何谓企业AI转型的1+N范式？第四范式推新一代SageOne软硬一体系统

“科学规律的数量井喷，产业全面进入科学时代”，第四范式创始人兼CEO戴文渊道出了他的洞察。

1998年图领奖获得者Jim Gray于2005年提出《第四范式》，第四范式的典型特点是数据科学，计算机从海量数据中发现规律、形成理论诠释自然现象。此即第四范式公司的愿景与目标。

戴文渊提到，在第四范式时代，企业的评估指标发生了变化，从追逐资产负债率、增长率、净资产收益率等维度，改为追求创新速度，比如每天能找到多少个客户需求，每天能发现多少种降低成本的新方法，每天能找到多少个提升企业运营效率的新思路。

这不是仅仅靠增加人力就能实现的任务，商业智能的重要性在此凸显。

智能化转型1+N新范式

戴文渊提出了企业全面智能化转型新范式：1+N。1代表追求极致的业务效果，如何充分发挥数据的价值，如何从“事后分析”变为“实时决策”。N代表追求规模化落地效率，如何让一个Web开发人员也能开发AI应用，如何解决AI落地过程中的数据瓶颈。

在1+N之下，充沛且高效的算力是基础，第四范式不仅提供软件开发平台，还提供AI算力的硬件平台，

第四范式联合创始人兼首席架构师胡时伟回答了如上1+N的问题，第四范式认为，统一方法论+AutoML=快速构建AI应用，面向AI数据治理=规模化AI落地。

构建“闭环AI应用”的两大挑战，其一是数据的准备，传统的数据积累并不适配于AI应用，AI数据准备平均耗时达到14人月；其二是模型的开发，AI专业人才缺失+高难度复杂的模型开发上线过程，导致模型开发上线平均周期达到了16人月。

在AI数据治理中，第四范式能够提供数据采集访问双实时，全量原始数据，线上线下一致性和利用回流数据自动标注的功能

有了大规模AI应用，并不意味着万事大吉，很多时候算力都会成为阻碍。胡时伟提到，在追求核心场景的极致效果案例中，随着数据量扩大，机器数量是指数级上升而非线性；在追求规模化落地大量AI应用场景的案例中，随着机器数量和场景数量增长，整体TCO也是指数级增长。传统算力和AI应用负载之间存在天然的鸿沟。

SageOne AI平台

雷锋网了解到，今年年初，IDC发布创新者榜单，第四范式旗下智能风控平台及AutoML产品分别入选“中国人工智能金融反欺诈”、“亚太地区下一代高级大数据分析”创新者榜单。

入选理由如下：

• 快速部署分析能力：结合第四范式企业级AI平台，AutoML可实现4步快速部署分析过程：收集行为数据、收集反馈数据、训练模型、利用产品套件部署模型。

• 基于自学习闭环构建全自动化机器学习模型：第四范式AutoML自动化AI建模 工具 基于自学习闭环，帮助企业构建定制化、全自动化机器学习模型，应对行业及企业面临的挑战。

• 深度优化的软硬件集成一体化：第四范式将整合现有软件和服务，为用户提供企业级AI一体机。

在本次发布会上，第四范式进一步更新了新一代AI全线产品阵列。

基于如上难题，第四范式推出了SageOne Appliance软硬一体化集成系统。该系统分为三部分，第一部分是AI平台，包含数据管理平台，学习圈开发平台以及应用运维平台，同时也是AI开发&运行环境；

第二部分是AI核心引擎，包含AI训练引擎，AI推理引擎和AI存储引擎；

第三部分是硬件基础设施，这部分主要是Intel Cascade Lake AP处理器，4Pd ATX加速卡，Infini-cache无限缓存和Swift高吞吐零拷贝网络。

第四范式表示，SageOne是一个全新的企业级产品物种，摒弃了传统算力堆砌硬件的方式，而采用由软件定义的专用AI系统架构，更好的理解AI 算法的运算架构与逻辑，更深层次软硬件一体化的优化和加速，全面满足企业AI应用的算力需求。

以第四范式高维算法为基础，SageOne搭载第四范自主研发的硬件加速卡——4Paradigm ATX800，内置模型训练和特征工程等多种加速能力，支持自动优化训练超参数、高位特征计算过程I/O加速和高维GBDT训练加速等应用，在企业应用场景中表现出高达10倍的训练性能。

SageOne还内置第四范式自主研发的高维、分布式网络通讯协议Swift，集成pPRC自研网络通信框架、零拷贝数据交换协议等AI领先通讯技术，结合基于CLX-AP架构的参数服务器集群。SageOne在高维特征计算过程I/O最大10X加速，高维稀疏场景模型训练比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。

现场第四范式联合创始人、首席科学家陈雨强首次提出了全新特性的AutoML 2.0技术，他表示，AutoML 2.0不仅是世界首个交互式AutoML技术，同时具备自动跨表特征增强能力。在世界知名的Kaggle机器学习竞赛中，第四范式AutoML 2.0与数据科学家共同挑战多项竞赛，竞赛结果数据显示全世界平均每7-10位数据科学竞赛选手，只有1位能击败第四范式AutoML 2.0；而在结构化机器学习问题上第四范式AutoML 2.0比Google Cloud AutoML排名靠前61.2%，在图像分类问题上比它排名靠前64.2%。

雷锋网 (公众号：雷锋网) 还了解到，基于目前企业AI应用的痛点问题，第四范式未来还将引入隐私保护迁移学习（AutoPTL）、自动半监督机器学习（AutoSSL）、自动正样本和无标签样本学习(AutoPU)、自动知识图谱嵌入（AutoKGE） 等众多Auto“黑科技”到产品体系中，提高企业AI应用率和价值。

此外，雷锋网现场获悉，第四范式宣布开启“启航”合作伙伴计划，着力打造基于“先知”平台的生态体系建设。基于先知平台，第四范式建立起产品赋能、咨询赋能、交付赋能、营销赋能、技术赋能五大赋能中心，正与广大解决方案商、咨询服务商、实施服务商、渠道分销商及开发者开展生态合作。

相关文章：

第四范式涂威威：AutoML 回顾与展望

第四范式完成C轮融资，金额超10亿元

第四范式AI赋能的下一征程：推出AutoCV平台“范式视界”

雷锋网原创文章，未经授权禁止转载。详情见 转载须知 。