如何利用AI改造傳統行業、推動企業的數字化轉型?對于這個問題，人工智能獨角獸第四范式認為，隨著人工智能規模化落地，企業在制定AI轉型路線時可考慮“1+N”的應用場景模式：“1”是結合公司核心業務，把1個或幾個對業務影響最大的場景做到極致;“N”是用最高的效率規模化落地盡可能多的應用場景，使場景的總體價值最大化。

 

第四范式總裁裴沵思在近期接受《深網》專訪時，詳細闡述了第四范式提出的利用AI改造傳統行業的方法論：“AI在企業中的改造實際上是分兩個階段，一是怎么landing(落地)，二是怎么快速的繁殖、擴張，第四范式的核心策略是1+N。”

 

““1”是怎么切入的問題，由“1”帶動“N”背后暗含著機器學習平臺與生俱來的能力。打通一個企業的核心業務“1”，企業徹底理解智能化，企業會自發的在自家場景里找長尾業務“N”。“N”的過程實際上是我們要幫助企業，或者給企業一個建議，怎么能讓“N”走得更好、更快，這里面最核心的實際上是變革管理。”

 

在裴沵思看來，企業AI轉型的核心，首先是找到最合適的進入點，其次是通過這個進入點進一步找到更多應用場景。

 

裴沵思向《深網》介紹了上述方法論的一個具體實踐案例。第四范式在與百勝餐飲的合作中發現，APP點餐系統的推薦功能可以成為AI落地的切入點，“點了漢堡薯條的話，再加一對雞翅更實惠”，而當有了AI算法的加持后，合作伙伴的客均單價也得到了提升。在找到點餐推薦這個切入點后，第四范式又幫助百勝找到了數十個應用場景，“這些場景做出來以后，就是一個智慧營銷大腦，AI就已經有很大的價值了。”裴沵思說。

 

當然，對于AI技術與服務提供方來說，為了能夠幫助客戶實現AI的規模化應用落地，除了方法論之外，數據治理能力和AI算力同樣是必須具備的技術實力。

 

對此，第四范式此前發布了企業級AI 軟硬一體集成系統SageOne(先知)。第四范式希望通過自研的AI訓練、推理和特征存儲引擎，重新定義硬件中的芯片、存儲、網絡等組件。據第四范式介紹，先知平臺根據企業AI應用的實際情況進行了專用計算架構、資源管理和調度等方面的深度優化和加速，能夠為AI的規模化應用落地提供充沛的算力。

 

“先知平臺是一個包含著算法、算力和數據治理的底層平臺”，裴沵思表示，第四范式希望對這個底層平臺不斷標準化，從而擁有更好的企業級適配效果、更大的延展性以及更強的計算水平。而在底層技術平臺之上的產品層，第四范式的策略則是，“從分散的應用場景之中抽象出一些組件，由點到面，形成幾個能力中心，比如說營銷、供應鏈、IOT等。”

 

據裴沵思介紹，第四范式的目標是成為一家標準化的軟件公司，這個目標構建在其軟硬件一體化的底層能力之上。而事實上，第四范式此前也對外表示要成為AI時代的SAP/Oracle，SAP是全球企業管理軟件與解決方案的技術領袖，而Oracle是全球最大的企業級軟件公司。

 

以下為《深網》整理的部分采訪實錄：

 

1、AI改造傳統行業的方法論

 

《深網》：第四范式提出了AI改造傳統行業的方法論“1+N”，這背后的核心邏輯是什么?

 

裴沵思：AI在企業中的改造實際上是分兩個階段，一是怎么landing，二是怎么快速的繁殖、擴張，第四范式的核心策略是1+N。“1”里面，我們希望跟客戶一起探尋的是企業里面相對高價值的場景，這些場景每提升一個百分點，都很關鍵。有的時候，我們和客戶雙方都會有一種欲望就是說盡快把這件事做成，就會做一些很簡單的事，拿一部分數據出來做一些場景。實際上我們一直非常克制這樣做。

 

第四范式在做的是幫助企業完成AI轉型，而不是有了AI就行。這對我們的要求就會非常高，我們需要很了解客戶整個數據是怎么回事、業務流程是怎么回事以及業務場景是怎么回事。我們一起去找到那個1并實現它。做到1的時候會發現實際上雙方都花很大的力氣，不只是在做一個AI應用那么簡單，你可能要幫他治理數據，甚至顛覆業務流程。但是一旦做通會產生巨大的業務提升，成為企業內部的“標桿”，又會形成很強的勢能在快速復制，這樣才能帶動企業的智能化進程。

 

《深網》：按照您剛才提到的邏輯，是否意味著找到“1”是非常難的?現在第四范式在金融、零售領域都有類似的場景，其他的場景怎么找?

 

裴沵思：舉幾個例子，我們發現能源行業管道管理就是一個1。我們現在在某頭部油公司已經成功上線了。它的管道上其實有非常多的傳感器，也有很多數據，但是收集數據、處理數據的效率非常低。但是現在用了機器學習的方法之后，能極大提高效率，提升判斷管道事件的及時性和準確性。一旦客戶能夠看到AI改造創造的價值，從“1”到N的勢能就出現了，現在我們跟客戶已經開始找更多這樣的場景，快速復制出來。

 

另外在裝備制造行業，我們正在將發動機的很多傳感器數據回傳，而且用AI的方式來解決。實際上，這是裝備制造業由制造業向服務業轉型的關鍵場景，對它的裝備性能做一個實時的監控與判斷，并且能夠快速迭代。這些場景在各行各業中都適用，我們已經看到幾個核心行業的客戶都能夠找到類似的場景。

 

《深網》：從“1”到“N”企業需要經過哪些過程?

 

裴沵思：“1”是怎么切入的問題，由“1”帶動“N”背后暗含著機器學習平臺與生俱來的能力。打通一個企業的核心業務“1”，企業徹底理解智能化，企業會自發的在自家場景里找長尾業務“N”。

 

“N”的過程實際上是我們要幫助企業，或者給企業一個建議，怎么能讓“N”走得更好、更快，這里面最核心的實際上是變革管理。我們在提AI轉型的時候，在這部分其實談了很多在IT層面、業務層面、流程層面、架構層面應該怎么發生變革?隨著“N”規模化應用，數據變的越來越聰明的過程中，你的業務流程怎么跟它適應。企業AI轉型的方法論就是這兩個，一個是怎么找到最合適的進入點，后面是通過這個場景怎么進一步找到更多場景，IT與業務上怎么配合，大概是這樣一個的“1+N”。

 

《深網》：在幫助企業找場景的過程中，對于場景什么要求?

 

裴沵思：我們在找場景的時候有幾點要求。包括數據量，大到一定的量才行，另一方面是得有反饋數據，如果只是數據的積累沒有反饋對AI來說沒有任何意義。滿足這幾點規則后，在這些場景能夠被AI化之后，我們再看誰的場景價值更大。

 

《深網》：利用AI改造傳統行業，最終還是要給傳統行業創造價值。您能否舉一個具體的案例，第四范式找到了這個1，在這個1擴展成N以后，第四范式是如何給這個企業或行業創造價值的?

 

裴沵思：百勝中國經營著8700余家餐廳，肯德基、必勝客沒少吃吧?但其實我們發現在百勝要找的1 很簡單，就是Trade up — 提升單客戶對營收的貢獻。在APP點餐會出現推薦，點了漢堡薯條的話，再加一對雞翅更實惠。用這樣的算法之后，每個人的平均單價一下就提升了。

 

做AI會上癮，沒人想止步于點餐場景。現在我們還幫百勝謀劃了數十個場景，都是跟智能營銷相關的，這些做場景出來以后，就是一個智慧營銷大腦，AI就已經有很大的價值了。除了營銷，還有生產、供應鏈等等，在企業價值鏈的很多節點上，都能夠做類似這樣的AI改造。把這樣幾個場景連在一起，變成一個體系，讓企業內部神經系統發生進化。只有又專、又精、又準地積累，才能最終實現智能化大發展。

 

《深網》：利用AI改造傳統產業，做下來會不會存在這種情況：做成場景by場景或者case by case了，做完一個案例之后沒有形成泛化的能力?

 

裴沵思：所以我們讓范式的所有員工去思考，在每一次AI改造過程中得到了什么，對客戶意味著什么，對整個行業意味著什么，對我們產品意味著什么。這些思考反過來和產品有更好的呼應，這是產品的通用性和標準化逐漸提高的過程。

 

2、技術支撐

 

《深網》：第四范式之前發布了企業級AI 軟硬一體集成系統——SageOne(先知)，先知產品的定位是一個通用的平臺，這個通用的平臺如何適應剛才說到的不同細分場景的需求?

 

裴沵思：可以理解先知是把適配器、連接器、數據、AutoML算法等集成在一起的底層平臺。我們把它定義為平臺科技，或者我們叫科技平臺。這是我們整個大的產品研發系統，這塊的工作是在不停的標準化，它的目標是什么，是我能夠有更好的企業級適配效果，有更大的延展性，更強的計算水平，而且保證客戶數據處理的全生命周期都能夠囊括，以及我能夠不依賴于科學家構建AI應用的AutoML技術，這是這個產品的要求。

 

這個產品層之上的，我們叫客戶工程。客戶工程的解決的是怎么能夠滿足不同行業、不同客戶的需求。在這個層面上我們的策略，不是我們見到一個需求就形成一個產品或解決方案。更多的是說，我們在形成產品的過程當中，怎么能夠從分散的應用場景之中抽象出一些組件，由點到面，形成幾個能力中心，比如說營銷、供應鏈、IOT等。我們這里面是一個能力體系，能夠更好促進企業往前發展，而不是所有的需求都變成我的應用產品。而且我相信，即使投入再大，也不可能做到這樣。

 

《深網》：不久前IDC發布的一份報告顯示，第四范式是國內機器學習平臺排名第一的公司，超過了BAT、AWS、微軟等幾家互聯網巨頭。第四范式為什么能成為第一?

 

裴沵思：首先，在過去五年，我們在金融行業歷練出了一個比較強的產品。實際上企業的IT化水平會有一個階梯，最強的就是BAT，離BAT最近的就是金融行業，金融行業的數據質量，數據管理的力度、水平，遠比其他傳統行業高出一個很大的臺階。第四范式的團隊最早經歷了百度和頭條、后面進入到金融，這些IT能力強的行業有一個特點，就是我們不需要在application層面上消耗太多的資源，因為他們本身在應用層solution搭建能力太強，只要給他們AI的基礎平臺與input就夠了，比如用機器來做營銷、風控、反洗錢的流程是這樣的。實際上我們在這兩個最強的領域憋出了一個非常通用的底層AI能力，包括工程底座與數據治理。進入其他行業拓展市場時，我們在平臺上搭應用就可以了，這對之后進入更多市場提供了可能性。

 

第二，我們的機器學習平臺是整體商業化水平比較高的企業級平臺。這個平臺經受住了對技術、人才、產品綜合能力要求極苛刻的金融行業的歷練，這樣的能力去其他行業姿勢就相對比較從容了。另外還有一點，我們機器學習平臺產品相對其他選擇而言更實用、更高效、TCO更低，只有做到這些點，市場占有率才能到第一，否則以我們這七八百人的規模，這個市場占有率很難扛得住，說明這個平臺成熟了。

 

3、未來規劃

 

《深網》：您之前的職務是SAP全球副總裁，第四范式找您出任總裁的目標，是希望做成一家比較標準化的軟件公司?

 

裴沵思：目標是這樣。另外還會有軟硬件一體化的底層能力。

 

《深網》：AI發展到今天，很多企業0到1已經過了，1到10，有一些糾結，怎么樣我臟活累活少做一些，我盡可能產品化，又能夠復制出去。

 

裴沵思：就像我剛剛描述的，先知平臺是一個包含著算法、算力和數據治理的底層;上層是一個能力矩陣，這個能力矩陣的縱向是有IOT、CRM、SCM以及HR等企業通用價值鏈，然后橫向實際上是行業，上面是各行業的Know-How;而能力矩陣上面就說實際業務應用層面，這一層我們是以合作伙伴生態的辦法來實現。

 

我們試圖通過這樣一個體系，把能力矩陣這些東西變成組件，在組件上進行AI改造起步就是80分，會比你現在自己從底層開始做AI應用做得更快、更省力、上線時間更短。我就要行業Know-How，我就能驅動自己的1+N產生。

 

《深網》：第四范式提出要成為AI時代的SAP、Oracle，其實行業內的其他AI獨角獸很多也有自己的對標，您怎么看這種趨勢?

 

裴沵思：這兩年的AI公司更重要的是說，differentiation是什么?他說他像英特爾，我說我像SAP，Oracle，這實際上是告訴你們區別在哪里?應該怎么樣區別對待我們。 AI商業化落地的第一點，你要知道你是誰，你才能落地。之前有遇到這樣的情況，客戶說我要做AI，我把科大訊飛、第四范式和一個機器人公司放在一起競標，這個就有點尷尬了。這三家平行的對標，實際上對不出來的。

 

現在實際上是說，我們怎么能夠分清，我到底是干什么的，他是干什么的，有的是競爭，確實有競爭，但是有的不是競爭。我們可能有能力上的重疊，但是戰略上你發現就不是競爭了，我們開始走不一樣的方向了，這是一個定位更清晰的過程。

 

《深網》：第四范式在整體戰略上有聚焦這個說法，但同時第四范式的業務又拓展到不同的行業，應該怎么理解這種現象?

 

裴沵思：相比其他的公司，我們還是足夠聚焦的。戰略選擇，也意味著放棄。我們聚焦在企業決策類場景，比如說圖像識別我們也做得很好，很多訂單以現在的技術能力去也沒有問題，但是我們不會做一個卡口那樣的識別。

 

上億次的人工智能API調用未必代表企業智能化，未必代表企業會更聰明。企業的核心是經營，經營的核心是決策，所以第四范式始終專注在決策層，變革企業價值鏈。我們會把與企業決策相關的一系列應用做下來，利用機器在海量數據中尋找數億條規則，提升經營決策的準確性，這樣企業才是真聰明。

 

《深網》：能否舉個客戶用了AI來做決策后效果特別好的例子?

 

裴沵思：比如能源企業，能夠把能源企業原材料的價格和采購的成本下降1%，都可以產生巨大價值。某能源集團有一款化工產品價格趨勢的模型，讓人驚訝的是這一價格預測模型已有15年沒有變化了，缺乏對價格精準的預測。在這樣情況下，我們一起嘗試采用機器學習方式，做了化工品價格趨勢的AI模型，可以預測7天之內化工品的價格走勢，預測的精準度維持在了99.99%，從而幫助這家企業進行更好的動態成本控制的決策。

 

再如金融領域常見的反欺詐，第四范式幫助很多銀行用上了一種會自主判斷的風控模型，它能準確預測某筆交易的風險數值、做出預判并實時阻斷交易，避免損失。過去，交易欺詐永遠都是損失產生后銀行給你打電話的事后行為，因為當時的準確率是很低的，直接事中攔截會對大部分正常交易客戶產生不好的體驗。而機器決策的規則特別多，準確率提升了七倍，并能夠在20毫秒內做出攔截反應，就實現了實時的事中攔截。

 

《深網》：今年有AI獨角獸已經開始籌備上市事宜，第四范式在上市這塊是怎么考慮的?

 

裴沵思：其實我們現在的體量也可以做這件事，但我不認為現在急于干這件事。

 

在這個階段，我們希望可以把范式核心競爭力打磨得具有更高的壁壘，我覺得這兩年對于范式最重要的是一頭一尾，一方面是我們頭部客戶的Courage，建立行業壁壘;另外一方面，摸索出一套對于開發者，對于小型場景的創新和生態的機制。另外，5G之后AI市場又會發生一個很大的變化，這幾個疊加在一起，我覺得范式會有一個更大的時刻，有更好的價值。