五年落地超8000家客户，这家公司找到AI规模化落地方法

得益于Windows系统，微软将PC的能力快速大规模地赋予了更多的企业和个人。在人工智能领域里，也有一家公司看到了AI操作系统的重要性。

8月20日，在第四范式以“万悟赋能 商业生花”为主题的新品发布会上，第四范式正式对外发布Sage AIOS，开辟中国乃至全球企业级AI操作系统。与Sage AIOS同时发布的新品还有第四范式自动化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。

第四范式成立于2014年，业务范围覆盖金融、零售、医疗、制造、互联网、媒体、政府、能源和运营商等众多行业领域。在过去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。

在发布会上，第四范式创始人兼CEO戴文渊表示：“多年来第四范式在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。”

图为“第四范式Sage AIOS产品界面”

据第四范式介绍，Sage AIOS的定位是AI时代的Windows（操作系统）。在PC时代，Windows的地位不可撼动，在其通用且强大的平台上，运行着各种应用软件，并基于低门槛的“桌面管理”实现人人可用。

Sage AIOS作为人工智能的标准化管理平台，同样封装了各类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。

据第四范式AIOS产品负责人黄缨宁介绍，AIOS最为重要的设计是数据治理。第四范式在帮助企业落地AI的过程中发现，数据治理甚至占据高达95%的时间，即便花费了这么多的时间，数据质量问题仍然困扰着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。

具体而言，AIOS平台上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。

如果说定义了“数据形式”，相当于定义了AI版Windows的文件格式，那么有效的资源调度与管理机制，则是Windows的“进程调度器”，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全流程耗时节约三分之二时间。

除了解决操作系统便利问题外，在这次的发布会上，针对AI落地的其他困境，第四范式也提出了自己的解决方法。

比如面临AI行业科学家紧缺，系统操作人员非AI专业人士的问题，第四范式推出了“HyperCycle ML” AI高级语言。它可以将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。

在AI算力上，算力需求和成本的增加也是AI落地的一大困难之一。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。值得一提的是，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%。

为此，第四范式推出了SageOne，为AI量身定做的软件定义算力平台，它将计算、存储、网路、调度全方面动态考虑，有针对性地进行优化，真正解决AI算力浪费的问题。据第四范式介绍，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。

(本文来自澎湃新闻，更多原创资讯请下载“澎湃新闻”APP)