1、 認知技術對汽車行業的影響認知技術對汽車行業的影響 利用豐富數據營造卓越體驗利用豐富數據營造卓越體驗 IBM 商業價值研究院 執行報告執行報告 汽車行業 IBM 如何提供幫助如何提供幫助 如今，車輛正逐漸從一種交通工具轉變為新型的移動數據中心，車載傳感器和計算機能夠即時捕獲有關車輛、乘客及環境的信息。利用此類實時數據，IBM 可以幫助汽車制造業的高管提供全新的服務，滿足互聯互通時代的消費者對于車輛體驗的新要求和期望。我們既擁有豐富的制造業經驗，也擁有深厚的全球汽車行業專業知識，可以消除消費者對安全和質量的顧慮。通過使用 Watson 等創新技術，我們可以滿足汽車制造商(OEM)和供應商的各種需

2、求，提供更安全可靠的產品和服務，從而實現更高的品牌忠誠度和客戶滿意度。如欲了解更多信息，請訪問： 卓越的企業和移動體驗卓越的企業和移動體驗 汽車行業正在經歷前所未有的轉變 無人駕駛汽車、電動汽車和新型移動服務這些遙不可及的概念已然成為現實。與此同時，還有數不盡的創新成果即將走進人們的視野。數據是創新的關鍵，能夠提供潛在洞察，從而幫助極大地豐富汽車公司的企業和移動體驗。據參與我們最近一次認知計算調研的 500 名汽車行業高管稱，汽車企業越來越多地開始采用認知計算來挖掘洞察、深化認識。這些高管指出，認知計算已然成熟，且他們所在的企業和行業都在為采用認知計算積極做出調整。一小部分認知創新者在認知計算

3、領域的投資明顯高于同行，他們專注推進未來發展，同時為其他企業的仿效鋪平道路。通過數據推動增長通過數據推動增長 汽車企業坐擁珍貴的數據寶藏，包括業務、產品和服務、客戶及其他外部來源生成的數據。這些數據的應用潛力十分驚人，不僅可以大幅改進行業和企業實踐、實現消費者車內體驗個性化，還能打造新型移動方案。然而，發掘數據隱含洞察的工具要么未被充分利用要么不可使用，因而數據潛力尚待開發。認知計算可以幫助揭示這些洞察，廣大汽車行業高管也開始認識到這一點。為掌握認知計算對于汽車行業的潛在影響，我們分析了參與 2016 年度 IBM 商業價值研究院認知計算調研的 500 名汽車行業高管的回答（參見本報告末尾的調

4、研方法部分）。我們對汽車行業高管在以下方面的回答進行了深入剖析：認知技術的成熟程度如何？他們所在的行業和企業在采用認知技術方面的準備情況如何？目前企業利用認知計算開展哪些工作？未來幾年計劃開展哪些工作？另外，我們還細致研究了在認知技術采用方面領先于同行的部分企業，以了解他們的不同之處，以及如何綜合運用數字業務（通過數字方式開展的業務）與數字智能（運用數字技術獲取的洞察）營造卓越的企業和移動體驗。2 認知技術對汽車行業的影響 為何是認知計算？為何要立即行動？為何是認知計算？為何要立即行動？65%的受訪汽車行業高管報告稱，他們的企業可以從結構化和非結構化數據中挖掘價值。超過 60%的受訪汽車行業高

5、管表示，認知技術已做好面世準備，并且他們所在的行業和企業已準備好進行部署。60%的受訪汽車行業高管認為認知計算將帶來顛覆性影響，53%的受訪高管表示未來三年將大力投資認知技術。每天平均生成 90 億 GB 個人數據，社交網絡新增 100 萬活躍移動用戶。1 對于廣大汽車企業來說，這些數據意義非凡，可幫助他們營造出色的客戶體驗及實現營銷活動個性化。目前，The Weather Company 共掌控著 30 億個氣象預報參考點。2 汽車企業可以運用這些參考點數據輔助車輛自行規劃路線，企業也可以利用這些數據來避免天氣問題干擾供應渠道或分銷渠道。數據量只會不斷增長。到 2025 年，預計每百萬輛自動

6、駕駛汽車每日生成并使用 4,000 GB 數據，這些數據可幫助實現個性化客戶車內體驗。3 從客觀全面的角度來看，上述數據量大約相當于目前全球人口每日生成的數據量的 40%。但是，很多數據為非結構化形式且復雜多變 傳統分析只能利用其中一小部分。為充分利用可用數據并將數據轉換為洞察來幫助推動未來創新，必然需要開發一些全新技術。認知計算應運而生。認知系統可以像人類一樣理解、推理、學習和互動（參見側邊欄“認知計算是什么”）。通過運用認知優勢（如自然語言交互或模式識別）強化人類獨有的杰出能力（如想象力和抽象化），認知系統可以在人類與技術之間建立新型伙伴關系。3 為此，認知系統在一定程度上借助了其他高級技

7、術的力量，如人工智能、自然語言處理、深度學習和預測性分析。在采用認知計算的過程中，汽車企業正處于一個關鍵的轉折點。根據參與調研的汽車行業高管，這項技術已做好面世準備，整個行業及他們所在的企業已準備好進行部署（見圖 1）。圖圖 1 廣大汽車行業高管指出，認知計算已然成熟，且他們所在的行業和企業已做好采用準備 來源：IBM 商業價值研究院分析報告。63%技術 64%行業 汽車行業迎來認知時代的黎明 62%企業 認知計算是什么？認知計算是什么？認知計算解決方案可提供各種能力，包括：從各種結構化和非結構化信息中學習和構建知識 理解自然語言并更自然地與人類互動 捕獲優秀員工的專業知識并通過分享促進其他員

8、工專業知識的增長 改善專業人士的認知過程，從而改善決策 提升組織內的決策質量和一致性 4 認知技術對汽車行業的影響 另一方面，汽車制造商(OEM)和供應商的調查結果也十分相似：66%的 OEM 和 61%的供應商表示，認知計算技術已經成熟，可以在市場中推廣；與此同時，69%的 OEM 和 61%的供應商指出整個行業做好部署準備。此外，68%的 OEM 表示他們的企業已準備好采用認知計算，相比之下，58%的供應商持有同樣態度。而且，很多受訪高管計劃采取行動：58%的 OEM 表示，他們的企業可能會在未來三年內實施認知計算技術，另有 41%的供應商也表達了同樣的意愿。據我們調查發現，業績出眾的企業

9、 調查中自稱在收入增長和盈利能力方面表現出眾的企業 往往搶先一步采用認知技術。其中 90%的受訪者指出他們的企業已準備好采用認知計算，而在業績欠佳企業中這一比例僅為 35%。另外，汽車行業高管普遍認為認知計算有利于汽車行業的未來發展。67%的 OEM 和 55%的供應商表示，認知計算將在未來三年內帶來顛覆性影響。5 駛入創新快車道駛入創新快車道 盡管絕大多數汽車企業報告稱已做好采用認知計算的準備，但 OEM 與供應商在認知采用程度方面還存在一定差異。73%的受訪 OEM 高管表明，認知計算將于三年內對企業產生重大影響，60%的供應商贊同這一觀點?？傮w而言，OEM 的認知技術實施水平更高，37%

10、的受訪 OEM 正在企業內部試行、實施或運行認知系統，而采用相同做法的供應商的比例僅為 14%（見圖 2）。圖圖 2 OEM 的認知技術采用程度遙遙領先于供應商 不考慮 考慮中 評估中 試點中 實施中 運行中 認知技術的采用階段 OEM 供應商 來源：IBM 商業價值研究院分析報告。32%25%29%12%8%4%10%21%19%15%24%2%6 認知技術對汽車行業的影響 為了更深入地了解哪些企業在認知計算方面處于領先地位以及他們與其他企業的不同之處，我們篩選出一小部分受訪者，這些受訪者在所列舉的五大認知創新特定方面排名最高（見圖 3）。這些“認知創新者”占受訪總人數的 12%。圖圖 3

11、認知創新者在五個特定方面獲得最高評分 五大基礎方面 61%OEM 39%供應商 來源：IBM 商業價值研究院分析報告。12%創新領導力 對認知計算的熟悉程度 認知計算在組織中的重要性 行業對于采用認知計算的準備程度 認知技術采用的成熟度 汽車行業認知創新者 7 我們發現，認知創新者的很多重要績效指標表現超群。41%的創新者躋身“業績出眾的企業”行列，而其他企業的比例僅為 10%。98%的創新者表示過去三年實現收入增長，而表達同樣觀點的其他企業則為 53%。在過去的三年中，95%的創新者表示其盈利能力遠超同行，而在其他企業中這一比例為 52%。認知創新者將增長作為利用認知計算要實現的主要目標。他

12、們部署認知計算的速度較其他企業更快，對于認知投資回報的預期也更高。77%的認知創新者表示希望在未來三年實施認知系統，而表達同樣愿望的其他企業有 57%。51%的認知創新者預計將獲得 20%或更高的認知投資回報，而同樣抱有較高預期的其他企業只有 26%。另外，認知創新者還采用戰略方法，而且認知技術投資力度也更大（見圖 4）。8 認知技術對汽車行業的影響 圖圖 4 目前，已制定認知戰略的認知創新者是其他企業的 2.5 倍以上。企業已制定認知計算戰略 目前正在大力投資認知計算 預計將于 3 年內大力投資認知計算 48%創新者 19%其他企業 67%創新者 30%其他企業 82%創新者 49%其他企業

13、 來源：IBM 商業價值研究院分析報告。認知創新者深知，亟需獲取并支持認知技能與資源。98%的認知創新者表示，迫切需要調整員工角色和技能。同時，57%的認知創新者認為資源匱乏是阻礙認知技術采用的潛在瓶頸。出乎意料的是，廣大汽車行業高管并未將客戶或生態系統合作伙伴列為妨礙成功部署認知解決方案的因素。1.7 倍 以上 2.2 倍 以上 2.5 倍 以上 9 認知型汽車企業認知型汽車企業 我們的調研顯示，企業若能綜合運用數字業務與更高水平的數字智能來營造卓越的移動體驗，便很可能成為引領整個汽車行業未來發展的領頭羊。認知創新者認可數據價值。他們具備通過認知計算發掘價值所需的愿景、數據基礎和技能。97%

14、的認知創新者認為，他們的企業能夠通過結構化和非結構化數據創造價值，相比之下，60%的其他企業對此表示認同。對于創新者而言，數字智能至關重要，這也是他們希望通過數據和認知能力實現的首要目標：70%的創新者已經制定數據和分析戰略，而在其他企業中這一比例則為 49%；64%的創新者已經聘請首席數據官負責戰略監督，而采用這一做法的其他企業只有 43%。更重要的是，認知創新者還建立了更成熟的數據和分析基礎：67%的創新者采用企業級數據管理系統，54%的其他企業采取了相同做法；57%的創新者制定了通用數據標準，而其他企業的比例則為 42%。在投資高級數據功能方面，認知創新者遙遙領先于其他企業。63%的創新

15、者正在投資發展數據分析，相比之下，只有 31%的其他企業采取了這項舉措。另外，他們還更加了解加強高級分析技術應用所需的各類技能，如高級數據架構（62%比 31%）和數據獲?。?0%比 32%）。認知計算可以為整個企業中的各個業務部門帶來諸多益處。負責監督組織職能的廣大高管（首席營銷官、首席運營官等）發現了在企業中應用認知計算的機遇，并且意識到認知計算對于自身企業的重要意義（見圖 5）。圖圖 5 贊同“認知計算對企業未來發展至關重要”的高管百分比 73%的戰略部門高管 71%的信息技術部門高管 65%的面向客戶的部門高管 63%的運營部門高管 63%的后端部門高管 來源：IBM 商業價值研究院分

16、析報告。10 認知技術對汽車行業的影響 我們通過幾個具體示例充分反映認知計算對于各職能部門的價值。建立持久的客戶關系 一家歐洲汽車制造商運用規范性洞察，實現個性化客戶互動，繼而改善營銷效果。從整個企業的數據中提取的這些洞察可提供全面綜合的客戶視圖。企業各業務部門的員工均能訪問工具，并利用工具分析和提取洞察。該企業有望通過在全球范圍內提升品牌形象，提高客戶忠誠度和銷售收入。洞悉生產線調整 一家歐洲汽車制造商運用預測性模型分析了 500 余項績效變量，以確定需要從哪些領域入手調整生產線。歷史和實時生產變量（包括機器設置、物料溫度和設備維護活動）已預先加入預測引擎，從而優化生產線。該公司成功將達到最

17、佳工藝目標水平所需的時間縮短 50%，并在兩年內全額收回投資。4 通過識別潛在安全問題避免風險 一家日本汽車制造商運用高級分析識別潛在安全問題，應用自然語言處理捕獲并分析非機構化和結構化數據。這些數據反映出安全問題與根本原因之間的模式和關聯。如此一來，這家汽車制造商將可以大大提升查找問題的速度和精確度。場景：支持自我升級并向工程師提供場景：支持自我升級并向工程師提供反饋的車輛反饋的車輛 車主選擇要求車輛持續分析使用方式。根據分析結果，車輛對即將推出的功能和特性提出個性化建議。車輛與車主開展交互式對話，解釋新功能并確認車主理解相關工作原理。如果車主決定采用新功能，車輛將在方便的時候下載軟件。使用

18、情況分析結果將反饋至汽車制造商工程師和設計師；反過來，上述人員將根據結果開發新設計和新功能。11 多姿多彩的移動體驗多姿多彩的移動體驗 無論提供個性化車內體驗、新型移動服務還是未來交通選擇，認知計算均有助于打造適合各種出行偏好的解決方案。在審視認知創新者的過程中，我們發現他們更注重從多方來源（如傳感器和執行器、圖像和視頻）收集多種類型的客戶相關數據。79%的創新者強烈贊同收集客戶通過社交媒體及其他數據源生成的文本至關重要，51%的其他企業對此表示強烈認同。同樣，57%的認知創新者認為捕獲客戶生成的數據（例如，車輛使用模式）十分重要，42%的其他企業持有相同觀點。廣大汽車行業高管認為，認知計算將

19、對自主車輛提供的車內體驗產生重大影響。87%的受訪認知創新者贊同這一觀點，而其他企業的比例則為 68%。這與 2016 年度調研“人車關系新發展 全球消費者希望汽車如何適應自己的生活”中確定的消費者最感興趣的領域一致，在這份調研中，54%的消費者提出十分渴望體驗自主車輛。5 另外，汽車行業高管還表示，認知計算將在移動服務和人們的出行交通方式方面發揮重大作用。77%的認知創新者表示，認知計算將對移動服務為消費者創造的價值產生重大影響，69%的其他企業對此表示認同。場景：評估、診斷及修復事故損壞場景：評估、診斷及修復事故損壞 在一個購物中心的停車場，一輛汽車撞上另一輛汽車的駕駛員側門并造成凹痕。受

20、損汽車啟動傳感器和攝像機，捕獲肇事汽車的相關信息，以及環境條件和損壞情況。在將損壞情況與類似案例進行對比后，汽車將評估結果發送至車主。汽車聯絡經銷商確定維修費用，詢問是否具備相應部件和技術人員，并協商預約時間。另外，汽車還會申請保險索賠，與車主確認結果以便獲得最終認可。預約當天，汽車自主駕駛前往經銷商處接受維修。12 認知技術對汽車行業的影響 這一觀點從側面印證了一項主要增長戰略，在參與“2025 汽車展望：大業無疆 增強與消費者互動，迎接移動性，開發生態系統”調研的汽車企業高管中，有 68%選擇了這項發展戰略。6 鑒于汽車企業竭力向未來消費者展現自身優勢，認知移動解決方案預計將會在提供卓越的

21、品牌體驗方面發揮重要作用 無論人們是否擁有此類車輛皆不例外。最后，汽車行業高管表示，認知技術將可解決消費者關心的首要問題。77%的認知創新者和 71%的其他企業表示，認知技術對于車輛安全及拯救因人為事故造成的傷亡至關重要。此外，88%的認知創新者與 69%的其他企業指出，消費者數據安全性與隱私性將大幅改善。目前，應用認知計算的移動服務比比皆是。智能禮賓式服務 一家歐洲汽車制造商在北美地區通過集成至車輛的智能手機應用提供“智能”禮賓式服務。車內服務已針對車主進行個性化處理，無論在車內還是車外都能自如使用。估算路線時間、加油、充電、尋找停車位及協調其他生活事件僅僅是其中部分功能。該服務會根據用戶的

22、行為和偏好持續開展學習。在汽車共享的場景下，體驗將配置到其他類似型號車輛，從而提供一致的品牌體驗。場景：利用汽車打擊犯罪場景：利用汽車打擊犯罪 一個主要城市的公共安全部門提供一項選擇性參與服務，允許在重大搜查和抓捕案件中使用民眾車輛的攝像頭。在發生事故時，警察發出黃色警報，以確定嫌疑車輛的車牌。參與城市項目的車輛將收到警報，并允許使用其車輛攝像頭掃描車牌。一臺汽車的掃描 儀發現匹配車牌，將位置數據傳送給警方。附近的另一輛參與車輛接到通知，要求“留意”嫌疑車輛直至警方抵達。13 認知天氣廣告 一家日本汽車制造商正在竭力提升某一車型的品牌知名度和客戶互動水平。該公司通過在天氣應用中使用彈出廣告來吸

23、引消費者并向其傳遞信息。消費者不再被動接收品牌消息，而是主動參與廣告互動，根據自身需要進一步了解車輛。用戶可以通過文字和語音查詢直接獲得回復，并且可以將消息轉發至當地經銷商。機器學習可以幫助更深入地理解消費者提出的各類問題。動態收費 一家大型按需拼車服務提供商正在探索不同的方式來根據地區偏好計算費用。面臨的一個選擇是創建一種系統，根據客戶是否前往富人區或過去客戶所支付的類似行程的費用金額，向客戶收取“愿意支付的費用”。該公司運用“按路線定價”戰略計算費用，其中包含一系列復雜算法并充分考量客戶的消費習慣。為掌握路線模式和消費習慣，該公司將綜合采用人工智能和機器學習。與此同時，它還應用從客戶處收集

24、的數據，推測客戶的價格敏感度。14 認知技術對汽車行業的影響 成為認知創新者成為認知創新者 認知創新者將創新作為企業核心，集中關注認知計算可以解決的問題及帶來的機遇，并采用敏捷方法開展工作。要加入認知創新者行列，廣大汽車行業高管可以采取下列具體行動：將創新置于企業愿景、戰略和執行工作的中心位置。將創新融入業務和移動戰略并確保二者協調一致。支持未來業務模式擴展并確保獲得高級管理層的支持。制定明確的流程和措施，幫助并引導傳統汽車企業生態系統內外的新創新者。獲得全體參與者的一致支持。鼓勵與客戶及生態系統合作伙伴開展協作和共同創造，從而開發新型移動產品與服務。傳達創新計劃。清晰闡述認知技術可以幫助解決

25、的業務問題和帶來的移動機遇。構建能力中心，確定認知技術可以幫助解決的業務問題和帶來的移動機遇。清晰明確認知干預的范圍。制定相關有效流程，從整個企業中收集有關認知機遇以及與客戶和業務合作伙伴進行共同創造機遇的想法。將所收集到的想法傳達至所有利益相關方。評估并再次確定認知計算帶來的合格機遇。闡明問題并持續評估選擇流程。15 確定與汽車業務、員工和客戶相關的機遇的價值，并做出適當的投資。在流程初期明確認知計算將會帶來的差異化價值。探索各類可行機遇，實事求是地明確潛在收益。制定認知投資方針，牢記認知系統在本質上是不斷演進的，而且會帶來遞增的收益。定期驗證實際收益與預期收益。定期重新檢查并驗證投資戰略。

26、根據所獲得的增量收益調整戰略。確保數據戰略針對抓住確定機遇所需要的信息 建立支持認知系統所需的數據生態系統（包括客戶、業務和移動性）。同時建設必要的基礎架構。通過增加新的數據類型和數據源來增強生態系統。持續監測客戶偏好并做出調整。打造治理有方的數據管理服務。嚴格監管數據管理并遵守企業政策。采取敏捷方法開展工作。定義特定的最小化可行產品(MVP)。確定認知技術可以轉變的 MVP 的范圍、業務用例和成果。采用敏捷方法快速實施價值證明(POV)。捕獲支持 MVP 的數據并反復驗證，從而優化相關成果。從 POV 中學習經驗教訓，拓展發現成果，面向企業投入使用。記錄 MVP 學習成果，在整個企業推廣解決

27、方案。16 認知技術對汽車行業的影響 您準備好開始運用認知技術了嗎？您準備好開始運用認知技術了嗎？相關的相關的 IBM 報告報告 Stanley Ben 與 Kal Gyimesi 合著?！叭塑囮P系新發展 全球消費者希望汽車如何適應自己的生活?！盜BM 商業價值研究院。2016 年 1 月。http:/ Ben 與 Kal Gyimesi 合 著?！?025 汽車展望：大業無疆 增強與消費者互動，迎接移動性，開發生態系統”。IBM 商業價值研究院。2015 年 1 月。http:/http:/ 作者作者 Binoy Damodaran 是 IBM 認知與分析咨詢實踐副合伙人。他在汽車行業客戶咨

28、詢領域擁有超過 16 年的豐富經驗。在此期間，他一直應用分析和認知技術來幫助企業深化客戶關系。他擁有深厚的行業專業知識、卓越的思想領導力，并在成功實施復雜企業轉型計劃方面積累了大量可靠經驗。Binoy 的聯系方式為 ，可訪問他的 LinkedIn 主 頁 可 以 在 Twitter 上 關 注 BinoyDamo Ben Stanley 是 IBM 商業價值研究院的汽車行業調研主管。他負責為 IBM 汽車行業事務開發思想領導力和戰略業務洞察。Ben 擁有 40 年工作經驗，在業務戰略和業務模式創新領域，與全球多家主要的汽車行業客戶合作。他過去曾擔任過中國汽車行業卓越中心咨詢主管及 IBM 汽車

29、行業事務全球戰略負責人。Ben 的聯系方式為 ，可訪問他的 LinkedIn 主頁 Twitter 上關注 BenTStanley 合作者合作者 Sankalp Sinha，IBM 全球企業咨詢服務部，數字化運營，業務分析和戰略 18 認知技術對汽車行業的影響 了解更多信息了解更多信息 欲獲取 IBM 研究報告的完整目錄，或訂閱我們的每月新聞稿，請訪問： 從應用商店下載免費“IBM IBV”應用，即可在手機或平板電腦上訪問 IBM 商業價值研究院執行報告。訪問 IBM 商業價值研究院中國網站，免費下載研究報告:http:/ 在 IBM，我們積極與客戶協作，運用業務洞察和先進的研究方法與技術，幫

30、助他們在瞬息萬變的商業環境中保持獨特的競爭優勢。IBM 商業價值研究院商業價值研究院 IBM 商業價值研究院(IBV)隸屬于 IBM 全球企業咨詢服務部，致力于為全球高級業務主管就公共和私營領域的關鍵問題提供基于事實的戰略洞察。19 調研方法調研方法 在這份報告中，我們研究了參與 2016 年度 IBM 商業價值研究院認知計算調研的 500 名汽車行業高管的回答。參與者代表著全球各地的企業，廣泛涵蓋各類最高管理層角色。57%供應商 500 名參與者 東東歐歐 北美北美 12%西西歐歐 14%日本日本 中國中國 10%17%拉丁美洲和拉丁美洲和 南美南美 8%中東中東 和非洲和非洲 12%亞太亞

31、太地區地區的其他國的其他國家家/地區地區 17%17%17%17%43%OEM 20 認知技術對汽車行業的影響 備注和參考備注和參考資資料料 1 Nelson,Patrick.“Just one autonomous car will use 4,000 GB of data/day.”Network World.December 6,2016.http:/ Amazing Social Media Statistics and Facts.”March 7,2016.Brandwatch Blog.https:/ Murphy,Mike.“IBM is going to change how

32、 we forecast the weather with Watson.”Murphy Media LLC.October 29,2015.https:/ Nelson,Patrick.“Just one autonomous car will use 4,000 GB of data/day.”Network World.December 6,2016.http:/ 4 IBM client analysis.5 Stanley,Ben and Kal Gyimesi.“A new relationship people and cars:How consumers around the

33、world want cars to fit their lives.”IBM Institute for Business Value.January 2016.http:/ Stanley,Ben and Kal Gyimesi.“Automotive 2025-Industry without borders.”(self-enabling cars)IBM Institute for Business Value.January 2015.http:/ Copyright IBM Corporation 2017 IBM Corporation New Orchard Road Arm

34、onk,NY 10504 美國出品 2017 年 9 月 IBM、IBM 徽標、 和 Watson 是 International Business Machines Corp.在世界各地司法轄區的注冊商標。其他產品和服務名稱可能是 IBM 或其他公司的注冊商標。以下 Web 站點 上的“Copyright and trademark information”部分中包含了 IBM 商標的最新列表。本文檔是首次發布日期之版本，IBM 可能會隨時對其進行更改。IBM 并不一定在開展業務的所有國家或地區提供所有這些產品或服務。本文檔內的信息“按現狀”提供，不附有任何種類（無論是明示還是默示）的保證，包括不附有關于適銷性、適用于某種特定用途的任何保證以及非侵權的任何保證或條件。IBM 的產品是根據產品提供時所依據協議條款和條件提供保證的。本報告的目的僅為提供通用指南。它并不旨在代替詳盡的研究或專業判斷依據。由于使用本出版物對任何企業或個人所造成的損失，IBM 概不負責。本報告中使用的數據可能源自第三方，IBM 并不獨立核實、驗證或審計此類數據。此類數據使用的結果均為“按現狀”提供，IBM 不作出任何明示或默示的聲明或保證。國際商業機器中國有限公司 北京市朝陽區北四環中路 27 號 盤古大觀寫字樓 25 層 郵編：100101 GBE03870CNZH-00