智东西（公众号：zhidxcom）
文 | 心缘

智东西8月20日报道，今天，AI独角兽第四范式推出企业级AI操作系统Sage AIOS，以及第四范式自动化AI生产力平台Sage HyperCycle ML、线上化智能运营系统“天枢”以及全新AI算力平台SageOne。

其中，在Sage AIOS平台上，企业想要构建某个AI应用场景，只需一键进入相应场景的数据形式、便可直接开始构建AI，1-2天即能落地一个AI应用。

至此，第四范式已打造覆盖从算力、操作系统、生产平台到业务系统的全栈AI产品矩阵。

据第四范式创始人兼CEO戴文渊介绍，多年来，第四范式团队冲在AI落地的最前线，在摸爬滚打中，总结出数据治理难、科学家稀缺、业务价值不佳以及算力成本负担重，是企业AI转型中四个最常见的阻力。

“这些问题归根结底是因为缺少基于规范和标准的基础设施，所以，今天我们设计和构建了更标准化的AI产品。”戴文渊说。

一、为AI量身定做的操作系统Sage AIOS：1-2天即能落地一个AI应用

第四范式今日发布的革新性产品Sage AIOS，定位于AI时代的Windows操作系统。

▲“第四范式Sage AIOS产品界面”

第四范式Sage AIOS采用极简、通识易用的交互界面，首次让AI进入到AI桌面应用的发展阶段，将各种数据形式进行集中化中台管理。

作为人工智能的标准化管理平台，Sage AIOS封装了各类AI应用，包括给AI科学家和开发者使用的工具类应用，以及针对某个场景一键上线的业务类应用。

AIOS最为重要的设计是数据治理。在帮助企业落地AI的过程中，第四范式数据治理甚至占据高达95%的时间，即便如此，数据质量问题仍困扰着AI业务效果的提升，效率和效果成为企业数据治理的两大难题。

AI需要支持数据一致性、时序性和闭环的数据治理系统，而定义好数据形式，可以同时满足这三个需求。

第四范式Sage AIOS平台对“数据形式”进行创新的定义，规定了数据的准备和使用方式，其中包括不同业务场景中的模型需要什么样的数据，对应的数据需要从什么IT系统上去调取，以及如何将这些数据处理为AI ready的数据、“投喂”到AI系统中。

针对不同场景AI数据形式不同的问题，Sage AIOS浓缩了第四范式在多个业务场景下数据治理的经验。在AIOS平台上，企业想要构建某个AI应用场景，如推荐、反欺诈等，只需一键进入相应场景的数据形式、便可直接开始构建AI，1-2天即能落地一个AI应用。

长期来看，Sage AIOS将沉淀越来越丰富的数据形式，承载越来越多的AI应用。

除了定义“数据形式”外，有效的资源调度与管理机制也至为重要。

Sage AIOS采用HyperScheduler动态地对各个任务进行合理的资源分配，有效管理调度CPU、GPU、加速卡等各类异构设备资源，从而避免AI应用资源分配不均导致的任务响应慢、宕机等问题，将资源利用率提升50%，AI全流程耗时节约2/3时间。

二、自动化AI构建平台HyperCycle ML：为AI量身定做高级语言，精准度媲美顶尖AI科学家

第四范式创始人间CEO戴文渊提到，AI最大的问题是缺少科学家，全世界绝大多数AI科学家集中在硅谷和中关村，但这些科学家的人数远不及应用需求的增长。

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AI应用需求与科学家之间的供需矛盾。

我们需培养更多科学家，而培养科学家门槛极高，又需要一定周期。为了帮助企业尽快规模化应用AI，第四范式在AIOS平台上专为业务人员等非AI专业人士准备了名为“HyperCycle ML”的AI高级语言。

基于第四范式AutoML技术和独创的“库伯学习圈”方法论，HyperCycle ML将AI过程简化为“行为、反馈、学习、应用”四步，自动完成从数据引入、数据定义、特征处理、模型训练、模型应用和模型自学习的AI全流程，操作简便易用，让用户能像使用自动相机拍照一样建立AI应用。

HyperCycle ML把AI繁琐重复和高难度的数百个模块工作全部交给机器，建模时间由原来的400小时缩短到10小时，自动化模型的精准度目前可以达到Top10%的AI科学家的水平。

“全球每45位顶级科学家，只有一位能打败HyperCycle ML。”HyperCycle产品负责人王明说。

此外，HyperCycle ML是一个线上闭环，会自动收集线上的行为和反馈数据进行自学习，以确保稳定、持续迭代的模型效果。

三、线上业务智能运营系统“天枢”：用AI经营好一家“线上店”

线上业务智能运营系统“天枢”是Sage AIOS平台上首个平台型拳头应用，是为传统企业提供线上用户留存优化和增长优化的运营产品，具有智能推荐、智能搜索、智能推送、智能客服等功能。

在线化是当下的最大趋势之一，据App Annie报告，受疫情影响，在线化和移动化进程快进了2-3年。传统线下行业的竞争仅限于商圈同品类的店铺，但迁移到了线上，竞争泛化为无差异的用户时间竞争。

这些竞争或许发生在今日头条与银行应用之间，也可能是电商与阅读类应用的竞争，这场竞争的终点是用户留存。

天枢产品做留存的产品逻辑，相当于给线上的门店植入一个人工智能的大脑，这个大脑能够察言观色最快地响应用户的需要，并通过一个实时的数据流把所有的场景连接起来，在每个场景、每个细节上打动用户，提升终端用户体验。

例如基于其个性化投放能力，在一些客户案例中，营销响应率提升67%、流失用户召回率提升52%、潜客激活率提高38%。

截止目前，第四范式天枢已经助力零售、银行、媒体和互联网等行业上千家企业的在线化转型，依托于智能搜索、智能推荐、智能客服和智能推送等服务，帮助全球知名餐饮集团、大型连锁超市、国有银行和顶级电商平台的线上业务取得了理想的业务效果。

四、软硬一体算力平台SageOne：缓解AI算力浪费问题

随着AI在行业的广泛落地，算力的需求和成本猛增成为企业应用AI的又一挑战。

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%。

戴文渊说，按重量来算，每一克银6元，每一克金480元，每一克某厂商高端GPU单位折算下来价格是100元，相当于每一克AI算力的成本约为黄金的五分之一。

第四范式SageOne是为AI量身定做的软件定义算力平台，面向整个AI生命周期全局优化。

AI应用的不同步骤，对计算资源、存储网络有差异化的要求。对此，第四范式深入了解每一个环节负载需求，将计算、存储、网路、调度全方面动态考虑，有针对性地进行优化，解决AI算力浪费的问题。在某连锁餐饮企业实际应用场景中，SageOne以一顶十，以8台替换了88台通用服务器集群。

目前国内AI算力产业处于持续探索和耕耘期，第四范式作为AI基础设施产业中的一员，一直与国内AI企业保持紧密合作，包括与华为等在内的多个芯片厂商联合攻坚，软硬件互相适配，为建设国内完整的AI产业链添砖加瓦。

华为昇腾计算业务总裁许映童也来到现场，他提到为了将芯片能力释放出来，华为打造了分层架构，华为提供底层算力和硬件支持，第四范式建好行业know-how和上层平台，华为与合作伙伴一起为最终客户提供最佳的解决方案。

结语：第四范式已完整构建全流程企业AI产品体系

现场，第四范式总裁裴沵思介绍了第四范式在去年一年的落地成绩单。

在保持金融行业高速增长以外，零售行业在线化业务突飞猛进，制造、民航、能源、政府等传统行业也呈现出快速增长的态势。

过去5年多时间，第四范式帮助超过8000家合作伙伴实现智能化转型，与他们一起探索商业模式进化与重构，蝉联2018-2019年IDC中国机器学习平台市场份额第一，这背后是机器学习平台从底层能力走向业务端的突破，也验证了AI通用平台产品的可行性。

对于第四范式的商业化发展，裴沵思表示，消费互联网和工业互联网引爆的数据增长，促使一个个经济体开始发生巨大变化。

今年，在线化、数据增长的外部环境与第四范式AI规模化的内部战略一拍即合，给予第四范式在更多的行业和场景中利用机器发现规律，构建极致个人体验、提升经营决策价值的历史性机遇。以“数据-规律-价值”引擎为中心，第四范式的AI商业化齿轮正不断加速和扩张。

此次第四范式发布的多款重磅AI新品，完整构建了从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，解决数据治理难、人才门槛高、业务价值难和算力成本贵等AI应用难题，加速推动AI在各行各业的落地，助力以人工智能为代表的创新技术应用与基础设施建设。