金磊发自凹非寺
　　量子位报道公众号 QbitAI
　　范式，人类科学演进中最重要的理念之一。
　　从概念上讲，范式是指由基本定律、理论、应用等构成的一个整体，它的存在给科学家提供了一个研究纲领。
　　这种理念，在「AI 赋能、AI 落地」进程中，被一家明星独角兽公司同样奉为圭臬。
　　并且现在，他们给出了 AI 落地范式的最新「正解」—— 企业数据的标准定义和规范 。

　　没错， 第四范式 ，明确定义 AI 落地范式。
　　而如此范式的得来，源自其自身在「驱动 AI」这条路上的多年实战经验——人工智能的数据要有一定的规范去搭建。
　　否则就会出现「无法做数据改造」、「躺在垃圾数据上做 AI」、「 三年才能完成 1 个应用」、「用人力成本填坑」等一系列的问题。
　　但各行各业的数据又是「千人千面」，面对如此棘手的问题，又该如何突破？
　　今天， 第四范式 在「万物赋能，商业开花」大会中，便针对这一问题带来了解决方案—— Sage AIOS 。

　　△第四范式 AIOS 桌面展示图
　　而由此，也揭开了这家企业 并非点对点 ，而是从行业整体 通盘 寻求「规范化」、「标准化」解决方案的 AI 范式蓝图 。
　　 范式之一：企业 AI 数据标准的「范式」
　　AI 范式蓝图的第一篇章，就是 企业数据标准 。 人工智能的数据，一定要按照一定的规范去搭建。
　　这是在与第四范式 CEO 戴文渊 交流过程中，他十分强调的一点。

　　△第四范式创始人兼 CEO 戴文渊
　　之所以如此重视，是因为这正是第四范式 掉入此坑三年 所得的 血与泪 的经验教训。
　　而这也是第四范式推出 Sage AIOS 的原因之一。
　　但其实，在「企业人工智能数据规范」这条路上，也有其它的先行者。
　　例如所熟知的 TensorFlow，以及后来的 Pytorch 等，但它们无论是在上手还是操作方面，难度都是比较高的。
　　若以操作系统类比，一个形象的比喻便是当年的 DOS 系统。
　　而第四范式今天重磅推出的 AIOS，便针对上述问题进行了大幅的优化——堪称 「AI 时代下的 Windows 系统」 。

　　为什么这么说？接下来一一揭晓。
　　Sage AIOS 是为企业量身打造、定位于底层的 AI 操作系统 ，为企业 AI 应用提供「数据资源治理」、「系统资源调度」、「应用场景管理」等全面服务。
　　总体来看，Sage AIOS 具有以下特点： 简单易用的桌面操作 OS 交互设计。 全新定义 AI 数据准备和使用方式。 高效的异构资源管理调度能力。
　　首先是 OS 交互 方面。
　　AIOS 操作系统的界面，可以用「亲切」与「熟悉」来形容，与 Windows 的界面十分相近。
　　如此的设计，便 最小化 了从 PC 操作系统，过渡到 AI 操作系统的 认知工作量 。
　　AIOS 还采用 窗口概念 进行「多线程可视化管理」，并通过丰富的系统工具管理系统的运行状况，将各种数据形式进行集中化中台管理。
　　其次是 * AI 数据准备 和 使用方式 方面。
　　据了解，目前企业在 AI 数据准备工作方面所消耗的时间，占据全流程高达 80% 的比例。
　　因此，AIOS 便通过「操作系统的逻辑」，对 AI 数据进行了重新定义： 通过 「数据形式」 定义不同场景下，数据准备的标准和格式规范，保证了 AI 应用的数据质量。

　　非常便捷的一点就是，使用者无需深入了解不同 AI 场景下的业务特点，便可一键获取 AI Ready 的数据。
　　最后，是 构资源管理调度 方面。
　　既然是类操作系统，那么免不了「进程」方面的问题。
　　而现实的情况便是，企业 AI 应用缺乏好的资源调度与管理机制，不仅没有很好的利用资源，同时也让需要资源的项目没有得到应用的支持。
　　因此，AIOS 内置的 HyperScheduler ，就好比「AI 时代下的进程调度器」。

　　HyperScheduler 不仅能够充分管理调度 CPU、GPU、加速卡等各类异构设备资源，还能对分布式计算等大量任务，同时运行进行合理有效的资源分配，大大提升资源利用率。
　　但对于大多数 AI 从业者来说，最关心的问题莫过于—— 需要多长时间才能学会 。
　　对此，戴文渊在与量子位的交流中表示： 一个 Java、Python 工程师，看教程视频，差不多 7 分钟 左右就能搞懂原理了。
　　嗯，如此看来，AIOS 确实是一个不错的企业 AI 数据标准「范式」了。
　　当然，在 AI 落地的进程中，除了数据之外，还有许多棘手的问题待解决。
　　这也让第四范式在谱写「AI 范式」的道路上，继续前行。
　　 范式之二：降低 AI 门槛的「范式」
　　AI 落地难，另一大阻力就是—— 门槛过高 。
　　据第三方公司调查显示，每年新增 100 万个 AI 应用场景，而每年最多新增 1000 名科学家，这导致了严重的 AI 应用需求与科学家之间的供需矛盾。
　　并且，60% 的企业依然缺少 AI 科学家；即便拥有科学家团队的企业，科学家 95% 的精力消耗在数据相关的低价值工作上。

　　针对这样的困扰，第四范式提出了第二种「AI 范式」—— Sage HyperCycle ML 。
　　Sage HyperCycle ML 是以库伯学习圈理论为基础，依托第四范式 高维机器学习框架 与 AutoML 算法 ，将 AI 应用过程极致简化。
　　简化后的过程，大致就分为四步： 行为 、 反馈 、 学习 和 应用 。

　　Sage HyperCycle ML 主要有 四大亮点 。
　　首先是 数据管理 ： 提供针对 AI 应用设计的 数据治理流程 ：包括数据自动推断、预处理、自动标记等功能，将数据分为行为数据和反馈数据，而后分别进行管理。 多源数据接入 ：数据任务可视化管理，数据信息管理等丰富数据管理。
　　其次是 自动模型工厂 ： 自动建模技术 ：可以让企业数据自动构建为高维模型，从特征构建、特征组合、到算法选择、算法调参，全流程自动完。 支持万亿级特征计算任务 ：在大数据量场景下，计算效率可达 Spark 数百甚至数千倍；支持根据数据量和计算时效的要求进行扩容，扩容后总体处理能力呈线性增加。
　　除此之外，模型也可以根据业务变化进行自我迭代，防止模型效果衰减，实时支撑企业业务决策。
　　接下来，是 模型应用 方面，具有模型快速上线、多业务共同使用等特性。
　　最后，在 指标中心 方面，包含业务反馈指标、模型指标、监控运维指标在内的指标体系。
　　如此一来，Sage HyperCycle ML 便将 AI 构建过程繁琐和高难度的工作， 全部交给机器 。
　　这，便是降低 AI 门槛的一种「范式」。
　　而第四范式已经在这种「范式」落地，覆盖了精准营销、销量预测、风控反欺诈、反洗钱、智能能源、智能零售、智能证券等众多行业场景。
　　 范式之三：AI 业务转型的「范式」
　　数据和上手门槛难题解决之后，便是 AI 驱动 的问题。
　　换言之，就是 AI 技术、平台，如何帮助企业完成转型？
　　对此，第四范式提出了第三种「AI 范式」—— 天枢 ，一站式智能运营技术平台。

　　这一平台旨在解决 AI 应用业务价值问题，主要涵盖四大引擎： 智能推荐 ：可以为用户提供千人千面的个性化体验，解决信息过载与用户注意力有限之间的矛盾，将每一次曝光价值最大化。 智能搜索 ：精准意图识别，多维管理工具，快速匹配用户与目标信息， 全面提升搜索转化率。 智能推送 ：在正确的时间内，将正确的内容推送给适合的人，提升打开和转化率用 AI 驱动业务数据高速增长。 智能客服 ：基于深度学习技术打造的智能机器人，自动优化机器人话术，实现复杂多场景对话任务，快速响应，避免用户排队等待，用最低人力成本达成最佳用户体验。
　　同样，这一「AI 范式」也已经取得了一定的落地成果，例如在媒体、互联网、零售和金融等多个行业，提供千人千面的个性化推荐、流量精细化运营、精准获客、精准产品推荐等众多业务场景服务。
　　 范式之四：算力成本把控的「范式」
　　但在如上述的 AI 生命全周期中，缺少不了一个重要的部分—— AI 算力 。
　　AI 算力就像一台发动机，源源不断的向其它层面输出能量。
　　据 Gartner 预测，2022 年平均每个企业在 AI 算力上的支出会是 18 年的 4 倍，总体市场支出将超过 50 亿美元。
　　在算力高昂成本的背后，实际上是算力的巨大浪费——企业数据中心对 AI 负载进行针对性优化，算力平均使用率依然达不到 60%。
　　而作为 全栈发力 的「驱动 AI」企业，在 AI 算力，也提供了一种「范式」—— SageOne ，面向 AI 全生命周期的 AI 算力平台。
　　SageOne 主要通过软硬协同设计，优化了计算、存储、网络、调度等算力资源的 AI 算力产品。

　　SageOne 具有「软硬一体深度优化」、「高性能服务器配置」、「高性能存储调优」等特点。
　　值得一提的是，长久以来，算力都是唯硬件计算能力为标准，而第四范式的 SageOne，则是基于 考核 AI 基础设施的计算能力 。
　　目前，SageOne 面向金融、石油、电信、卫生健康、航空航天等国民经济支柱行业，从根本上保证产业安全稳定地运营。
　　 重估「第四范式」
　　当然，这次发布之所以值得关注，不仅在于第四范式推出的 AIOS 产品。
　　更在于产品和业务映射的第四范式现状和未来。
　　或者换而言之：第四范式，现在是一家怎样的公司？
　　从 2015 年创办开始，这家聚集了一众机器学习大牛的公司，其实就在不断展示他们如何向产业提供 AI 时代、数据决策时代，智能化转型升级时代里的工具箱、生产力助手。
　　但因为业务最先丰收的领域是金融，包括中国工商银行、中国银行，中国建设银行、中信、农业银行、交通银行，招商银行等等，都成了第四范式“工具箱”硕果累累的客户……甚至后来还有了中国国有 5 大银行全部入股加持第四范式的轰动事件。

　　所以金融方面的风头无两，也让第四范式在公众视野里，被认为是一家“金融 AI”的技术提供商。
　　然而如今，是时候更完整审视了。
　　在这次发布中， 零售 巨头苏宁、 零食 第一股来伊份、 智慧城市 领域的中关村科学城城市大脑股份有限公司等，均作为代表，展示了第四范式提供的 AIOS，正在如何智能化变革他们的业务。
　　见微知著，管中窥豹。
　　第四范式方面说，在 6 年之久的时间里，服务覆盖到了金融、零售、制造、医疗、能源、互联网等众多领域。

　　而且这还只是业务深入中的一瞬。
　　因为就在现场，华为昇腾计算业务总裁许映童也亲自站台，带来了与第四范式 硬件+系统 契合后，可以实现的更广泛业务变革。

　　华为昇腾，提供的是目前中国最好的 AI 计算力，而第四范式，则完成了从 AI 算力、AIOS、自动化 AI 生产到线上化智能运营的全流程企业 AI 产品体系方案。
　　这可能是 AI 赋能和落地阶段中，目前最强的组合了。并且在大形势下，这还是一个没有断供之忧的方案。
　　所以现在，第四范式究竟是一家怎样的公司？
　　本次发布之后，你可以认为是一家率先在 AI 时代提供 Windows 一样的面向产业的操作系统公司，也可以视为产业转型中提供极致 AI 工具箱的公司，甚至只留存“7 分钟让普通工程师用起 AI 工具”的印象……
　　只是无论如何，不再能以业务领域来审视第四范式了。
　　金融、零售、制造、医疗、能源、互联网……
　　哪个领域有数据治理难、人才门槛高、业务价值难和算力成本贵方面的问题，第四范式及其产品和方案，就可以出现在这个领域。
　　第四范式，正在成为 AI 落地产业、加速升级的基础设施的一部分。
　　重估第四范式，是时候了。
　　— 完 —