人工智能在今天是一个特别火又特别令人困惑的话题。火是因为被各行各业寄予厚望,困惑是因为目前公众在新闻媒体上看到更多的AI集中在感知层,例如人脸识别、语音识别、无人车等。但回到我们的企业经营,似乎和无人车这样的技术完全联系不到一起去。第四范式一直致力于解决的问题,是如何把人工智能技术和各行各业企业的生产、经营结合起来。一个企业、一个组织,通常自上而下分为战略制定者、策略制定者、策略执行者三种角色。过去20年,互联网和移动互联网解决了策略执行的环节。未来的20年,人工智能将会通过改造“策略制定”的环节来提升企业业务。第四范式的企业愿景是AI For Everyone,我们希望把人工智能技术带到每一个行业,比如金融、零售、能源、安防、医疗、媒体等,帮助企业去实现智能化转型。回到企业本身,无论是否使用AI技术,首先我们需要关心的是企业需要提升什么业务价值。
企业的业务一定是和企业的发展目标相关的。例如,我们服务某知名国际零售集团,根据企业的发展目标,将其业务分为“开源”和“节流”两大类。▨ “开源”的目标主要和客户相关,包括提升客户留存率、单客户价值、平均客户留存时间等。手段上来说,可能有千人千面的推荐、coupon(优惠券)营销等。AI在里面可以通过优化推荐、营销等环节,提升留存率、单客户价值等核心指标。▨ “节流”的目标主要是降低中后台运营的成本和提升运营效率。通过提升供应链等环节的效率,降低成本,提升企业的竞争力。这其中,个性化服务、供应链是核心应用,是“1”,1个百分点的提升就足以改变企业的竞争格局。而众多细分场景,如各种单据的OCR(Optical Character Recognition,光学字符识别)、各种场景的语音识别、智能客服、流程机器人等,是“N”,规模化的落地可以提升企业的整体效率。
“N”追求的是规模化落地,现在我们服务的很多企业都面临着“全面AI改造”,在面对1千个甚至1万个场景时,如果每个都做到极致,代价和效率是不够的。实现规模化落地和极致效果的路径不完全一样。▨ 首先需要建立一个统一的方法论,让更多人用统一方法规模化生产AI。第四范式建立了一个以“库伯学习圈” 理论( David Kolb在总结了John.Dewey等人的经验学习模式的基础之上,提出的经验学习模式,即经验学习圈理论)为基础的AI方法论,并基于此构建了“先知”平台,将AI开发分成“行为数据采集、反馈数据采集、模型训练、模型应用”四个标准步骤,我们帮助客户和合作伙伴的开发者在“先知”上按照这样的一二三四去产生AI。以我们服务的某大型央企为例,其开发者数量众多,AI开发者却非常有限,我们为其提供了统一的方法论和平台,让开发者针对业务目标,在上面开发各种各样的AI应用。▨ 其次,AI规模化应用过程中要有完善的数据治理能力,尤其是对于大中型的企业,数据治理非常重要。可能我们过去已经做了大数据系统,但往往是面向BI(Business Intelligence,商业智能)建设的,BI大数据主要是帮助人去总结一些经验,因此更强调查询、统计、可视化等功能。AI大数据是给机器看的数据,需要的是完整、实时和支持机器自主学习的闭环。两个大数据系统的设计理念天然不同,我们经常会看到企业由于过去建设了面向BI的大数据系统,又将AI建设在这个系统之上,非但没有帮到AI,反倒成为AI落地的障碍。因此,大规模AI实践过程中企业需要一套面向AI的数据治理系统,能够存取PB级(100万GB空间)甚至更大量的日志、支持实时存储,形成一个线上数据采集和处理的闭环等。▨ 最后是AI算力,以往大家关注的焦点主要集中在两个方面:一是通过购买大量的服务器和GPU来提升算力;二是通过芯片实现AI的加速。但是算力是一个完整的体系架构,甚至不是只有硬件,而是软件和硬件的“结合体”,只有了解AI算法的运算架构与逻辑,才能针对硬件去做深层次的优化。AI系统其实是有“套路”的设计,具备固定的计算模式,它需要的是一个专用计算,不像大数据和软件需要的是通用计算。基于专用计算的特点,算法和软件其实可以直接定义好计算,提前把计算的部分去硬件化。此外,过去传统的通用通信协议、存储系统也同样面临着无法支撑AI的困境,需要针对AI算法的特性进行深度优化。以TCP(Transmission Control Protocol,传输控制协议)为例,该协议通过“三次握手”建立可靠的数据交换机制,保证数据传输不丢失。但AI只需要在传输过程中,保证数据的统计特性即可,传输100份数据与传输90份数据的统计结果差异微乎其微。第四范式从去年开始研究开发新的硬件体系SageOne,我们不是为了去生产硬件,而是为了设计软硬一体的方案,产出更适合人工智能专用算法的算力架构。目前第四范式设计的软硬一体优化的服务器能够做到TCO(总拥有成本)比传统服务器降低一倍,到年底的时候希望有数量级的提升,会大幅降低企业AI落地门槛及总拥有成本。
第 四 范 式
领域:科技
第四范式是一家人工智能技术与服务提供商,利用机器学习技术,帮助企业提升效率、降低风险,获得更大的商业价值。第四范式坚持以“Empower AI Transformation and Inspire AI For Everyone”为企业愿景,依托于AutoML、迁移学习等技术与企业级人工智能PaaS平台,不断推动人工智能快速、规模化的产业落地。目前,第四范式已在银行、保险、政务、能源、智能制造、零售、医疗、证券等领域积累超过上万个AI落地案例,助力各行各业AI创新变革。