近日，全球领先科技研究和咨询机构Gartner接连发布了《新兴技术与趋势(ETT)影响力雷达2021》、《新兴技术与趋势影响力雷达：人工智能》年度重磅系列报告，第四范式与阿里巴巴、腾讯、百度、华为、中兴一同入围，且成为Composite AI（组合式AI与AI中台）技术领域唯一来自中国的代表厂商。

《新兴技术与趋势(ETT)影响力雷达》是一套系统性的技术评价体系，囊括了技术价值、技术影响力和趋势周期三大维度11个细分标准，与技术成熟度曲线（HypeCycle）并列为全球新兴技术领域最先进的评估工具和模型。Gartner每年会发布新兴技术雷达综合报告以及人工智能、云计算等重要新兴技术方向专题报告。

Composite AI是近两年备受关注的新兴技术，此次Gartner不仅将Composite AI列入人工智能专题报告的技术雷达，还与5G, 物联网, 量子计算、深度学习等其它21项前沿技术共同列入了2021年综合新兴技术雷达。Gartner认为该技术“将推动生产效率的革命性提升（Productivity Revolution），并在未来3~6年持续产生极为重大的影响”。 

Gartner, Emerging Technologies and 

Trends Impact Radar 2021

AI技术与领域知识组合

突破模型落地的价值局限

Gartner指出，AI技术在为企业解决错综复杂的业务问题时面临多方面挑战，既要揭示隐含在海量数据中未知的知识和模型，又要以结构化方式捕获已知机理（专家认知或规则），同时还需要考虑如何在有限的算力、时间等条件约束下给出最优的方案。因此，相比于单独采取机器学习、专家规则、某些技术进行优化，特定的AI技术、领域知识以及其它数据科学技术进行组合应用可快速、有效地实现业务价值进一步提升，即应对复杂问题的Composite AI解决方案。

报告中，Gartner借鉴了第四范式在疫情防控中的应用案例，认为经典AI技术在应对“小数据”等情况时存在诸多挑战，因此加速了科技公司对Composite AI及其对应支撑能力的投资，从而建立竞争优势。

在此次疫情防控中，第四范式构建了一套覆盖追踪传播路径、筛查高危人群、推演疫情发展等疫情防控关键能力的疫情防控系统，通过数字孪生系统的搭建，可就防疫决策一旦实施所带来的影响进行精准的仿真预判。在搭建过程中，基于传统经验构建机理模型或数据构建模型的方式，都难以独立保证真实世界还原度与有效性。一方面，SEIR等机理模型受限于领域知识，无法全面精准的考虑各类影响。另一方面，基于数据的建模也由于缺少充足的历史数据积累，难以高效构建相关模型。

第四范式采用了“数据驱动结合机理模型”的方式，突破了专家规则和AI规则各自的局限性，成功构建了包含数十万参数的高还原度数字孪生系统。该方法首先以机理模型搭建患病人群演变、省市迁移机制等内在逻辑；其次，设定其中接触率、隔离率等关键参数，并通过数据驱动进行精准还原。此外，第四范式通过AI还原仿真开始日期各省的潜伏期患者人数等传统机理模型无法考虑的参数。

通过Composite AI解决方案，第四范式疫情虚拟环境预测误差较经典SEIR模型降低99%，为决策者制定实用有效的调控政策提供重要依据。

AI技术间的组合应用

扩大业务价值

Gartner认为，无论是深度学习、图分析等任何单一的AI技术在面对复杂目标和场景时，通常都只能解决局部问题，很难独立形成高价值的解决方案。Gartner分析师Erick Brethenoux对AI技术厂商提出警告：“单一AI技术的时代即将结束，如果软件和服务提供商无法提供基于多种AI技术相结合的能力，劣势将很快显现”。

第四范式多项自研AI算法可进行灵活组合，在多种复杂应用场景实现更高的场景适配性和模型性能，应对复杂的商业挑战。

以决策场景为例，第四范式的智能决策解决方案由AutoEL（自动环境学习）和AutoRL（自动强化学习）两项AI技术组合而成。首先通过AutoEL自动搭建能够完整精细还原现实影响要素及逻辑的虚拟环境，之后利用AutoRL在虚拟环境中进行大量试错和决策优化。在这个过程中AutoEL持续为AutoRL的决策方案给予接近真实的反馈，指导RL决策质量持续迭代，最终直接为企业输出最理想的决策方案。

该解决方案目前已落地于供应链优化、排班排产优化等业务场景。在第四范式为某领先禽蛋企业的供应链场景优化案例中，利用AutoEL将基于生产发货逻辑等机理和各单位供应量等数据构建供应链环境，利用AutoRL持续输出供应时间、数量等供应链决策，而虚拟环境则对各决策方案进行结果模拟并反馈，直至指导AutoRL优化出最理想方案。凭借创新性的技术能力以及出色的落地效果，该方案荣获APEC“2020年人工智能创新应用优秀案例”。

AI中台发挥关键角色

高效支撑Composite AI技术灵活应用

Gartner研究指出，到2023年具备可组合能力的企业将在新产品、新功能落地速度方面超过竞争对手80％（来源：Gartner 2021年战略技术趋势报告）。

Composite AI不仅是技术和应用层面的工作，也对底层框架能否支持AI技术可拆分和可复用提出了要求。如果没有统一标准AI基础设施承载中台功能，封装特定AI技术和功能并使其方便调用，AI组合技术的落地效率很难有效释放，进而阻碍商业价值的规模化实现。

在第四范式的解决方案中，AI中台是Composite AI的核心支撑。

首先，AI中台助力多元化AI技术在业务场景落地。在AI中台内，以第四范式自研高维机器学习算法和超大规模分布式机器学习框架GDBT为核心，用户可以通过丰富的开箱即用工具包，基于可视化拖拽式（DAG）建模方式，方便地对各类数据、算法、评估、调试算子进行操作和组合。不仅如此，用户还可以通过自定义算子开发平台及丰富的SDK进行二次开发，进一步实现Composite AI的定制化与多样化特性。

Composite AI带来了问题复杂度的提升，如何在数据、资源、应用三方面支撑落地成为AI中台的巨大挑战。为此，第四范式推出了自主研发的AI操作系统Sage AIOS，其通过统一的数据标准和规范、自动的资源调度与分配、统一的应用集成标准，使得“各怀绝技”的AI技术得以在系统稳定运行下，高效灵活地进行组合应用，大大拓展了AI的应用范围和落地效率。

为了进一步降低AI门槛，第四范式还将覆盖不同领域、环节的AutoML技术和独创的“库伯学习圈”方法论进行了融合，打造了自动化、全流程的AI生产力平台Sage 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、模型应用和自学习的AI全流程，大幅降低了AI应用的门槛。

作为Composite AI技术的全球代表厂商，第四范式凭借AI技术优势和中台支撑，高效实现了AI技术同行业知识、跨领域技术、以及AI技术本身之间的灵活组合应用。随着在各行各业深入落地，第四范式将为日益复杂的商业环境提供有效的AI能力支撑，加速智能化商业时代的到来。

查看评论