第四范式發(fā)布AI操作系統(tǒng)Sage AIOS，像用Windows一樣簡單

金磊 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

范式，人類科學演進中最重要的理念之一。

從概念上講，范式是指由基本定律、理論、應用等構成的一個整體，它的存在給科學家提供了一個研究綱領。

這種理念，在「AI賦能、AI落地」進程中，被一家明星獨角獸公司同樣奉為圭臬。

并且現(xiàn)在，他們給出了AI落地范式的最新「正解」——企業(yè)數(shù)據(jù)的標準定義和規(guī)范。

沒錯，第四范式，明確定義AI落地范式。

而如此范式的得來，源自其自身在「驅動AI」這條路上的多年實戰(zhàn)經(jīng)驗——人工智能的數(shù)據(jù)要有一定的規(guī)范去搭建。

否則就會出現(xiàn)「無法做數(shù)據(jù)改造」、「躺在垃圾數(shù)據(jù)上做AI」、「 三年才能完成1個應用」、「用人力成本填坑」等一系列的問題。

但各行各業(yè)的數(shù)據(jù)又是「千人千面」，面對如此棘手的問題，又該如何突破？

今天，第四范式在「萬物賦能，商業(yè)開花」大會中，便針對這一問題帶來了解決方案——Sage AIOS。

△第四范式AIOS桌面展示圖

而由此，也揭開了這家企業(yè)并非點對點，而是從行業(yè)整體通盤尋求「規(guī)范化」、「標準化」解決方案的AI范式藍圖。

范式之一：企業(yè)AI數(shù)據(jù)標準的「范式」

AI范式藍圖的第一篇章，就是企業(yè)數(shù)據(jù)標準。

人工智能的數(shù)據(jù)，一定要按照一定的規(guī)范去搭建。

這是在與第四范式CEO戴文淵交流過程中，他十分強調的一點。

△第四范式創(chuàng)始人兼CEO 戴文淵

之所以如此重視，是因為這正是第四范式掉入此坑三年所得的血與淚的經(jīng)驗教訓。

而這也是第四范式推出Sage AIOS 的原因之一。

但其實，在「企業(yè)人工智能數(shù)據(jù)規(guī)范」這條路上，也有其它的先行者。

例如所熟知的TensorFlow，以及后來的Pytorch等，但它們無論是在上手還是操作方面，難度都是比較高的。

若以操作系統(tǒng)類比，一個形象的比喻便是當年的DOS系統(tǒng)。

而第四范式今天重磅推出的AIOS，便針對上述問題進行了大幅的優(yōu)化——堪稱「AI時代下的Windows系統(tǒng)」。

為什么這么說？接下來一一揭曉。

Sage AIOS 是為企業(yè)量身打造、定位于底層的?AI 操作系統(tǒng)，為企業(yè) AI 應用提供「數(shù)據(jù)資源治理」、「系統(tǒng)資源調度」、「應用場景管理」等全面服務。

總體來看，Sage AIOS 具有以下特點：

• 簡單易用的桌面操作 OS 交互設計。
• 全新定義AI數(shù)據(jù)準備和使用方式。
• 高效的異構資源管理調度能力。

首先是OS交互方面。

AIOS 操作系統(tǒng)的界面，可以用「親切」與「熟悉」來形容，與Windows的界面十分相近。

如此的設計，便最小化了從PC操作系統(tǒng)，過渡到 AI 操作系統(tǒng)的認知工作量。

AIOS 還采用窗口概念進行「多線程可視化管理」，并通過豐富的系統(tǒng)工具管理系統(tǒng)的運行狀況，將各種數(shù)據(jù)形式進行集中化中臺管理。

其次是* AI 數(shù)據(jù)準備和使用方式方面。

據(jù)了解，目前企業(yè)在 AI 數(shù)據(jù)準備工作方面所消耗的時間，占據(jù)全流程高達80%的比例。

因此，AIOS 便通過「操作系統(tǒng)的邏輯」，對 AI 數(shù)據(jù)進行了重新定義：

通過「數(shù)據(jù)形式」定義不同場景下，數(shù)據(jù)準備的標準和格式規(guī)范，保證了 AI 應用的數(shù)據(jù)質量。

非常便捷的一點就是，使用者無需深入了解不同 AI 場景下的業(yè)務特點，便可一鍵獲取 AI Ready 的數(shù)據(jù)。

最后，是構資源管理調度方面。

既然是類操作系統(tǒng)，那么免不了「進程」方面的問題。

而現(xiàn)實的情況便是，企業(yè)AI應用缺乏好的資源調度與管理機制，不僅沒有很好的利用資源，同時也讓需要資源的項目沒有得到應用的支持。

因此，AIOS 內置的?HyperScheduler，就好比「AI 時代下的進程調度器」。

HyperScheduler 不僅能夠充分管理調度CPU、GPU、加速卡等各類異構設備資源，還能對分布式計算等大量任務，同時運行進行合理有效的資源分配，大大提升資源利用率。

但對于大多數(shù) AI 從業(yè)者來說，最關心的問題莫過于——需要多長時間才能學會。

對此，戴文淵在與量子位的交流中表示：

一個Java、Python工程師，看教程視頻，差不多7分鐘左右就能搞懂原理了。

嗯，如此看來，AIOS 確實是一個不錯的企業(yè) AI 數(shù)據(jù)標準「范式」了。

當然，在 AI 落地的進程中，除了數(shù)據(jù)之外，還有許多棘手的問題待解決。

這也讓第四范式在譜寫「AI 范式」的道路上，繼續(xù)前行。

范式之二：降低AI門檻的「范式」

AI落地難，另一大阻力就是——門檻過高。

據(jù)第三方公司調查顯示，每年新增100萬個AI應用場景，而每年最多新增1000名科學家，這導致了嚴重的AI應用需求與科學家之間的供需矛盾。

并且，60%的企業(yè)依然缺少AI科學家；即便擁有科學家團隊的企業(yè)，科學家95%的精力消耗在數(shù)據(jù)相關的低價值工作上。

針對這樣的困擾，第四范式提出了第二種「AI 范式」——Sage HyperCycle ML。

Sage HyperCycle ML 是以庫伯學習圈理論為基礎，依托第四范式高維機器學習框架與AutoML算法，將 AI 應用過程極致簡化。

簡化后的過程，大致就分為四步：行為、反饋、學習和應用。

Sage HyperCycle ML 主要有四大亮點。

首先是數(shù)據(jù)管理：

• 提供針對 AI 應用設計的數(shù)據(jù)治理流程：包括數(shù)據(jù)自動推斷、預處理、自動標記等功能，將數(shù)據(jù)分為行為數(shù)據(jù)和反饋數(shù)據(jù)，而后分別進行管理。
• 多源數(shù)據(jù)接入：數(shù)據(jù)任務可視化管理，數(shù)據(jù)信息管理等豐富數(shù)據(jù)管理。

其次是自動模型工廠：

• 自動建模技術：可以讓企業(yè)數(shù)據(jù)自動構建為高維模型，從特征構建、特征組合、到算法選擇、算法調參，全流程自動完。
• 支持萬億級特征計算任務：在大數(shù)據(jù)量場景下，計算效率可達Spark數(shù)百甚至數(shù)千倍；支持根據(jù)數(shù)據(jù)量和計算時效的要求進行擴容，擴容后總體處理能力呈線性增加。

除此之外，模型也可以根據(jù)業(yè)務變化進行自我迭代，防止模型效果衰減，實時支撐企業(yè)業(yè)務決策。

接下來，是模型應用方面，具有模型快速上線、多業(yè)務共同使用等特性。

最后，在指標中心方面，包含業(yè)務反饋指標、模型指標、監(jiān)控運維指標在內的指標體系。

如此一來，Sage HyperCycle ML 便將 AI 構建過程繁瑣和高難度的工作，全部交給機器。

這，便是降低 AI 門檻的一種「范式」。

而第四范式已經(jīng)在這種「范式」落地，覆蓋了精準營銷、銷量預測、風控反欺詐、反洗錢、智能能源、智能零售、智能證券等眾多行業(yè)場景。

范式之三：AI業(yè)務轉型的「范式」

數(shù)據(jù)和上手門檻難題解決之后，便是AI驅動的問題。

換言之，就是AI技術、平臺，如何幫助企業(yè)完成轉型？

對此，第四范式提出了第三種「AI 范式」——天樞，一站式智能運營技術平臺。

這一平臺旨在解決 AI 應用業(yè)務價值問題，主要涵蓋四大引擎：

• 智能推薦：可以為用戶提供千人千面的個性化體驗，解決信息過載與用戶注意力有限之間的矛盾，將每一次曝光價值最大化。
• 智能搜索：精準意圖識別，多維管理工具，快速匹配用戶與目標信息， 全面提升搜索轉化率。
• 智能推送：在正確的時間內，將正確的內容推送給適合的人，提升打開和轉化率用AI驅動業(yè)務數(shù)據(jù)高速增長。
• 智能客服：基于深度學習技術打造的智能機器人，自動優(yōu)化機器人話術，實現(xiàn)復雜多場景對話任務，快速響應，避免用戶排隊等待，用最低人力成本達成最佳用戶體驗。

同樣，這一「AI 范式」也已經(jīng)取得了一定的落地成果，例如在媒體、互聯(lián)網(wǎng)、零售和金融等多個行業(yè)，提供千人千面的個性化推薦、流量精細化運營、精準獲客、精準產品推薦等眾多業(yè)務場景服務。

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，缺少不了一個重要的部分——AI算力。

AI算力就像一臺發(fā)動機，源源不斷的向其它層面輸出能量。

據(jù)Gartner預測，2022年平均每個企業(yè)在AI算力上的支出會是18年的4倍，總體市場支出將超過50億美元。

在算力高昂成本的背后，實際上是算力的巨大浪費——企業(yè)數(shù)據(jù)中心對AI負載進行針對性優(yōu)化，算力平均使用率依然達不到60%。

而作為全棧發(fā)力的「驅動AI」企業(yè)，在AI算力，也提供了一種「范式」——SageOne，面向AI全生命周期的AI算力平臺。

SageOne 主要通過軟硬協(xié)同設計，優(yōu)化了計算、存儲、網(wǎng)絡、調度等算力資源的AI算力產品。

SageOne 具有「軟硬一體深度優(yōu)化」、「高性能服務器配置」、「高性能存儲調優(yōu)」等特點。

值得一提的是，長久以來，算力都是唯硬件計算能力為標準，而第四范式的 SageOne，則是基于考核AI基礎設施的計算能力。

目前，SageOne面向金融、石油、電信、衛(wèi)生 健康、航空航天等國民經(jīng)濟支柱行業(yè)，從根本上保證產業(yè)安全穩(wěn)定地運營。

重估「第四范式」

當然，這次發(fā)布之所以值得關注，不僅在于第四范式推出的AIOS產品。

更在于產品和業(yè)務映射的第四范式現(xiàn)狀和未來。

或者換而言之：第四范式，現(xiàn)在是一家怎樣的公司？

從2015年創(chuàng)辦開始，這家聚集了一眾機器學習大牛的公司，其實就在不斷展示他們如何向產業(yè)提供AI時代、數(shù)據(jù)決策時代，智能化轉型升級時代里的工具箱、生產力助手。

但因為業(yè)務最先豐收的領域是金融，包括中國工商銀行、中國銀行，中國建設銀行、中信、農業(yè)銀行、交通銀行，招商銀行等等，都成了第四范式“工具箱”碩果累累的客戶……甚至后來還有了中國國有5大銀行全部入股加持第四范式的轟動事件。

所以金融方面的風頭無兩，也讓第四范式在公眾視野里，被認為是一家“金融AI”的技術提供商。

然而如今，是時候更完整審視了。

在這次發(fā)布中，零售巨頭蘇寧、零食第一股來伊份、智慧城市領域的中關村科學城城市大腦股份有限公司等，均作為代表，展示了第四范式提供的AIOS，正在如何智能化變革他們的業(yè)務。

見微知著，管中窺豹。

第四范式方面說，在6年之久的時間里，服務覆蓋到了金融、零售、制造、醫(yī)療、能源、互聯(lián)網(wǎng)等眾多領域。

而且這還只是業(yè)務深入中的一瞬。

因為就在現(xiàn)場，華為昇騰計算業(yè)務總裁許映童也親自站臺，帶來了與第四范式硬件+系統(tǒng)契合后，可以實現(xiàn)的更廣泛業(yè)務變革。

華為昇騰，提供的是目前中國最好的AI計算力，而第四范式，則完成了從AI算力、AIOS、自動化AI生產到線上化智能運營的全流程企業(yè)AI產品體系方案。

這可能是AI賦能和落地階段中，目前最強的組合了。并且在大形勢下，這還是一個沒有斷供之憂的方案。

所以現(xiàn)在，第四范式究竟是一家怎樣的公司？

本次發(fā)布之后，你可以認為是一家率先在AI時代提供Windows一樣的面向產業(yè)的操作系統(tǒng)公司，也可以視為產業(yè)轉型中提供極致AI工具箱的公司，甚至只留存“7分鐘讓普通工程師用起AI工具”的印象……

只是無論如何，不再能以業(yè)務領域來審視第四范式了。

金融、零售、制造、醫(yī)療、能源、互聯(lián)網(wǎng)……

哪個領域有數(shù)據(jù)治理難、人才門檻高、業(yè)務價值難和算力成本貴方面的問題，第四范式及其產品和方案，就可以出現(xiàn)在這個領域。

第四范式，正在成為AI落地產業(yè)、加速升級的基礎設施的一部分。

重估第四范式，是時候了。