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。

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：

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：

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。

“