【第四范式】专访第四范式裴沵思：第四范式希望成为AI时代的甲骨文
人工智能不仅是围绕人脸识别、语音识别、无人驾驶等炫酷场景的前沿科技，人工智能与各个传统行业的结合同样能创造出巨大的价值。
如何利用AI改造传统行业、推动企业的数字化转型？对于这个问题，人工智能独角兽第四范式认为，随着人工智能规模化落地，企业在制定AI转型路线时可考虑“1+N”的应用场景模式：“1”是结合公司核心业务，把1个或几个对业务影响最大的场景做到极致；“N”是用最高的效率规模化落地尽可能多的应用场景，使场景的总体价值最大化。
第四范式总裁裴沵思在近期接受《深网》专访时，详细阐述了第四范式提出的利用AI改造传统行业的方法论：“AI在企业中的改造实际上是分两个阶段，一是怎么landing（落地），二是怎么快速的繁殖、扩张，第四范式的核心策略是1+N。”
““1”是怎么切入的问题，由“1”带动“N”背后暗含着机器学习平台与生俱来的能力。打通一个企业的核心业务“1”，企业彻底理解智能化，企业会自发的在自家场景里找长尾业务“N”。“N”的过程实际上是我们要帮助企业，或者给企业一个建议，怎么能让“N”走得更好、更快，这里面最核心的实际上是变革管理。”
在裴沵思看来，企业AI转型的核心，首先是找到最合适的进入点，其次是通过这个进入点进一步找到更多应用场景。
裴沵思向《深网》介绍了上述方法论的一个具体实践案例。第四范式在与百胜餐饮的合作中发现，APP点餐系统的推荐功能可以成为AI落地的切入点，“点了汉堡薯条的话，再加一对鸡翅更实惠”，而当有了AI算法的加持后，合作伙伴的客均单价也得到了提升。在找到点餐推荐这个切入点后，第四范式又帮助百胜找到了数十个应用场景，“这些场景做出来以后，就是一个智慧营销大脑，AI就已经有很大的价值了。”裴沵思说。
当然，对于AI技术与服务提供方来说，为了能够帮助客户实现AI的规模化应用落地，除了方法论之外，数据治理能力和AI算力同样是必须具备的技术实力。
对此，第四范式此前发布了企业级AI 软硬一体集成系统SageOne（先知）。第四范式希望通过自研的AI训练、推理和特征存储引擎，重新定义硬件中的芯片、存储、网络等组件。据第四范式介绍，先知平台根据企业AI应用的实际情况进行了专用计算架构、资源管理和调度等方面的深度优化和加速，能够为AI的规模化应用落地提供充沛的算力。
“先知平台是一个包含着算法、算力和数据治理的底层平台”，裴沵思表示，第四范式希望对这个底层平台不断标准化，从而拥有更好的企业级适配效果、更大的延展性以及更强的计算水平。而在底层技术平台之上的产品层，第四范式的策略则是，“从分散的应用场景之中抽象出一些组件，由点到面，形成几个能力中心，比如说营销、供应链、IOT等。”
据裴沵思介绍，第四范式的目标是成为一家标准化的软件公司，这个目标构建在其软硬件一体化的底层能力之上。而事实上，第四范式此前也对外表示要成为AI时代的SAP/Oracle，SAP是全球企业管理软件与解决方案的技术领袖，而Oracle是全球最大的企业级软件公司。
以下为《深网》整理的部分采访实录：
1、AI改造传统行业的方法论
《深网》：第四范式提出了AI改造传统行业的方法论“1+N”，这背后的核心逻辑是什么？
裴沵思：AI在企业中的改造实际上是分两个阶段，一是怎么landing，二是怎么快速的繁殖、扩张，第四范式的核心策略是1+N。“1”里面，我们希望跟客户一起探寻的是企业里面相对高价值的场景，这些场景每提升一个百分点，都很关键。有的时候，我们和客户双方都会有一种欲望就是说尽快把这件事做成，就会做一些很简单的事，拿一部分数据出来做一些场景。实际上我们一直非常克制这样做。
第四范式在做的是帮助企业完成AI转型，而不是有了AI就行。这对我们的要求就会非常高，我们需要很了解客户整个数据是怎么回事、业务流程是怎么回事以及业务场景是怎么回事。我们一起去找到那个1并实现它。做到1的时候会发现实际上双方都花很大的力气，不只是在做一个AI应用那么简单，你可能要帮他治理数据，甚至颠覆业务流程。但是一旦做通会产生巨大的业务提升，成为企业内部的“标杆”，又会形成很强的势能在快速复制，这样才能带动企业的智能化进程。
《深网》：按照您刚才提到的逻辑，是否意味着找到“1”是非常难的？现在第四范式在金融、零售领域都有类似的场景，其他的场景怎么找？
裴沵思：举几个例子，我们发现能源行业管道管理就是一个1。我们现在在某头部油公司已经成功上线了。它的管道上其实有非常多的传感器，也有很多数据，但是收集数据、处理数据的效率非常低。但是现在用了机器学习的方法之后，能极大提高效率，提升判断管道事件的及时性和准确性。一旦客户能够看到AI改造创造的价值，从“1”到N的势能就出现了，现在我们跟客户已经开始找更多这样的场景，快速复制出来。
另外在装备制造行业，我们正在将发动机的很多传感器数据回传，而且用AI的方式来解决。实际上，这是装备制造业由制造业向服务业转型的关键场景，对它的装备性能做一个实时的监控与判断，并且能够快速迭代。这些场景在各行各业中都适用，我们已经看到几个核心行业的客户都能够找到类似的场景。
《深网》：从“1”到“N”企业需要经过哪些过程？
裴沵思：“1”是怎么切入的问题，由“1”带动“N”背后暗含着机器学习平台与生俱来的能力。打通一个企业的核心业务“1”，企业彻底理解智能化，企业会自发的在自家场景里找长尾业务“N”。
“N”的过程实际上是我们要帮助企业，或者给企业一个建议，怎么能让“N”走得更好、更快，这里面最核心的实际上是变革管理。我们在提AI转型的时候，在这部分其实谈了很多在IT层面、业务层面、流程层面、架构层面应该怎么发生变革？随着“N”规模化应用，数据变的越来越聪明的过程中，你的业务流程怎么跟它适应。企业AI转型的方法论就是这两个，一个是怎么找到最合适的进入点，后面是通过这个场景怎么进一步找到更多场景，IT与业务上怎么配合，大概是这样一个的“1+N”。
《深网》：在帮助企业找场景的过程中，对于场景什么要求？
裴沵思：我们在找场景的时候有几点要求。包括数据量，大到一定的量才行，另一方面是得有反馈数据，如果只是数据的积累没有反馈对AI来说没有任何意义。满足这几点规则后，在这些场景能够被AI化之后，我们再看谁的场景价值更大。
《深网》：利用AI改造传统行业，最终还是要给传统行业创造价值。您能否举一个具体的案例，第四范式找到了这个1，在这个1扩展成N以后，第四范式是如何给这个企业或行业创造价值的？
裴沵思：百胜中国经营着8700余家餐厅，肯德基、必胜客没少吃吧？但其实我们发现在百胜要找的1 很简单，就是Trade up — 提升单客户对营收的贡献。在APP点餐会出现推荐，点了汉堡薯条的话，再加一对鸡翅更实惠。用这样的算法之后，每个人的平均单价一下就提升了。
做AI会上瘾，没人想止步于点餐场景。现在我们还帮百胜谋划了数十个场景，都是跟智能营销相关的，这些做场景出来以后，就是一个智慧营销大脑，AI就已经有很大的价值了。除了营销，还有生产、供应链等等，在企业价值链的很多节点上，都能够做类似这样的AI改造。把这样几个场景连在一起，变成一个体系，让企业内部神经系统发生进化。只有又专、又精、又准地积累，才能最终实现智能化大发展。
《深网》：利用AI改造传统产业，做下来会不会存在这种情况：做成场景by场景或者case by case了，做完一个案例之后没有形成泛化的能力？
裴沵思：所以我们让范式的所有员工去思考，在每一次AI改造过程中得到了什么，对客户意味着什么，对整个行业意味着什么，对我们产品意味着什么。这些思考反过来和产品有更好的呼应，这是产品的通用性和标准化逐渐提高的过程。
2、技术支撑
《深网》：第四范式之前发布了企业级AI 软硬一体集成系统——SageOne（先知），先知产品的定位是一个通用的平台，这个通用的平台如何适应刚才说到的不同细分场景的需求？
裴沵思：可以理解先知是把适配器、连接器、数据、AutoML算法等集成在一起的底层平台。我们把它定义为平台科技，或者我们叫科技平台。这是我们整个大的产品研发系统，这块的工作是在不停的标准化，它的目标是什么，是我能够有更好的企业级适配效果，有更大的延展性，更强的计算水平，而且保证客户数据处理的全生命周期都能够囊括，以及我能够不依赖于科学家构建AI应用的AutoML技术，这是这个产品的要求。
这个产品层之上的，我们叫客户工程。客户工程的解决的是怎么能够满足不同行业、不同客户的需求。在这个层面上我们的策略，不是我们见到一个需求就形成一个产品或解决方案。更多的是说，我们在形成产品的过程当中，怎么能够从分散的应用场景之中抽象出一些组件，由点到面，形成几个能力中心，比如说营销、供应链、IOT等。我们这里面是一个能力体系，能够更好促进企业往前发展，而不是所有的需求都变成我的应用产品。而且我相信，即使投入再大，也不可能做到这样。
《深网》：不久前IDC发布的一份报告显示，第四范式是国内机器学习平台排名第一的公司，超过了BAT、AWS、微软等几家互联网巨头。第四范式为什么能成为第一？
裴沵思：首先，在过去五年，我们在金融行业历练出了一个比较强的产品。实际上企业的IT化水平会有一个阶梯，最强的就是BAT，离BAT最近的就是金融行业，金融行业的数据质量，数据管理的力度、水平，远比其他传统行业高出一个很大的台阶。第四范式的团队最早经历了百度和头条、后面进入到金融，这些IT能力强的行业有一个特点，就是我们不需要在application层面上消耗太多的资源，因为他们本身在应用层solution搭建能力太强，只要给他们AI的基础平台与input就够了，比如用机器来做营销、风控、反洗钱的流程是这样的。实际上我们在这两个最强的领域憋出了一个非常通用的底层AI能力，包括工程底座与数据治理。进入其他行业拓展市场时，我们在平台上搭应用就可以了，这对之后进入更多市场提供了可能性。
第二，我们的机器学习平台是整体商业化水平比较高的企业级平台。这个平台经受住了对技术、人才、产品综合能力要求极苛刻的金融行业的历练，这样的能力去其他行业姿势就相对比较从容了。另外还有一点，我们机器学习平台产品相对其他选择而言更实用、更高效、TCO更低，只有做到这些点，市场占有率才能到第一，否则以我们这七八百人的规模，这个市场占有率很难扛得住，说明这个平台成熟了。
3、未来规划
《深网》：您之前的职务是SAP全球副总裁，第四范式找您出任总裁的目标，是希望做成一家比较标准化的软件公司？
裴沵思：目标是这样。另外还会有软硬件一体化的底层能力。
《深网》：AI发展到今天，很多企业0到1已经过了，1到10，有一些纠结，怎么样我脏活累活少做一些，我尽可能产品化，又能够复制出去。
裴沵思：就像我刚刚描述的，先知平台是一个包含着算法、算力和数据治理的底层；上层是一个能力矩阵，这个能力矩阵的纵向是有IOT、CRM、SCM以及HR等企业通用价值链，然后横向实际上是行业，上面是各行业的Know-How；而能力矩阵上面就说实际业务应用层面，这一层我们是以合作伙伴生态的办法来实现。
我们试图通过这样一个体系，把能力矩阵这些东西变成组件，在组件上进行AI改造起步就是80分，会比你现在自己从底层开始做AI应用做得更快、更省力、上线时间更短。我就要行业Know-How，我就能驱动自己的1+N产生。
《深网》：第四范式提出要成为AI时代的SAP、Oracle，其实行业内的其他AI独角兽很多也有自己的对标，您怎么看这种趋势？
裴沵思：这两年的AI公司更重要的是说，differentiation是什么？他说他像英特尔，我说我像SAP，Oracle，这实际上是告诉你们区别在哪里？应该怎么样区别对待我们。 AI商业化落地的第一点，你要知道你是谁，你才能落地。之前有遇到这样的情况，客户说我要做AI，我把科大讯飞、第四范式和一个机器人公司放在一起竞标，这个就有点尴尬了。这三家平行的对标，实际上对不出来的。
现在实际上是说，我们怎么能够分清，我到底是干什么的，他是干什么的，有的是竞争，确实有竞争，但是有的不是竞争。我们可能有能力上的重叠，但是战略上你发现就不是竞争了，我们开始走不一样的方向了，这是一个定位更清晰的过程。
《深网》：第四范式在整体战略上有聚焦这个说法，但同时第四范式的业务又拓展到不同的行业，应该怎么理解这种现象？
裴沵思：相比其他的公司，我们还是足够聚焦的。战略选择，也意味着放弃。我们聚焦在企业决策类场景，比如说图像识别我们也做得很好，很多订单以现在的技术能力去也没有问题，但是我们不会做一个卡口那样的识别。
上亿次的人工智能API调用未必代表企业智能化，未必代表企业会更聪明。企业的核心是经营，经营的核心是决策，所以第四范式始终专注在决策层，变革企业价值链。我们会把与企业决策相关的一系列应用做下来，利用机器在海量数据中寻找数亿条规则，提升经营决策的准确性，这样企业才是真聪明。
《深网》：能否举个客户用了AI来做决策后效果特别好的例子？
裴沵思：比如能源企业，能够把能源企业原材料的价格和采购的成本下降1%，都可以产生巨大价值。某能源集团有一款化工产品价格趋势的模型，让人惊讶的是这一价格预测模型已有15年没有变化了，缺乏对价格精准的预测。在这样情况下，我们一起尝试采用机器学习方式，做了化工品价格趋势的AI模型，可以预测7天之内化工品的价格走势，预测的精准度维持在了99.99%，从而帮助这家企业进行更好的动态成本控制的决策。
再如金融领域常见的反欺诈，第四范式帮助很多银行用上了一种会自主判断的风控模型，它能准确预测某笔交易的风险数值、做出预判并实时阻断交易，避免损失。过去，交易欺诈永远都是损失产生后银行给你打电话的事后行为，因为当时的准确率是很低的，直接事中拦截会对大部分正常交易客户产生不好的体验。而机器决策的规则特别多，准确率提升了七倍，并能够在20毫秒内做出拦截反应，就实现了实时的事中拦截。
《深网》：今年有AI独角兽已经开始筹备上市事宜，第四范式在上市这块是怎么考虑的？
裴沵思：其实我们现在的体量也可以做这件事，但我不认为现在急于干这件事。
在这个阶段，我们希望可以把范式核心竞争力打磨得具有更高的壁垒，我觉得这两年对于范式最重要的是一头一尾，一方面是我们头部客户的Courage，建立行业壁垒；另外一方面，摸索出一套对于开发者，对于小型场景的创新和生态的机制。另外，5G之后AI市场又会发生一个很大的变化，这几个叠加在一起，我觉得范式会有一个更大的时刻，有更好的价值。
