AIOS 第四范式发布操作系统Sage 想做AI时代的Windows
在Sage AIOS操作系统出现之前,市场内机器学习相关工具、引擎、平台并不在少数,呈一时繁荣之势。但对于真正的使用者,企业客户、开发人员来讲,选择性多也意味着选择成本之高。
当下的机器学习平台服务商到了针对更多长尾场景提供定制化的节点,尽管从客户价值来讲是极好的,但服务商除了要解决某些技术上的挑战外,还得深入客户业务场景,了解并帮助其梳理需求。现阶段,第四范式在服务了8000家企业客户,初步形成金融+零售制造“一体两翼”的市场布局后,终于有机会抽身在产品建设上做一次全新的升级。
8月20日,第四范式公布了四款新品分别是:企业级AI操作系统Sage AIOS、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。
第四范式创始人兼CEO戴文渊指出,“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。”这句话道出了第四范式酝酿已久的四款产品所解决的问题,也反映出其踩尽了不少坑后终于合上了AI落地的闭环。
简单来讲,Sage AIOS首先解决的是数据治理的问题。
据了解,在企业AI落地的过程中,数据科学家45~90%的时间都投入在数据治理上,尽管如此,数据质量仍困扰着AI业务效果的提升。
为此,Sage AIOS首先对数据形式进行了如文档格式版标准化的定义: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。
这样,一个数据形式对应一个业务场景,并且沉淀了各个场景中数据治理的经验。
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”。为此,Sage AIOS还采用了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。
例如在制造行业,工业现场环境中可能没有数据,或者大量沉默数据。对于商业陌生且技术挑战颇大的新行业落地,却并非易事。第四范式联合创始人、首席研究科学家陈雨强向雷锋网解释,
基于第四范式AutoML技术和“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,让用户能像使用自动相机拍照一样建立AI应用。
效果来讲,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。值得一提的是,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。
智能运营业务系统天枢其实在2019年就已经上线运行了,此次升级后的天枢2.0将基于AIOS平台,具备搜索、全面个性化、智能客服(多轮对话、个性化推荐)、智能推送等功能,并支持二次开发的定制化能力。
如何降低人工智能算力的总拥有成本,让算力更加可负担、性价比更高是业内目前非常有挑战的一件事。据了解,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%。
而此次全新AI算力平台SageOne 2.0面向整个AI全生命周期,从计算、存储、网路、调度上均进行了针对性优化。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。
此外,第四范式还宣布了与华为在软硬件生态体系上的适配。
谁在使用这些AI产品?
可以说,新冠疫情激发企业用户在线化、数字化需求的背景下,对于第四范式而言,2020是颇为具有意义的一年。
在此之前,第四范式一直以技术产品为导向,从核心系统、平台、开发工具、算力平台到场景、行业解决方案逐步去覆盖。其背后的逻辑在于,机器学习平台型产品首先解决的是核心系统、引擎的问题,然后再考虑数据、存储、资源调度问题,像此次发布的Sage AIOS、Sage HyperCycle ML基本围绕的就是先知品牌系列。
而2020年是第四范式全面进军各个行业的一年,目前形成了以金融为主体,制造、零售两轮齐飞,在航空、医疗、互联网、媒体多方面发展的全新格局。
就连第四范式总裁裴沵思也承认,零售行业之于第四范式,是疫情激发出的一个用户需求十分突出的行业,可以用“爆发式”形容都不为过。
那么,究竟谁来使用这些AI产品呢?
或许可以此次最受人关注的AIOS为例进行说明。陈雨强表示,
再以全新品牌天枢为例,第四范式联合创始人、首席架构师胡时伟告诉雷锋网,
这侧面说明,相比于单纯的推荐系统,天枢所面向和提供的是更为业务导向的价值输出,落地在零售行业、银行、互联网等成熟型用户市场,与上文提及的机器学习平台型产品恰好构成了“一横一纵”的服务模式。实际上,天枢可以通过跟企业客户原先的IT系统打通,进而提供服务。
也就是说,正因为在平台的覆盖面上比原来更广,在业务层面上也比原来更加深入客户,更加端到端和直接可用,也促使第四范式能够服务的客群范围得以持续地增加,且深度地使用起来。
而这也可能是第四范式在提出企业构建AI竞争力“1+N”世界观之后,给出了经过验证的良心商业方法论。
(雷锋网)
原创文章,未经授权禁止转载。详情见 转载须知 。