0
| 本文作者： 楊麗 | 2020-08-21 00:43 |
作者 | 楊麗
出品 | 雷鋒網產業組
在Sage AIOS操作系統出現之前，市場內機器學習相關工具、引擎、平臺并不在少數，呈一時繁榮之勢。但對于真正的使用者，企業客戶、開發人員來講，選擇性多也意味著選擇成本之高。
當下的機器學習平臺服務商到了針對更多長尾場景提供定制化的節點，盡管從客戶價值來講是極好的，但服務商除了要解決某些技術上的挑戰外，還得深入客戶業務場景，了解并幫助其梳理需求。現階段，第四范式在服務了8000家企業客戶，初步形成金融+零售制造“一體兩翼”的市場布局后，終于有機會抽身在產品建設上做一次全新的升級。
8月20日，第四范式公布了四款新品分別是：企業級AI操作系統Sage AIOS、自動化AI生產力平臺Sage HyperCycle ML、線上化智能運營系統天樞以及全新AI算力平臺SageOne。
第四范式創始人兼CEO戴文淵指出，“數據治理難、科學家稀缺、業務價值不佳以及算力成本負擔重，是企業AI轉型中四個最常見的阻力。”這句話道出了第四范式醞釀已久的四款產品所解決的問題，也反映出其踩盡了不少坑后終于合上了AI落地的閉環。
操作系統AIOS
簡單來講，Sage AIOS首先解決的是數據治理的問題。
據了解，在企業AI落地的過程中，數據科學家45~90%的時間都投入在數據治理上，盡管如此，數據質量仍困擾著AI業務效果的提升。
為此，Sage AIOS首先對數據形式進行了如文檔格式版標準化的定義：具體而言，AIOS平臺上規定了數據的準備和使用方式，其中包括不同業務場景中的模型需要什么樣的數據，對應的數據需要從什么IT系統上去調取，以及如何將這些數據處理為AI ready的數據、“投喂”到AI系統中。
這樣，一個數據形式對應一個業務場景，并且沉淀了各個場景中數據治理的經驗。
如果說定義了“數據形式”，相當于定義了AI版Windows的文件格式，那么有效的資源調度與管理機制，則是Windows的“進程調度器”。為此，Sage AIOS還采用了HyperScheduler動態地對各個任務進行合理的資源分配，有效管理調度CPU、GPU、加速卡等各類異構設備資源，從而避免AI應用資源分配不均導致的任務響應慢、宕機等問題。
例如在制造行業，工業現場環境中可能沒有數據，或者大量沉默數據。對于商業陌生且技術挑戰頗大的新行業落地，卻并非易事。第四范式聯合創始人、首席研究科學家陳雨強向雷鋒網解釋，
“目前很多頭部的制造業企業也發現了這個問題，但數據卻沒有真正利用起來。整體上，我們會基于數據中臺的角度，首先幫客戶抽象出一些常用的解決方案，比如銷量預估、排班、質檢，這些不同場景其數據收集的方式、來源都不太一樣。這部分可能跟AI不太相關，但確實能解決一大部分數據治理上的問題。”
零門檻AI開發平臺Hypercycle ML
基于第四范式AutoML技術和“庫伯學習圈”方法論，HyperCycle ML將AI過程簡化為“行為、反饋、學習、應用”四步，自動完成從數據引入、數據定義、特征處理、模型訓練、模型應用和模型自學習的AI全流程，讓用戶能像使用自動相機拍照一樣建立AI應用。
效果來講，建模時間由原來的400小時縮短到10小時，自動化模型的精準度目前可以達到Top10%的AI科學家的水平。值得一提的是，HyperCycle ML是一個線上閉環，會自動收集線上的行為和反饋數據進行自學習，以確保穩定、持續迭代的模型效果。
更加業務視角的天樞2.0
智能運營業務系統天樞其實在2019年就已經上線運行了，此次升級后的天樞2.0將基于AIOS平臺，具備搜索、全面個性化、智能客服（多輪對話、個性化推薦）、智能推送等功能，并支持二次開發的定制化能力。
SageOne 2.0
如何降低人工智能算力的總擁有成本，讓算力更加可負擔、性價比更高是業內目前非常有挑戰的一件事。據了解，企業數據中心對AI負載進行針對性優化，算力平均使用率依然達不到60%。
而此次全新AI算力平臺SageOne 2.0面向整個AI全生命周期，從計算、存儲、網路、調度上均進行了針對性優化。在某連鎖餐飲企業實際應用場景中，SageOne以一頂十，以8臺替換了88臺通用服務器集群。
此外，第四范式還宣布了與華為在軟硬件生態體系上的適配。
誰在使用這些AI產品？
可以說，新冠疫情激發企業用戶在線化、數字化需求的背景下，對于第四范式而言，2020是頗為具有意義的一年。
在此之前，第四范式一直以技術產品為導向，從核心系統、平臺、開發工具、算力平臺到場景、行業解決方案逐步去覆蓋。其背后的邏輯在于，機器學習平臺型產品首先解決的是核心系統、引擎的問題，然后再考慮數據、存儲、資源調度問題，像此次發布的Sage AIOS、Sage HyperCycle ML基本圍繞的就是先知品牌系列。
而2020年是第四范式全面進軍各個行業的一年，目前形成了以金融為主體，制造、零售兩輪齊飛，在航空、醫療、互聯網、媒體多方面發展的全新格局。
就連第四范式總裁裴沵思也承認，零售行業之于第四范式，是疫情激發出的一個用戶需求十分突出的行業，可以用“爆發式”形容都不為過。
“金融行業仍是我們覆蓋最主要的行業。即便我們服務金融，也不能僅把目光放在金融行業，金融行業也是服務業，不能脫離實體經濟。這也是我們為什么后來也發現，其他行業如零售、制造反過來也可以促進金融，因為零售業、制造業有金融場景的需求，促進我們更好地與金融客戶合作。”
那么，究竟誰來使用這些AI產品呢？
或許可以此次最受人關注的AIOS為例進行說明。陳雨強表示，
“我們比較頭部的客戶在使用這些產品，頭部企業已經完成了AI從0到1的過程，面臨的階段是希望更快地完成更多的AI應用。比方說某銀行客戶希望今年能構建上百個應用，這個目標過去來講耗時一年也完成不了，有了AIOS，頭部企業就能比較好的達到這樣的目標。”
再以全新品牌天樞為例，第四范式聯合創始人、首席架構師胡時偉告訴雷鋒網，
“天樞更多面向的是在線化的消費場景，幫助企業解決的是經營效益的問題，而不是單純的給他提供一個云端的推薦系統或智能模型。”
這側面說明，相比于單純的推薦系統，天樞所面向和提供的是更為業務導向的價值輸出，落地在零售行業、銀行、互聯網等成熟型用戶市場，與上文提及的機器學習平臺型產品恰好構成了“一橫一縱”的服務模式。實際上，天樞可以通過跟企業客戶原先的IT系統打通，進而提供服務。
也就是說，正因為在平臺的覆蓋面上比原來更廣，在業務層面上也比原來更加深入客戶，更加端到端和直接可用，也促使第四范式能夠服務的客群范圍得以持續地增加，且深度地使用起來。
而這也可能是第四范式在提出企業構建AI競爭力“1+N”世界觀之后，給出了經過驗證的良心商業方法論。
（雷鋒網）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
