<mark id="oztn4"></mark>
0
“科學規律的數量井噴，產業全面進入科學時代”，第四范式創始人兼CEO戴文淵道出了他的洞察。
1998年圖領獎獲得者Jim Gray于2005年提出《第四范式》，第四范式的典型特點是數據科學，計算機從海量數據中發現規律、形成理論詮釋自然現象。此即第四范式公司的愿景與目標。
戴文淵提到，在第四范式時代，企業的評估指標發生了變化，從追逐資產負債率、增長率、凈資產收益率等維度，改為追求創新速度，比如每天能找到多少個客戶需求，每天能發現多少種降低成本的新方法，每天能找到多少個提升企業運營效率的新思路。
這不是僅僅靠增加人力就能實現的任務，商業智能的重要性在此凸顯。
戴文淵提出了企業全面智能化轉型新范式：1+N。1代表追求極致的業務效果，如何充分發揮數據的價值，如何從“事后分析”變為“實時決策”。N代表追求規模化落地效率，如何讓一個Web開發人員也能開發AI應用，如何解決AI落地過程中的數據瓶頸。
在1+N之下，充沛且高效的算力是基礎，第四范式不僅提供軟件開發平臺，還提供AI算力的硬件平臺，
第四范式聯合創始人兼首席架構師胡時偉回答了如上1+N的問題，第四范式認為，統一方法論+AutoML=快速構建AI應用，面向AI數據治理=規模化AI落地。
構建“閉環AI應用”的兩大挑戰，其一是數據的準備，傳統的數據積累并不適配于AI應用，AI數據準備平均耗時達到14人月；其二是模型的開發，AI專業人才缺失+高難度復雜的模型開發上線過程，導致模型開發上線平均周期達到了16人月。
在AI數據治理中，第四范式能夠提供數據采集訪問雙實時，全量原始數據，線上線下一致性和利用回流數據自動標注的功能
有了大規模AI應用，并不意味著萬事大吉，很多時候算力都會成為阻礙。胡時偉提到，在追求核心場景的極致效果案例中，隨著數據量擴大，機器數量是指數級上升而非線性；在追求規模化落地大量AI應用場景的案例中，隨著機器數量和場景數量增長，整體TCO也是指數級增長。傳統算力和AI應用負載之間存在天然的鴻溝。
雷鋒網了解到，今年年初，IDC發布創新者榜單，第四范式旗下智能風控平臺及AutoML產品分別入選“中國人工智能金融反欺詐”、“亞太地區下一代高級大數據分析”創新者榜單。
入選理由如下：
快速部署分析能力：結合第四范式企業級AI平臺，AutoML可實現4步快速部署分析過程：收集行為數據、收集反饋數據、訓練模型、利用產品套件部署模型。
基于自學習閉環構建全自動化機器學習模型：第四范式AutoML自動化AI建模工具基于自學習閉環，幫助企業構建定制化、全自動化機器學習模型，應對行業及企業面臨的挑戰。
深度優化的軟硬件集成一體化：第四范式將整合現有軟件和服務，為用戶提供企業級AI一體機。
在本次發布會上，第四范式進一步更新了新一代AI全線產品陣列。
基于如上難題，第四范式推出了SageOne Appliance軟硬一體化集成系統。該系統分為三部分，第一部分是AI平臺，包含數據管理平臺，學習圈開發平臺以及應用運維平臺，同時也是AI開發&運行環境；
第二部分是AI核心引擎，包含AI訓練引擎，AI推理引擎和AI存儲引擎；
第三部分是硬件基礎設施，這部分主要是Intel Cascade Lake AP處理器，4Pd ATX加速卡，Infini-cache無限緩存和Swift高吞吐零拷貝網絡。
第四范式表示，SageOne是一個全新的企業級產品物種，摒棄了傳統算力堆砌硬件的方式，而采用由軟件定義的專用AI系統架構，更好的理解AI 算法的運算架構與邏輯，更深層次軟硬件一體化的優化和加速，全面滿足企業AI應用的算力需求。
以第四范式高維算法為基礎，SageOne搭載第四范自主研發的硬件加速卡——4Paradigm ATX800，內置模型訓練和特征工程等多種加速能力，支持自動優化訓練超參數、高位特征計算過程I/O加速和高維GBDT訓練加速等應用，在企業應用場景中表現出高達10倍的訓練性能。
SageOne還內置第四范式自主研發的高維、分布式網絡通訊協議Swift，集成pPRC自研網絡通信框架、零拷貝數據交換協議等AI領先通訊技術，結合基于CLX-AP架構的參數服務器集群。SageOne在高維特征計算過程I/O最大10X加速，高維稀疏場景模型訓練比GPU提速5X以上，自研pRPC通信框架比百度bRPC和谷歌gRPC提速3-10X。
現場第四范式聯合創始人、首席科學家陳雨強首次提出了全新特性的AutoML 2.0技術，他表示，AutoML 2.0不僅是世界首個交互式AutoML技術，同時具備自動跨表特征增強能力。在世界知名的Kaggle機器學習競賽中，第四范式AutoML 2.0與數據科學家共同挑戰多項競賽，競賽結果數據顯示全世界平均每7-10位數據科學競賽選手，只有1位能擊敗第四范式AutoML 2.0；而在結構化機器學習問題上第四范式AutoML 2.0比Google Cloud AutoML排名靠前61.2%，在圖像分類問題上比它排名靠前64.2%。
雷鋒網還了解到，基于目前企業AI應用的痛點問題，第四范式未來還將引入隱私保護遷移學習（AutoPTL）、自動半監督機器學習（AutoSSL）、自動正樣本和無標簽樣本學習(AutoPU)、自動知識圖譜嵌入（AutoKGE） 等眾多Auto“黑科技”到產品體系中，提高企業AI應用率和價值。
此外，雷鋒網現場獲悉，第四范式宣布開啟“啟航”合作伙伴計劃，著力打造基于“先知”平臺的生態體系建設。基于先知平臺，第四范式建立起產品賦能、咨詢賦能、交付賦能、營銷賦能、技術賦能五大賦能中心，正與廣大解決方案商、咨詢服務商、實施服務商、渠道分銷商及開發者開展生態合作。
相關文章：
第四范式AI賦能的下一征程：推出AutoCV平臺“范式視界”
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
