人工智能独角兽，就是不爱讲人话

出品| 虎嗅科技组

作者| 宇多田

视频拍摄&剪辑&配音| 宇多田

编者注：

这是我们参加线下发布会的一次新尝试——把AI产品用视频的形式展现，同时又能尽最大努力把技术和产品用更通俗的方式表达出来。当然，我们的视频还有太多不足，而2B产品的讲解也有一定的认知局限性，所以，还请各位观众大佬轻捶。

 

我们在上上周参加了人工智能独角兽公司--第四范式的产品发布会。这应该算是新冠疫情爆发之后我们参加的第一个线下人工智能发布会。

在过去半年里，很多公司都是把发布会搬到了线上，但是吧……很多AI和大数据等技术公司发布产品有个很大的问题——你纯靠听，是听不懂的，大部分都不喜欢“讲人话”。

 

因此，我们希望能通过现场试用demo产品，以及与现场产品工程师聊天的方式，将一些难懂的概念更加清晰地呈现出来。

 

先来介绍一下第四范式，估计如果你不了解国内人工智能产业就很难听到这个名字。这是一家为金融、零售等很多传统行业提供人工智能平台服务和解决方案的技术公司。

 

其创始人兼CEO戴文渊背景挺牛逼的，在没有创立第四范式前，是百度的高级科学家，据说是第一个给百度搜索做AI并用AI赚到钱的人。

 

戴文渊

 

因为有技术门槛，人工智能创业圈拿投资特别看人，所以第四范式顶着一堆牛逼科学家的光环，2015年成立后就拿到了红杉资本的A轮融资，之后融资也是顺风顺水，在2020年C+轮之后，它的估值就已经超过20亿美元，是中国名副其实的AI独角兽。

 

但是在第四范式成立后的5年里，虽然公司已经对外发布过很多产品，戴文渊也亲自解读过自己的商业模式。但是外界仍然有很多疑问。譬如就有人吐槽，搞不清楚他们所谓的“AI赋能型通用平台”到底是干嘛的，以及靠什么赚钱。

 

所以我们趁着这次的线下发布会，在他们的产品展台区转了一圈，除了想搞清楚他们的产品概念，也也想知道这些东西到底能给中国传统产业带来什么。

 

中国式卖软件：硬件和软件，一个都不少

 

如果直观来看第四范式发布了的产品，有两大类：底层和中层算法和软件平台工具，以及可提供算力的硬件组合。但对于普通人来说，能真正能够感受到的东西，是基于他们算法和一堆特殊场景数据建立起的上层应用。

 

举个例子，为什么你会觉得自己在某宝上的个性化商品推荐越来越准，或者说，你刚刚在商场买了一件大衣，之后你就感受了各种邮件、搜索广告的精准营销轰炸。其实这里面都有AI算法的存在。第四范式将其简单归为四道工序：

 

首先，他们获得你的行为数据；

 

其次，再运用大数据等技术收获更多深度数据；

 

第三，再整合这些数据到自己的机器学习平台和知识图谱平台上，据第四范式称，他们的算法平台产品可以自动建立算法模型；

 

最后，一个适用于某特殊场景的基础应用就诞生了，譬如基于城市道路卡口和小区摄像头等多维数据建立的安防智能搜查&预警系统。随着它被喂食的相关数据越来越多，它也会变得越来越准。

 

如果说安防预警系统（视频中）和零售精准营销系统等应用，是从这些平台上“生长”出来的；那么无论是机器学习平台HyperCycle系列，还是知识图谱构建平台Sage knowledge base，都是从他们的AI操作系统（AIOS）上“生长”出来的。

 

AI操作系统是本次发布会的重头戏，第四范式工程师向我们解释，它其实相当于安卓操作系统的AI版。而“机器学习自动化建模平台”（HyperCycle）、天枢智能营销平台，都是系统内置好的工具类app。

 

当然，你也可以把它看做是一个“AI中台”，阿里、百度都有此类产品。

 

但需要注意的是，AI操作系统中的“app”，并不是给普通人用的，而是面向企业客户。

譬如像HyperCycle这种内置工具，由于“自动化”程度较高，因此一些传统行业的业务人员也根据场景需要构建算法模型；但也有很多专业性较强的应用，需要有AI基础的人来操作。

 

当然，这个系统跟很多竞品一样，是开放的，需要更多企业团队与第三方开发者来平台上构建更多新应用。因此，AIOS也为这些人提供了一种基于服务器产品的数据资源调度能力与数据格式规范。

 

以某大型商场为例，如果他们的建模技术团队需要使用这个AI操作系统，他们需要首先将操作系统的“管理模块”安装到企业后端的服务器（物理机）上，前端只要通过一个URL就能直接访问操作界面。

第四范式的硬件组合

 

因此，既然要安装操作系统，就不得不涉及到硬件部署和管理，这也是第四范式一定要做FPGA芯片和异构服务器的原因之一。现场工程师告诉我们，如果有私有化部署的企业设备过于老旧，以至于不能兼容，那么采购软硬件一体方案会更加靠谱。

 

把软硬件组合卖给企业客户，才是第四范式的终极商业目标。

“AIOS是中上层软件运行的基础设施软件，所以它不会被单独定价，而是要跟上层应用一起打包卖。从上层应用来看，根据客户的需求不同会有所不同，比如说有客户只想要操作系统里的一个‘word’，那就只考虑一个应用方案的价格，也不用去理解那么多复杂的概念。

但具体计价方式，则仍然是需要按照底层到底用了多少算力来付费，譬如消耗了多少块CPU或GPU。

不过，如果一个企业客户需要的应用比较多，就肯定会消耗很多算力。很多客户主动找到我们，说买一套服务器太贵怎么办？这个时候我们就会推荐AIOS，购买这种软硬一体模块会自带很多软件，整体的成本低于一台机器加一个软件的成本，大概就是这样的付费思路。”第四范式联合创始人陈雨强告诉虎嗅。

 

但是，一家软件服务公司，真的能同时做好服务器和芯片吗？这也是我们一直留存的疑问。而戴文渊在接受采访时也解释了这个问题：

 

他们不是芯片设计公司，也不是服务器制造商，更像是一种系统集成商。

 

这就好比你到底是直接买一个台式机，还是自己买台二手服务器和配件来组装台式电脑，归根结底还是要看你自己的特殊需求。

所以要提醒一下，第四范式的硬件是专门为了满足人工智能算法的训练和推理需求而设计的，甚至还与华为、英特尔等硬件大佬推出“针对AI应用加速的联名特别款”。

 

也就是说，这些显卡或服务器可能只在某些人工智能任务（也就是他们的主营业务）上技高一筹，恰好迎合了“异构计算”这个因人工智能时代算力暴增而出现的服务器市场趋势。

 

中国企业两大难题催生两大趋势

 

华为等中国企业这几年来的境遇，让国内越来越多的企业开始重视“从底层寻找国产化方案”这件事情。

 

戴文渊对此感触很深。因为“国产化”这件事情虽然谈了挺多年，但两三年前他们到客户那边谈一谈，也就只是“谈一谈”，真正落地的时候可能还是落在了英特尔的服务器上。但今年，越来越多的客户开始请他们把应用做国产化处理。

 

从第四范式的投资方就能看出，他们的企业客户主要有两种，一种是以市场竞争为导向的企业，还有一类就是国有企业——大量的金融机构、国家电网能源企业。

 

而国有企业对于性价比的考虑，在这个时间节点上远没有对于安全性的考虑那么的迫切。

 

因此，随着这一类企业国产化的诉求愈加高涨，软件服务和硬件企业也被倒逼去研发和生产“端到端都能国产化的产品”。

 

“在这些企业的核心生产系统里面，未来很有可能会产生更大的‘卡脖子’影响，越快的国产化对于他们未来是生死线。” 戴文渊告诉虎嗅。

 

另一方面，像华为这样的硬件大佬，也越来越愿意跟更多创业公司一起打开自由竞争市场。这对于软硬件国产化，也是一股很大的推动力量。

 

“如果看国内企业购买意愿的话，AI加速器和服务器的销售绝对没有问题。但实话实说，现在产品很多还不太行，在落地时确实存在很多问题，我们在上半年也踩了很多坑，排了很多雷。譬如ARM的CPU，在网页兼容性方面都出现了很大问题。

 

但好在操作系统在我们自己手上，如果我们出现兼容性问题就去改。国产化对于没有自主可控操作系统能力的厂商来说，是比较大的挑战。

举个例子，你可能是基于谷歌深度学习框架Tensorflow上面开发应用，但现在Tensorflow和下面都不兼容了，这时候你怎么做？挑战还是非常大的。”

 

另一个难题，则是大众看到了AI落地难，但没有看到传统企业自身存在的大量认知和企业架构问题。

 

戴文渊在内部，把“客户AI转型成功的过程”定义为五个阶段：

 

• 第一个阶段，是实验阶段（迷茫阶段）。客户知道拥抱AI，但是不知道怎么拥抱AI，那时候就会盲目上各种各样的应用，譬如把公司的门禁系统变成刷脸系统。过了一年之后发现，不刷脸我们公司也挺好。

 

• 第二阶段，是落地阶段。帮企业真正找到业绩提升的价值点。譬如银行的反欺诈应用的确帮他们省了钱。

 

• 第三阶段，就是技术自主阶段。落地阶段可以请外部软件公司帮自己建立一个反欺诈应用，想落第二个“反洗钱应用”时还得再请外援做一遍。但自主的定义是“举一反三”——需要做精准营销、智能客服的时候，可以自己提需求，自己开发，自己落地。

 

• 第四个阶段，是规模化阶段。也就是说，一家企业想上线超过100多种相关应用，效率就会变得非常关键。

 

• 第五个阶段，是转型升级阶段。今天绝大多数传统企业还没有完成智能转型升级。而典型的人工智能转型升级企业，是今日头条、百度等公司。这些企业的特点是，如果今天把人工智能从他的企业里面拿掉，它立马关门。

 

而戴文渊谈到的坑，更多是企业从第三阶段往第四阶段走的过程中出现的，也就是“从自主到规模化”的过程。

 

“今天，工行任何AI需求如果不考虑落地的效率，一两年内一定没有问题。但有问题的是什么？如果在一年内落地一千个场景，那一定是有问题的，这时候就需要一个更大的技术输出平台。”

 

此外技术升级的过程也映射出中国传统企业在组织架构上的滞后性。

譬如戴文渊提及一个让企业客户一直都很困惑的问题：每家公司都有一个CEO，也有一个CTO，但人工智能的落地到底是CTO的事情还是CEO的事情？

 

戴文渊发现，按照CEO和CTO的分工，人工智能落地既不是CEO的事情，也不是CTO的事情，传统CTO是负责IT运维保障，CEO集中在管理层面，而AI需要从业务的角度梳理出方向，并交由IT落地。所以AI放在哪个组织里其实都挺拧巴。

 

“我们今年在内部推了一个新的名词叫‘CAIO’。我认为中国缺少一大批CAIO，这个CAIO的角色有点像我原来在百度的角色，既不能说我是做业务的，也不能说我是做IT的，我既做业务也做IT，我在用AI的技术规划业务未来的发展，并且用技术落地，就是这样的角色。

 

CAIO不一定是科学家，他需要了解AI能做什么，不能做什么；这个职位的缺失，也反映出过去几年中国AI落地的盲目与冲动。”