每增加一项权限，错误、操纵或凭证失陷可能造成的损害范围也会扩大。

IBM 的安全设计包括针对特定应用安全工作的只读访问和受限执行。这些控制措施可以通过限制模型可访问的范围来降低风险暴露。

但它们无法消除所有风险。如果周边控制措施失效，只读访问仍可能暴露敏感代码、密钥或业务逻辑。

智能体还可能给出看似令人信服却错误的漏洞分析。安全团队需要证据、可复现的发现结果和明确的不确定性，而不只是自信的建议。

多智能体系统又增加了一层复杂性。这类系统将不同任务分配给多个智能体，由它们交换信息或协调行动。

IBM Autonomous Security 使用多智能体方法进行安全决策、响应和情报处理。该公司表示，这种设计可以以机器速度运行。

在遭受主动攻击时，速度很有价值。但这也使授权和回滚更为重要，因为有缺陷的行动可能在人工察觉之前就已扩散。

NIST 已将身份、授权、互操作性和安全列为企业智能体的重要议题。其 agent security guidance 呼吁建立支持可信采用的标准。

企业智能体需要具备可区分的身份。系统必须知道是哪个智能体请求了某项操作、由谁授权、使用了哪些模型和工具，以及适用了什么政策。

权限也应反映具体任务。一个比较供应商的采购智能体，不应自动获得签署合同或修改付款信息的权限。

审计日志必须记录的不只是最终输出。审查人员可能需要查看工具调用、检索记录、审批、政策检查，以及某项操作被阻止的原因。

评估也带来另一项挑战。一个模型可能在受控演示中表现良好，却在数据、用户或外部条件发生变化时失效。

IBM 和 OpenAI 尚未发布该联合方案的独立基准测试结果。它们也没有披露应用安全服务的误报率。

它们同样没有说明客户如何在 IBM 平台内将 GPT-5.6 与其他模型进行比较。采购团队不应假定单一模型适合所有工作流。

供应商集中度仍是一个担忧。将 OpenAI 产品深度嵌入运营流程，可能使后续迁移成本高昂。

成本不只是替换一个 API。团队可能还需要重建提示词、评估体系、工具连接、政策、培训材料和异常处理机制。

如果 IBM 的治理层能够理解模型差异、但不依赖任何单一模型，它就可以降低这一风险。该公告没有提供足够细节，无法判断这些资产将具备多大可移植性。

数据处理也需要同样严格的审查。买家应核实提示词、检索记录、输出、遥测数据和评估数据在哪里被处理和保留。

他们还应询问由哪个组织处理安全事件。一次部署可能涉及客户、IBM、OpenAI、云服务商以及其他软件供应商。

合同条款必须在这些边界之间明确分配责任。诸如安全、可信和企业级就绪等营销术语，不能替代这些细节。

还存在人为风险。员工可能会过度信任带有知名供应商名称和精致界面的系统。

生成的建议即使依赖不完整的记录，也可能显得权威。组织需要基于后果而非仅凭置信度评分来制定审查规则。

高影响操作应要求明确审批。在真实条件下观察到表现后，低风险任务可以获得更多自动化授权。

因此，该合作关系的安全主张应被视为一种设计方向，而不是已验证的结果。IBM 表示，它将把治理、受限访问和运营控制与 OpenAI 的能力结合起来。

客户必须根据自身威胁模型验证这些控制措施。独立测试、红队演练、事件模拟和分阶段部署仍然必不可少。

OpenAI 的合作伙伴扩张让 IBM 进入拥挤赛道

IBM 的竞争对手不只是另一家咨询公司；它面对的是围绕同一模型供应商建立起来的整个部署生态系统。

OpenAI 在 2026 年构建了多条进入大型组织的路径。在推出更广泛的合作伙伴网络之前，它已与 Accenture、BCG、Capgemini 和 McKinsey 建立联盟。

这些公司提供战略、工作流重塑、技术实施和变更管理。它们的职能与 IBM Consulting 的角色直接重叠。

并非每项合作中的竞争都完全相同。McKinsey 和 BCG 往往通过高管战略和运营模式工作切入。

Accenture 和 Capgemini 则拥有大型实施团队和全球交付能力。Dell 等技术供应商则通过基础设施和数据环境进入市场。

IBM 集咨询、软件、混合基础设施、Red Hat 和网络安全服务于一体。这种覆盖范围可以帮助其协调跨越多个层面的项目。

然而，覆盖范围广也可能让销售叙事变得复杂。客户可能会怀疑，IBM 推荐的是最佳架构，还是能扩大其自身软件和服务版图的架构。

OpenAI 面临类似冲突。它需要合作伙伴来触达客户，但其直接部署产品的每一次改进，都可能减少原本由合作伙伴完成的工作。

Frontier platform 已将 OpenAI 定位为不只是模型供应商。它连接企业系统、运行智能体、评估性能，并嵌入治理控制。

ChatGPT Work 也能跨应用和文件开展工作。OpenAI 的部署团队可以帮助企业直接应用这些产品。

因此，即便 OpenAI 的平台变得更易部署，IBM 仍必须明确那些持续具有价值的职责。受监管流程设计、遗留系统现代化、安全运营和跨供应商治理都是可能的领域。

该合作关系也对 Microsoft 的地位形成压力。Microsoft 与 IBM 客户和 OpenAI 技术都保持着深厚联系，涉及 Azure 和 Microsoft 365。

然而，OpenAI 已获得更大灵活性，可以寻求合作并通过不同云服务商提供产品。其企业分销战略如今已远远超出单一渠道。

Google 和 Anthropic 构成了另一组竞争参照。两者都希望将自己的模型和智能体整合到企业数据、云服务和开发者工作流中。

对买家而言，这种竞争创造了谈判筹码。他们可以要求看到有关模型质量、部署速度、可移植性、安全性和可量化业务成果的证据。

对 IBM 而言，这带来了紧迫感。如果多家竞争对手都提供类似资质，认证数量和合作伙伴身份将无法使该公司脱颖而出。

IBM 需要客户证据来证明，其实施方法能够降低部署风险或缩短投产时间。它还需要超越试点演示的成果。

有价值的证据包括：进入生产环境的工作流比例、完成集成所需时间，以及人工干预率。

安全部署需要自身的衡量指标。客户应关注经验证的漏洞、误报率、修复时间和事件结果。

应用现代化工作应报告测试覆盖率、缺陷逃逸率、部署频率和回滚活动。如果生产故障增加，更快的编码智能体价值不大。

业务工作流需要领域特定指标。采购部署可能会跟踪周期时间和政策例外，而不是智能体生成摘要的数量。

这些衡量指标将把运营进展与一则 Google News 公告区分开来。它们也会显示 IBM 的这一层是否能在 OpenAI 身边赢得持久角色。

在此之前，这一合作关系仍是一项可信的战略举措，但关于商业执行的公开证据有限。

Google News 周期结束后应关注什么

三个信号将显示 IBM 与 OpenAI 的合作关系会成为实际运营业务，还是仍停留在广泛联盟公告层面。

第一个信号是一个具名的生产客户。IBM 和 OpenAI 确定了行业和工作流，但它们没有在 8 月 13 日公布首个客户。

一项有力的参考案例应描述已部署系统、其权限、所替代的流程，以及所实现的结果。它还应说明人工审查所扮演的角色。

没有投入生产使用的试点项目将提供较弱的证据。企业 AI 项目往往能在受控演示中运行良好，却会在面对混乱数据和组织阻力时遭遇挑战。

第二个信号是 IBM 的咨询业务表现和 AI 相关预订额。这项合作关系出现于 IBM 承认执行问题和客户支出转变之后。

签约项目的增长将表明，客户正在付费让 IBM 实施 OpenAI 产品。收入和积压订单转化情况则将显示，这些项目能否从实验阶段扩展为更大规模的业务。

仅凭认证人数无法回答这个问题。数千名受训顾问代表的是服务能力，而非市场需求。

第三个信号是有关治理和可移植性的技术披露。买家需要了解 IBM 如何将政策、数据访问、评估和工作流逻辑与特定模型分离。

详细的控制措施将强化 IBM 关于其提供可信部署层的主张。有限的可移植性则表明，这一合作关系可能形成另一种形式的供应商依赖。

安全证据尤其值得关注。IBM 应公布有关智能体身份、权限、审计轨迹和事件响应的具体运营边界。

它还应说明其控制措施如何与新兴标准保持一致。OpenAI 则应澄清，模型更新会如何影响企业评估及此前获批准的工作流。

这些细节之所以重要，是因为企业智能体正从提供建议走向执行行动。当系统开始编辑代码、触发流程或响应威胁时，风险也随之改变。

通过 Google News 发现这则报道的读者，应将标题视为分析的起点。IBM 和 OpenAI 已描述了一套规模可观的交付体系，但尚未披露其成果。

企业买家在授权广泛访问之前，应先要求一个范围明确的生产案例。定义工作流，建立可衡量的成果，并为每一项行动明确责任归属。

随后，应针对现实中的故障情况测试该系统，包括错误数据、过度权限、被操纵的输入、不可用工具以及模型变更。只有在控制措施经受住压力考验后，才应扩大部署范围。

这一合作关系的真正考验很简单：IBM 能否将 OpenAI 持续进步的产品转化为可控、可移植且可衡量的运营能力？关注首批具名部署、IBM 的咨询业务指标以及治理架构。这些信号将揭示，安全的企业 AI 能否成为 IBM 一项具备可持续竞争力的业务，还是仅仅成为又一个拥挤的分销渠道。