“科學規(guī)律的數(shù)量井噴，產(chǎn)業(yè)全面進入科學時代”，第四范式創(chuàng)始人兼CEO戴文淵道出了他的洞察。

1998年圖領獎獲得者Jim Gray于2005年提出《第四范式》，第四范式的典型特點是數(shù)據(jù)科學，計算機從海量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律、形成理論詮釋自然現(xiàn)象。此即第四范式公司的愿景與目標。

戴文淵提到，在第四范式時代，企業(yè)的評估指標發(fā)生了變化，從追逐資產(chǎn)負債率、增長率、凈資產(chǎn)收益率等維度，改為追求創(chuàng)新速度，比如每天能找到多少個客戶需求，每天能發(fā)現(xiàn)多少種降低成本的新方法，每天能找到多少個提升企業(yè)運營效率的新思路。

這不是僅僅靠增加人力就能實現(xiàn)的任務，商業(yè)智能的重要性在此凸顯。

智能化轉型1+N新范式

戴文淵提出了企業(yè)全面智能化轉型新范式：1+N。1代表追求極致的業(yè)務效果，如何充分發(fā)揮數(shù)據(jù)的價值，如何從“事后分析”變?yōu)椤皩崟r決策”。N代表追求規(guī)模化落地效率，如何讓一個Web開發(fā)人員也能開發(fā)AI應用，如何解決AI落地過程中的數(shù)據(jù)瓶頸。

在1+N之下，充沛且高效的算力是基礎，第四范式不僅提供軟件開發(fā)平臺，還提供AI算力的硬件平臺，

第四范式聯(lián)合創(chuàng)始人兼首席架構師胡時偉回答了如上1+N的問題，第四范式認為，統(tǒng)一方法論+AutoML=快速構建AI應用，面向AI數(shù)據(jù)治理=規(guī)模化AI落地。

構建“閉環(huán)AI應用”的兩大挑戰(zhàn)，其一是數(shù)據(jù)的準備，傳統(tǒng)的數(shù)據(jù)積累并不適配于AI應用，AI數(shù)據(jù)準備平均耗時達到14人月；其二是模型的開發(fā)，AI專業(yè)人才缺失+高難度復雜的模型開發(fā)上線過程，導致模型開發(fā)上線平均周期達到了16人月。

在AI數(shù)據(jù)治理中，第四范式能夠提供數(shù)據(jù)采集訪問雙實時，全量原始數(shù)據(jù)，線上線下一致性和利用回流數(shù)據(jù)自動標注的功能

有了大規(guī)模AI應用，并不意味著萬事大吉，很多時候算力都會成為阻礙。胡時偉提到，在追求核心場景的極致效果案例中，隨著數(shù)據(jù)量擴大，機器數(shù)量是指數(shù)級上升而非線性；在追求規(guī)?；涞卮罅緼I應用場景的案例中，隨著機器數(shù)量和場景數(shù)量增長，整體TCO也是指數(shù)級增長。傳統(tǒng)算力和AI應用負載之間存在天然的鴻溝。